Elastic Email MCP Server

官方

Elastic Email MCP 服务器使 GitHub Copilot、ChatGPT、Claude 及其他兼容的 AI 助手能够与您的 Elastic Email 账户无缝集成。

访问 elasticemail.com

文档

通过实施 MCP，Elastic Email 允许 AI 代理访问和控制您的邮件操作，同时保持安全性和适当的身份验证。

我们的 MCP 可为您执行的可用操作

  • 将联系人添加到列表
  • 上传并添加联系人
  • 创建列表
  • 创建细分群组
  • 创建营销活动
  • 获取营销活动
  • 更新营销活动
  • 暂停营销活动
  • 列出营销活动
  • 发送邮件：包括事务性邮件和批量邮件
  • 获取联系人、联系人列表、列表中的联系人
  • 获取列表
  • 获取模板
  • 获取细分群组
  • 就绪检查（健康检查、连接和就绪状态检查）
  • 从列表中删除联系人
  • 从账户中删除联系人

请注意，并非所有列出的端点都适用于所有 Elastic Email 定价方案。例如，营销活动和联系人端点不适用于 Email API 方案。以下是关于上述功能的完整可用文章列表：

https://help.elasticemail.com/en/articles/4984897-contact-lists-and-segments

https://help.elasticemail.com/en/articles/5472509-how-to-send-your-first-campaign

http://help.elasticemail.com/en/articles/2300606-how-to-manage-templates

设置

要连接到我们的 MCP 服务器，您可以使用任何支持 MCP 的 AI 代理。任何设置的关键要求是支持“代理模式”，该模式允许 AI 代理以编程方式安全地与外部服务交互。

我们已准备了一个使用 VS Code 和 Github Copilot 工具的分步设置示例。

接下来，您需要将 Github 账户连接到 VS Code

  • 安装并运行 VS Code

  • 打开左侧菜单中的扩展，安装 Github Copilot 和 Github Copilot Chat 扩展

  • 使用您在上一步中创建的账户登录 Github

  • 在 Github Copilot 中授权 Visual Studio Code

  • 在下一步中允许运行 VS Code

  • 要显示聊天窗口，请在 VS Code 顶部菜单中转到“查看” → “聊天”。聊天窗口应显示在右侧。

  • 将聊天切换到代理模式

  • 在 Elastic Email 中创建一个 API 密钥。查看和修改所需的权限如下：账户、模板、营销活动、联系人、文件、发送 HTTP。此外，至少需要访问令牌的“查看”权限。请记住，切勿与未经授权的第三方共享您的 API 密钥！

  • 在 VS Code 顶部栏中使用搜索功能查找：显示并运行命令

  • 您可以在搜索字段中写入“MCP”以缩小可用选项范围，然后选择“MCP: 打开用户配置”。

  • 粘贴如下所示的配置文本（如果您已有其他服务器，则仅需 elasticemail.mcp 数据即可）

{
"servers": {
"elasticemail.mcp": {
"url": "https://mcp.elasticemail.com",
"headers": {
"X-Auth-Token": "your_api_key"
}
}
}
}

请注意，此处最重要的步骤是输入您具有上述权限的实际 API 密钥。另外，请确保在修改此字段后，务必在继续之前保存更改。如果不保存更改，则不会出现“启动”集成的选项。

  • 现在您可以启动与 MCP 服务器的连接：在配置文件中点击 elasticemail.mcp 上方的“启动”。

  • 替代方法：从左侧菜单中选择“扩展”，在底部的“已安装的 MCP 服务器”中选择服务器，右键单击并选择“启动服务器”

从现在起，您可以在聊天窗口中使用 Elastic Email MCP 服务器提供的操作。这些操作已在本文开头列出。

您可以尝试输入第一个命令以确保集成正常工作。例如，您可以输入“Is MCP working”提示，如果一切正常，您应该会收到确认回复。

为了更深入地了解此类集成在 Elastic Email 端的工作原理，欢迎您同时查阅我们的 API 文档：

https://elasticemail.com/developers/api-documentation/rest-api

提示

  1. AI 代理可能会卡在记住某些先前的指令并不断重试。开启新的聊天会话有助于解决此类问题。您也可以指示代理重新获取工具，并告知服务器上已有更改，以确保其确实获取了新数据。
  2. 提示越精确，留给 LLM 的解释空间就越小，从而减少与幻觉相关的问题。
  3. 在发送请求之前进行审查很有用，因为您可能会注意到 LLM 将您的请求转换为 API 调用时存在的潜在不一致之处。