使用 Web MCP 构建 AI 销售机器人从公开数据获取潜在客户

寻找优质潜在客户是一项耗时的工作。任何做过销售或营销的人都了解这种日复一日的繁琐：打开浏览器，寻找符合目标画像的公司，将其详细信息复制到电子表格，如此循环往复。本指南将向你展示如何借助 Crawlbase Web MCP 构建一个 AI 销售机器人，跳过大部分这类重复劳动, 该助手能自主收集公开的公司及联系页面数据，并为你起草外联邮件。

为了使整个流程合规且可持续，本次构建的范围严格限定在公开商业数据之内：公司名称、网站、公开联系页面、所属行业，以及企业为接收来信而公开发布的通用电子邮件地址。本指南不涉及抓取需要登录的内容、购买或采集个人数据，也不试图获取超出企业主动公开范围的个人信息。文末关于道德规范与服务条款的章节并非套话，请在将此工具用于大规模采集前仔细阅读。

基于 Crawlbase Web MCP 搭建的 AI 销售机器人究竟能做什么

一旦理解了这两个组成部分，其运作模式便一目了然。Claude（或任何支持 MCP 的客户端）负责推理层：读取你的需求，决定访问哪些页面，并对结果进行结构化。Crawlbase Web MCP 则负责执行层：抓取实时页面、渲染 JavaScript 密集型网站、绕过常见的反爬拦截，并将整洁的内容返回给模型读取。

语言模型本身无法稳定地浏览开放网络，MCP 服务器正是弥补这一缺口的关键。它向模型暴露一组工具接口，模型可调用这些接口来抓取并读取某个 URL，从而无需你手动粘贴页面内容，模型会自行请求并处理结构化输出。如果你想深入了解这一机制的意义，可以参阅向大语言模型输送实时网络数据一文。

一次典型的运行流程如下：你描述一个理想的客户画像，机器人找到符合条件的公司，访问每家公司的公开网站和联系页面，提取你所需的字段，最后返回一张整洁的表格，以及针对每家公司网站内容量身撰写的外联草稿。无需编写爬虫脚本，无需维护代理池，也无需维护浏览器自动化流程。

各部分如何协同

三个组件共同完成工作，在进行任何配置之前，先将它们各自命名会有所帮助。

Claude 是推理层

模型将你的请求拆解成若干步骤，决定哪些页面值得访问，选择要提取的字段，并对结果进行格式化。你用自然语言描述期望的结果，模型规划执行路径。这个规划过程正是你原本需要手动完成的部分。

Web MCP 是爬取层

MCP 服务器是让模型能够访问实时网络的桥梁。它通过可信 IP 抓取页面、渲染客户端内容、处理常见的反爬干扰，并返回整洁的输出结果。其底层依托与 Crawling API 和 Smart AI Proxy 相同的基础设施，因此你无需自行搭建无头浏览器集群和轮换代理池，即可获取实时数据。

你的产出是结构化的销售线索加上草稿

页面内容返回后，模型将每家公司整理成一行记录：名称、网站、公开联系邮箱、所属行业、简短描述，然后根据其网站上的具体内容起草一条简短的外联信息。你可以将表格导出为 CSV 格式导入 CRM，也可以继续在对话中迭代优化。

第 1 步：安装并配置 Web MCP

Web MCP 作为本地服务器运行，由你的 MCP 客户端启动。对于 Claude Desktop，打开设置 > 开发者 > 编辑配置，将 Crawlbase 服务器添加到 mcpServers 代码块中。下面的配置将客户端指向已发布的包，并通过环境变量传入你的令牌。

{
  "mcpServers": {
    "crawlbase": {
      "command": "npx",
      "args": ["-y", "crawlbase-mcp"],
      "env": {
        "CRAWLBASE_TOKEN": "YOUR_NORMAL_TOKEN",
        "CRAWLBASE_JS_TOKEN": "YOUR_JS_TOKEN"
      }
    }
  }
}

两个令牌均来自你的 Crawlbase 控制台。普通令牌用于抓取静态 HTML，JavaScript（JS）令牌则会先在真实浏览器中渲染页面。对于以客户端方式构建内容的企业网站，需要使用 JS 令牌，因此请保留两者并让机器人按需选择。保存配置后重启客户端，以使其加载新服务器。

第 2 步：确认工具已上线

重启后，你的客户端应列出 Crawlbase 工具（通常包括一个抓取工具和一个读取工具）。一个快速验证的方法是让模型抓取一个已知的公开页面并对其进行摘要。如果它返回真实内容而非"无法访问网络"的提示，说明服务器已正确接入。

Using the Crawlbase Web MCP, fetch https://example.com and give me
a one-line summary of what the company does.

如果返回了真实摘要，说明模型正在调用 MCP 工具并读取实时页面，你已经可以给它布置实际任务了。

第 3 步：给机器人下达销售简报

现在告诉机器人需要收集什么，以及同样重要的，不能收集什么。下面的提示词设定了角色、将搜索范围限定在公开商业数据、明确了所需字段，并完全禁止收集个人数据。将其作为系统指令，粘贴到一个新的对话中。

You are an AI sales bot. You use the Crawlbase Web MCP to gather
PUBLIC business data only and to draft outreach.

Rules:
- Collect only data a company publishes publicly: company name,
  website, listed industry, public description, and the generic
  contact email on the site (e.g. sales@, hello@, info@).
- Do NOT collect personal data about named individuals.
- Do NOT guess or pattern-build emails. Use only what is published.
- If a field is not public, leave it blank rather than inferring it.

For each company, return a row with: Company Name, Website,
Contact Email, Industry, Description, and a 2-sentence draft
outreach note referencing something specific from their site.

"do NOT"的两条规则至关重要。它们将机器人约束在已发布的企业级数据范围内，防止其伪造地址, 这既是准确性问题，也是道德问题。设定角色后，在后续消息中发送实际目标。

Find 10 B2B SaaS companies in Singapore that offer CRM or
marketing automation. For each, visit the company site and its
public contact page, then fill in the row format above.

第 4 步：让机器人爬取并起草

在设定好简介和目标之后，机器人开始规划执行流程。它识别候选公司，对每家公司的公开网站和联系页面调用 MCP 抓取工具，读取返回内容，并按你定义的格式填充每一行。由于模型能看到实际页面文本，它在撰写外联草稿时可以引用具体内容, 产品线、近期发布，或明确的业务重点, 而非泛泛而谈的套话。

以下是一个精简后的示例输出：

[
  {
    "companyName": "Acme CRM",
    "website": "https://acmecrm.example",
    "contactEmail": "[email protected]",
    "industry": "B2B SaaS / CRM",
    "description": "Pipeline and contact management for SMB teams.",
    "draftNote": "Saw your pipeline-automation focus for SMB teams..."
  }
]

让机器人将同样的数据渲染为 CSV，即可直接导入电子表格或 CRM。外联草稿始终只是起点：供你编辑的初稿，而非可直接发送的成品。

第 5 步：收紧循环

第一次运行结果很少是最终版本。以下几项小的补充可以让机器人在实际使用中更加高效，每一项都只需在对话中追加一句话，无需编写新代码。

先验证再信任

并非每个已公开的地址都有人监看，通用收件箱的质量参差不齐。让机器人标记那些联系邮箱疑似万能收件箱或联系页面缺失的记录，以便你优先处理质量较高的条目。这是质量把关，而非个人数据扩充。

跨运行去重

多次运行机器人且条件有所重叠时，同一家公司可能出现两次，有时名称略有差异。让它在返回表格前比对域名并合并重复项，保持列表整洁，避免对同一家公司重复联系。

调优定向策略

整个系统本质上只是一段提示词，因此重新定向只需一句话。换一个行业、地区或细分市场，机器人即可适配。简报越具体，结果越相关，因此尽量使用精准的需求，例如"加拿大提供贷款或支付服务的金融科技公司"，而非宽泛的描述。如需了解更高级的多步骤设置，使用 Crawlbase Web MCP 构建 AI 智能体工作流一文提供了比单一提示词更深入的内容。

它在真实销售技术栈中的位置

这类机器人并非 CRM 或邮件序列工具的替代品，而是为它们提供数据的前端研究层。它将"帮我建一个列表"从一个下午的多标签切换变成一次对话，且由于每次运行都抓取实时页面而非复用陈旧导出，数据始终保持新鲜。如果你在衡量托管网络访问与自建代理层之间的取舍，AI 代理使用场景一文详细分析了各自的适用场合。

有一个视角值得记住：关于潜在客户研究时间的行业数据来源不一、容易被断章取义，因此任何"节省 X 小时"的说法（包括你内部可能想引用的）都应视为方向性参考，而非精确数字。真正的价值在于一致性：机器人每次都以相同方式收集相同字段，而这在手工操作时的难度远超预期。

实话实说：服务条款与个人数据

从公开网站收集商业数据处于灰色地带，某次具体的采集操作是否被允许，取决于各网站的服务条款、你所在的司法管辖区，以及你对数据的使用方式。许多网站在条款中限制自动化访问，因此无论你的工具有多谨慎，爬取行为都可能违反这些条款。MCP 解决的是技术层面的问题，并不改变你所须遵守的规则。

以下几条底线值得坚守：只收集公开的企业级数据（名称、网站、所列行业，以及企业为接收来信而公开的通用联系邮箱）；不采集具名个人的个人数据；不通过规律推断或猜测电子邮件地址；不抓取登录墙后的内容。尊重各网站的 robots.txt 及其明示的请求频率期望，将请求量控制在不会给任何服务器造成压力的水平。在实际发送外联邮件时，遵守适用于你的反垃圾邮件法律，为收件人提供清晰的退出方式，并切实履行。

本指南有意将范围限定在公开商业数据，因为这是保持合规的底线。如果你的项目需要更丰富的联系人数据，正确的做法是采用经过同意的数据来源或官方数据提供商，而非使用更复杂的爬虫。与 Web MCP 底层相同的托管访问能力, Crawling API、AI Proxy 以及 Crawling API, 均为负责任的公开数据采集而构建，而非用于绕过同意机制。

常见问题

基于 Crawlbase Web MCP 的 AI 销售机器人是什么？

这是一个将语言模型的推理能力与 Crawlbase Web MCP 实时网络访问能力相结合的助手。你描述一个理想的客户画像，模型规划搜索路径并调用 MCP 工具爬取公开的公司网站，最终返回结构化的潜在客户列表和外联草稿，无需你编写爬虫或运行代理池。

搭建这个需要写代码吗？

不需要。整个构建过程只需一条配置和几段提示词。将 Crawlbase 服务器及对应令牌添加到 MCP 客户端配置中，重启后给机器人发送角色提示和目标即可。模型通过 MCP 工具处理抓取和格式化。

我该用普通 token 还是 JS token？

两者都要用。将两者都填入配置，让机器人按页面需求自行选择。普通令牌抓取静态 HTML，速度更快；JS 令牌会先在真实浏览器中渲染页面，适用于通过 JavaScript 构建内容的网站。如果某个页面返回内容稀少或为空，请将该请求切换为 JS 令牌。

这个机器人能找到特定人员的个人电子邮件地址吗？

不应该，本指南也明确告知机器人不得这样做。提示词将采集限定于公开的企业级数据，如通用联系邮箱（sales@、hello@、info@），并禁止猜测或推断个人邮件地址。采集或推断具名个人数据被有意排除在范围之外，既出于准确性考量，也出于合规要求。

机器人返回的数据有多准确？

其准确度取决于它所读取的页面，这也是提示词要求在字段缺失时留空而非推断的原因。公开网站可能存在过时或不一致的情况，因此应增加一个验证环节：让机器人标记联系页面缺失或疑似万能收件箱的记录，在发送任何外联邮件前审核这些条目。将外联草稿视为供你编辑的起点，而非可直接使用的成品。

用这样的机器人做潜在客户开发合法吗？

这取决于各网站的服务条款、你所在的司法管辖区以及使用目的，且许多网站限制自动化访问。请严格限于公开的企业级数据，遵守 robots.txt 及请求频率期望，切勿收集个人数据或登录墙后的内容。发送外联邮件时，遵守适用的反垃圾邮件法律并提供清晰的退出选项。如需更丰富的联系人数据，请使用经过同意的数据来源，而非采用更激进的爬虫策略。

IK

Ian Kalvin

技术支持工程师 · Crawlbase

Crawlbase 技术支持工程师，从生产环境抓取与代理配置中真正出问题的第一线写作。

NZ

Neil Zamora

高级架构师 · Crawlbase

Crawlbase 高级架构师，专注大规模爬取背后的系统：代理轮换、反机器人韧性，以及隐藏这些复杂性的 API。