Elastic Email MCP Server

官方

Elastic Email MCP 伺服器讓 AI 代理（如 GitHub Copilot、ChatGPT、Claude 及其他相容助手）能夠與您的 Elastic Email 帳戶無縫整合。

造訪 elasticemail.com

文件

通過實作 MCP，Elastic Email 讓 AI 代理能夠存取並控制您的電子郵件操作，同時維持安全性與適當的驗證機制。

我們的 MCP 能為您執行的可用操作

  • 將聯絡人新增至清單
  • 上傳並新增聯絡人
  • 建立清單
  • 建立區隔
  • 建立行銷活動
  • 取得行銷活動
  • 更新行銷活動
  • 暫停行銷活動
  • 列出行銷活動
  • 發送電子郵件：包含交易郵件與大量郵件
  • 擷取聯絡人、多筆聯絡人、清單中的聯絡人
  • 擷取清單
  • 擷取範本
  • 擷取區隔
  • 就緒檢查（健康檢查、連線與就緒狀態檢查）
  • 從清單中刪除聯絡人
  • 從帳戶中刪除聯絡人

請注意，並非所有列出的端點都適用於所有 Elastic Email 定價方案。例如，行銷活動與聯絡人端點不適用於 Email API 方案。以下是我們針對上述功能提供的完整文章清單：

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

設定

若要連線至我們的 MCP 伺服器，您可以使用任何支援 MCP 的 AI 代理。任何設定的關鍵需求是支援「代理模式」，這能讓 AI 代理以程式化方式安全地與外部服務互動。

我們已準備好使用 VS Code 和 Github Copilot 工具的逐步設定範例。

接下來，您需要將 Github 帳戶連線至 VS Code

  • 安裝並執行 VS Code

  • 開啟左側選單中的擴充功能，安裝 Github Copilot 與 Github Copilot Chat 擴充功能

  • 使用您在上一步建立的帳戶登入 Github

  • 在 Github Copilot 中授權 Visual Studio Code

  • 在下一步中允許執行 VS Code

  • 若要顯示聊天視窗，請前往 VS Code 頂端選單的「檢視」→「聊天」。聊天視窗應會顯示在右側。

  • 將聊天切換至代理模式

  • 在 Elastic Email 中建立 API 金鑰。所需的檢視與修改權限如下：帳戶、範本、行銷活動、聯絡人、檔案、發送 HTTP。此外，至少需要存取權杖的「檢視」權限。請記得絕不與未經授權的第三方分享您的 API 金鑰！

  • 在 VS Code 頂端列使用搜尋功能尋找：顯示並執行命令

  • 您可以在搜尋欄位中輸入「MCP」以縮小可用選項範圍，然後選擇「MCP：開啟使用者設定」。

  • 貼上如下所示的設定文字（如果您已有其他伺服器，僅需 elasticemail.mcp 資料即可）

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

請注意，此處最重要的步驟是輸入您實際的 API 金鑰，並具備上述權限。同時，請確保修改此欄位後，務必先儲存變更再繼續。若未儲存變更，將不會出現「啟動」整合的選項。

  • 現在您可以啟動與 MCP 伺服器的連線：在設定檔中點擊 elasticemail.mcp 上方的「啟動」。

  • 替代方式：從左側選單選擇擴充功能，在底部的「MCP 伺服器已安裝」中選擇伺服器，按右鍵並選擇「啟動伺服器」

從現在起，您可以在聊天視窗中使用 Elastic Email MCP 伺服器提供的操作。這些操作已於本文開頭概述。

您可以嘗試第一個指令，以確保整合正常運作。例如，您可以輸入「Is MCP working」提示，若一切正常，您應會收到確認回覆。

若想進一步了解此類整合在 Elastic Email 端的運作方式，歡迎同時查閱我們的 API 文件：

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

提示

  1. AI 代理可能會卡在記住某些先前的指令並重試它們。開啟新的聊天工作階段有助於解決此類問題。您也可以指示代理重新擷取工具，並告知伺服器已有變更，以確保它確實重新擷取新資料。
  2. 提示越精確，留給 LLM 的解讀空間就越小，從而減少幻覺相關問題。
  3. 在發送請求前檢視它們很有幫助，因為您可能會注意到 LLM 將您的請求轉換為 API 呼叫時可能出現的不一致之處。