MCP-флоу: как отдать B2B-аутрич AI-агенту от начала до ответа
MCP (Model Context Protocol) превращает платформу аутрича из набора экранов, которые кликает человек, в набор инструментов, которыми управляет AI-агент. Разберём, как выглядит сквозной MCP-флоу холодной B2B-кампании — от постановки задачи до ответа в CRM — на примере того, как это устроено в LDM, и где проходит граница между автоматизацией и контролем человека.
- MCP — это стандартный протокол, через который AI-агент вызывает функции платформы как инструменты: найти компании, создать креатив, запустить отправку, прочитать ответы.
- MCP-флоу аутрича — это цепочка: ICP → база → персонализация → отправка малыми объёмами → чтение ответов → передача горячих лидов человеку.
- Агент работает не вслепую: каждый шаг — это вызов API платформы с аудируемым результатом, а не «магия» внутри модели.
- Критичные действия (реальная отправка, изменение стоп-листа) стоит оставлять за подтверждением человека или жёсткими лимитами.
- Ценность MCP не в том, чтобы слать больше писем, а в том, чтобы агент вёл рутину аутрича, а человек принимал решения по стратегии и ответам.
Что такое MCP и почему он меняет аутрич
Model Context Protocol — это открытый стандарт, по которому AI-агент подключается к внешней системе и получает список её инструментов: какие действия доступны, какие параметры принимают, что возвращают. Для платформы аутрича это значит, что всё, что раньше делал человек через интерфейс — поиск компаний, сборка списка, генерация письма, запуск отправки, чтение ответов — становится набором функций, которые агент вызывает сам.
Разница с обычной автоматизацией в том, что агент не идёт по жёстко зашитому сценарию. Он получает цель на естественном языке («собери 50 производителей насосов в ЦФО и напиши первое касание»), решает, какие инструменты и в каком порядке вызвать, и адаптируется по ходу. При этом каждый его шаг — это конкретный вызов API с проверяемым результатом, а не свободная генерация текста «из головы».
Сквозной MCP-флоу холодной кампании
Полный цикл адресного B2B-аутрича через агента складывается из нескольких шагов, каждый из которых — вызов инструмента платформы. Агент проходит их последовательно, накапливая контекст: результат сборки базы становится входом для персонализации, результат отправки — основой для отслеживания ответов.
- Определить ICP: агент уточняет профиль клиента и переводит его в параметры выборки (отрасль, размер, регион, роль ЛПР).
- Собрать и отфильтровать базу: вызов инструментов поиска компаний и контактов, отсев по стоп-листу и валидности адресов.
- Сгенерировать персонализованные письма: креатив под сегмент с подстановкой переменных по каждой компании.
- Запустить отправку малыми объёмами: постановка кампании в очередь с учётом лимитов домена и окна отправки.
- Читать и классифицировать ответы: агент забирает входящие из CRM, размечает «горячий / тёплый / отказ / автоответ».
- Передать результат человеку: горячие лиды и требующие решения диалоги поднимаются наверх, рутина остаётся на агенте.
Как это устроено в LDM
В LDM MCP — не надстройка, а основной интерфейс для агентов: тот же набор возможностей, что и в веб-платформе, доступен как инструменты MCP. Агент может вызвать поиск и создание компаний и контактов, собрать список, сгенерировать креатив, поставить кампанию, прочитать диалоги и разметить ответы — всё через один протокол, с теми же правами и тем же аудитом, что и действия человека.
Важный принцип: единая точка ответственности. Каждый вызов агента проходит через API платформы, логируется и подчиняется тем же правилам, что и ручная работа — лимиты отправки, стоп-листы, окна, проверка на спам перед отправкой. Агент не получает «чёрного хода» в обход политик. Поэтому отдать агенту рутину аутрича безопасно: он действует внутри тех же ограничений, что и оператор.
Где проходит граница ответственности человека
Агент отлично закрывает объёмную рутину: сборку и чистку базы, черновую персонализацию, постановку отправки, первичную разметку ответов. Но ряд решений разумно оставлять человеку — либо через явное подтверждение, либо через жёсткие лимиты, за которые агент не может выйти самостоятельно.
К таким решениям относятся: реальная отправка по крупной базе, изменение стоп-листа и правил комплаенса, ответы горячим лидам с обязательствами, смена стратегии кампании. Здоровый режим — агент готовит и предлагает, человек подтверждает критичное. Так вы получаете скорость автоматизации без риска, что модель «нальёт» письма не туда или ответит клиенту то, чего не следовало.
- Оставляйте за человеком: запуск отправки по большой базе, правки стоп-листа, обязывающие ответы, смену стратегии.
- Отдавайте агенту: сбор и валидацию базы, черновую персонализацию, постановку в очередь, первичную классификацию ответов.
- Страхуйтесь лимитами: суточные потолки отправки, обязательная проверка на спам, окна отправки — на стороне платформы, а не на доверии к агенту.
С чего начать внедрение MCP-флоу
Начинать стоит не с полной автономии, а с одного узкого участка. Дайте агенту собрать и провалидировать базу под конкретный ICP и покажите результат — это безопасный шаг без внешних эффектов. Убедившись в качестве выборки, подключайте генерацию персонализованных писем и тестовую отправку по нескольким адресам, а не по всей базе.
Дальше расширяйте зону агента постепенно: чтение и классификация ответов, постановка кампаний под подтверждение. На каждом этапе держите лимиты и аудит на стороне платформы. В LDM такой поэтапный путь естественен: один и тот же протокол покрывает и первый маленький сценарий, и полный сквозной флоу, поэтому расширение зоны агента не требует переписывать интеграцию — вы просто разрешаете ему новые инструменты.
Вопросы и ответы
Чем MCP отличается от обычной интеграции по API?
Обычная интеграция — это жёстко запрограммированная последовательность вызовов, которую пишет разработчик. MCP даёт AI-агенту список инструментов и позволяет ему самому решать, какие и в каком порядке вызывать под конкретную задачу. При этом под капотом это те же API-вызовы с аудитом, просто оркестрирует их модель, а не заранее написанный сценарий.
Не опасно ли отдавать отправку писем AI-агенту?
Опасно только без ограничений. Если критичные действия — реальная отправка по большой базе, правки стоп-листа — требуют подтверждения человека, а платформа держит лимиты, окна и проверку на спам на своей стороне, агент физически не может выйти за рамки политик. Тогда он ускоряет рутину, не создавая рисков.
MCP заменяет SDR-менеджера?
Нет. MCP снимает с человека рутину — сборку базы, черновую персонализацию, постановку отправки, первичную разметку ответов, — но решения по стратегии, работа с горячими лидами и обязывающие ответы остаются за человеком. Это перераспределение труда, а не замена: агент делает объёмную механику, человек — то, что требует суждения.
Что нужно, чтобы запустить MCP-флоу аутрича?
Нужна платформа, у которой возможности аутрича доступны как инструменты MCP, и AI-агент, умеющий с этим протоколом работать. Дальше — начать с одного узкого сценария (например, сбор и валидация базы под ICP), проверить качество и постепенно расширять зону агента, держа лимиты и аудит на стороне платформы.
Как отслеживать, что делает агент?
Через тот же аудит, что и действия человека: каждый вызов инструмента логируется с параметрами и результатом. Это позволяет в любой момент разобрать, какую базу агент собрал, какие письма поставил и как разметил ответы, а при необходимости — откатить или скорректировать его работу.
Хотите применить это в своём аутриче?
Расскажем, как это работает на вашем сегменте и продукте — до старта работ.
Обсудить задачу