# Responsive MCP：写方案前让 AI 查清客户近况

> Responsive MCP 秋季版后，写方案前让 AI 查客户近 30 天帖子、岗位和新闻：三家 17 次调用 $0.0195，每份约 $0.0068。

- Canonical page: https://everyinfra.com/blog/responsive-mcp-sales-proposal-account-research
- Published: 2026-11-16T01:45:33+08:00 · Fact-checked: 2026-11-16T01:10:00+08:00

我们拿两家美国上市公司 Wayfair 和 Snowflake 做了一次「写方案之前的客户近况调研」：2026 年 11 月 16 日新加坡时间 00:18 到 00:34，17 次扣费调用（含 Mercado Libre 的 4 次）拉回公司主页、公司帖子、在招岗位、新闻和网页搜索结果，合计 $0.019516。每家客户凑齐一份近况素材，6 次调用、$0.006806；一年写 100 份方案，这部分接口费约 $0.68。另一家 Mercado Libre 的岗位列表是经远程 MCP 的 `tools/call` 拉的，用来演示助手里那一步长什么样。

这件事和 Responsive 有关，是因为它在 2026-11-10 发布秋季版，把 MCP 从「查答案」扩到「在 ChatGPT、Microsoft Copilot、Claude 里直接做事」：销售可以在一次对话里答完客户的安全问卷再发跟进信，安全专家可以起草并保存分给自己的答案，方案团队可以把新知识打标签、送审。Responsive 的帮助中心另有一篇文档写明，它自己也能当 MCP 客户端，管理员可以把外部 MCP 服务器接进 Responsive AI。我们在 Responsive 一侧没有账号环境，文中写到 Responsive、Claude、ChatGPT、Copilot 的步骤都是「配置示例」，依据是这些产品帮助中心的原文。

同样拿回 20 条公司帖子，Snowflake 20 条全在近 30 天内，Mercado Libre 只有 1 条，最早一条是 1 月的。用「Snowflake」这个词搜岗位，50 个结果里只有 12 个是 Snowflake 自己招的，其余 38 个是 17 家在招「会用 Snowflake」的人的公司；换成公司主页里给的筛选链接，50 个全是它自己的。Wayfair 被规则归进「销售」的 6 个岗位里，有 3 个是门店店长助理，标题里带 Sales，和企业采购无关。

> **本文要点**
>
> - Responsive 2026-11-10 秋季版让 MCP 能在 ChatGPT、Copilot、Claude 里执行动作：起草并保存答案、加评论、送审，权限沿用 Responsive 里的用户权限；它也能当 MCP 客户端接外部服务器。
> - 一份客户近况素材：公司主页、帖子、岗位、岗位详情、新闻、网页搜索各调一次，$0.006806；三家公司实测 17 次扣费调用共 $0.019516。
> - 公司帖子按 `posted_at` 排序、截 30 天再交给模型：三家各 20 条，近 30 天内分别是 Wayfair 12 条、Snowflake 20 条、Mercado Libre 1 条。
> - 招聘信号最容易出错的两处：用公司名当关键词会混进别家岗位（Snowflake 50 个里 38 个不是它的）；标题带 Sales 的门店岗位会被算成销售扩张。
> - 公开数据和客户给的内部材料分两栏写，每句近况挂一个来源 ID，网页搜索结果引用前打开原文核日期。

![示意插图：左边四张信息卡片，分别画着一栋公司大楼、一张图片、一只公文包和一个点赞手势，卡片沿虚线流进中间一台亮着青绿色灯的服务器；服务器再连到右边桌上一份打开的方案文件，文件最上面一块是青绿色；文件旁边单独放着一只挂锁的灰色文件夹。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/img-explain.webp)

写方案前的近况调研：公开的主页、帖子、岗位和新闻经一个 MCP 服务器读进来，落成方案里的一节；客户给的内部材料锁在另一个文件夹里，不和公开数据混写。

## 这件活：写 RFP 回复之前，把客户这一个月看一遍

一份 RFP 回复或销售方案里，通常有一节叫「我们理解的您的现状」或者「项目背景」。评标的人读这一节，看的是投标方有没有花功夫理解自己：美国联邦采购规则 FAR 15.305 写明，方案评估是对方案本身和投标方顺利履约能力的评估，只按招标文件写明的因素打分，成本现实性分析里还要看投标方对这项工作的理解；民营企业的采购没有这么正式，道理相通。这一节写得空泛，后面的方案再好也像是套模板。

这一节的原料，大部分是公开信息：客户公司主页上的规模和总部，最近一个月发的帖子，在招的岗位，新闻和财报。售前和方案经理手工做这件事，要在公司主页、招聘页、新闻站和投资者关系页之间来回翻，日期最容易漏：本次 Wayfair 的 10 条网页搜索结果里，就混着一篇 2022 年 8 月的裁员旧闻。把这一步交给 AI 助手，前提是助手能拿到带日期的结构化数据，而且每条都能追到出处。

Responsive 的定位是战略响应管理（Strategic Response Management），管的是 RFP、安全问卷、尽职调查问卷这些回复工作。它的 MCP 服务器解决的是「把公司内部审过的答案拿到 AI 助手里用」；客户近况这一块属于外部公开数据，需要另一个数据源。两者合起来，就是一个 sales proposal AI agent 写方案时要的两类材料：内部的标准答案，加外部的客户动态。

我们这次只做外部那一半，按「两家真实公司、每家至少四类公开数据、一次远程 MCP 往返」的标准动手，每个数字都从原始响应现算。选 Wayfair 和 Snowflake，是因为一家是零售、一家是软件，招聘结构差别大，能看出招聘信号在不同行业里的读法；Mercado Libre 用来补一个拉美的样本，西语读者会更熟悉它。

![流程动画，左边四个来源框：公司主页 company_profile、公司帖子 company_posts、在招岗位 jobs、新闻 google_news / web，箭头汇到第一站「EveryInfra 远程 MCP，everyinfra_call_api」；第二站「Claude、ChatGPT 或 Copilot，排日期、归类、挂来源」；第三站「Responsive 项目里的一节，我们理解的您的近况」；第三站下面挂一个「人审」框。一个青绿小点沿来源、三站和人审走一圈，八秒一轮。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/fig-01-brief-flow.zh.light.svg)

## Responsive 11 月 10 日的秋季版放开了什么

秋季版的新闻稿发在 2026-11-10，开头一句写的是 Responsive 宣布扩展 MCP 能力，团队可以在 ChatGPT、Microsoft Copilot 和 Claude 里访问 Responsive 管理的知识、协作、推进回复工作。首版 MCP 是 2026 年 5 月 13 日春季版发布的，当时的说法集中在「在助手里用审过的内容回答客户问题、生成邮件和方案」。半年后的秋季版把重点放到动作上：[秋季版新闻稿](https://www.responsive.io/news/fall-2026-product-update)写明，自 MCP 服务器上线以来，客户已经发起超过 198,000 次工具调用，其中超过 38,000 次把助手里的工作推进到了正在跟的商机里。

![截图：Responsive 秋季版新闻页正文，标题「What MCP unlocks: from finding answers to acting on them」下面，青绿框标出两段：第一段写 MCP 服务器上线以来超过 198,000 次工具调用、超过 38,000 次把工作推进到商机里；第二段写销售、领域专家、方案和知识团队各自能在助手里做的事。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/img-shot-responsive-fall-mcp.webp)

秋季版新闻页里讲 MCP 动作的两段原文，青绿框为我们所加。 [Responsive 新闻页 2026-11-10，2026-11-16 截图](https://www.responsive.io/news/fall-2026-product-update)

Responsive 的新闻稿、能力页和帮助中心各写了 MCP 的一部分，没有一处写全；原文没写的标「原文未写明」。

| 事项 | 原文怎么写 | 出处 |
| --- | --- | --- |
| 发布时间 | 2026-11-10，波特兰发布的新闻稿 | 秋季版新闻稿 |
| 首版 MCP | 2026-05-13 春季版，接入 ChatGPT、Copilot、Claude | 春季版新闻稿 |
| 支持的助手 | ChatGPT、Microsoft Copilot、Claude | 新闻稿、能力页 |
| 能执行的动作 | 起草并保存项目问题的答案、加评论、完成审阅，以及其他受支持的动作；可用动作因助手和用户权限不同而不同 | 能力页 |
| 新闻稿举的三个场景 | 销售在一次对话里答安全问卷并发跟进信；安全专家起草并保存分给自己的答案；方案团队记录新知识、打标签、送审 | 新闻稿 |
| 权限 | MCP 服务器沿用用户级权限，助手里能看能做的和 Responsive 里一致 | 新闻稿 |
| 使用量 | 上线以来超过 198,000 次工具调用，超过 38,000 次把工作推进到商机 | 新闻稿 |
| ChatGPT 接法 | 在 ChatGPT 里新建应用，填服务器地址，鉴权方式 OAuth；保存答案的工具名 `save_project_question_response` | 帮助中心 |
| Copilot Studio 接法 | 添加 MCP 连接器，填服务器地址和鉴权信息，测试后发布，可以发布到 Teams | 帮助中心 |
| Responsive 当 MCP 客户端 | 管理员在组织设置里添加外部 MCP 连接器，属于 Responsive AI 的一部分，开通要联系客服 | 帮助中心 |
| 套餐和价格 | 价格页不公开价格；哪些套餐含 MCP，原文未写明 | 价格页 |

秋季版另一半讲的是内容管理：系统会标出重复和互相矛盾的答案，评估写作质量和元数据是否齐全，建议这条内容该接受、拒绝还是送审，简单的决定可以按规则自动化。新闻稿引用 [Gartner 2025 年 2 月的预测](https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk)，到 2026 年底，缺少 AI 就绪数据支撑的 AI 项目会有 60% 被放弃。这一段和本次主题的关系在于：内部答案库再干净，方案里关于客户的那一节如果用的是过期的外部信息，整份方案照样会出错。

## 两个方向：Responsive 当 MCP 服务器，和 Responsive 当 MCP 客户端

Responsive 和 MCP 的关系有两个方向。第一个方向是 Responsive 当服务器：Claude、ChatGPT、Copilot 是客户端，连到 Responsive 的 MCP 地址，帮助中心给的 ChatGPT 示例地址形如 `<租户>.rfpio.com/oa/v1/mcp`，鉴权用 OAuth，用户登录自己的 Responsive 账号。第二个方向是 Responsive 当客户端：管理员在「Organization Settings > Responsive AI > MCP Connectors」里添加外部 MCP 服务器，Responsive AI 自己去调外部工具。

两个方向对客户近况调研的意义不同。走第一个方向时，模型在 Claude 或 ChatGPT 里，它同时连着 Responsive 和一个外部数据源，从外部数据源拉客户动态，从 Responsive 拉审过的答案，最后把起草好的一节存回 Responsive 项目。走第二个方向时，模型在 Responsive 里，外部数据源作为一个连接器挂在 Responsive AI 上。帮助中心写明，连接器的描述会被 Responsive AI 用来判断什么时候把请求转给它，所以描述要写清楚「查公开的公司帖子、岗位和新闻」。

| 方向 | 模型在哪 | 外部数据源怎么接 | 鉴权 | 写回 Responsive |
| --- | --- | --- | --- | --- |
| Responsive 当服务器 | Claude、ChatGPT 或 Copilot 里 | 在同一个助手里再加一个自定义 MCP 连接器 | Responsive 一侧 OAuth；外部数据源按各自方式 | 用 `save_project_question_response` 一类工具，前提是有项目的写权限 |
| Responsive 当客户端 | Responsive AI 里 | 管理员在 MCP Connectors 里「Add New」 | API Key（请求头或查询参数）或 OAuth 2.0 | 在 Responsive 里直接生成 |
| 不走 MCP | 你自己的脚本 | 直接调 REST 接口 | 请求头带 Key | 经 Responsive 的开放接口，或人工粘贴 |

第二个方向的 API Key 设置，帮助中心写得很细：Key 可以放在请求头里，也可以放在查询参数里，请求头名默认是 `X-API-Key`，可以改成别的名字；保存后 Key 会被遮住、加密存储，再也看不到原值；页面上有一个「MCP Request Preview」，用来确认 Responsive 会怎么发这个 Key。EveryInfra 的远程 MCP 地址 `https://api.everyinfra.com/mcp` 只认 `Authorization: Bearer <key>` 这个请求头，链接里带 `?key=` 的写法已经停用。所以在 Responsive 里接的时候，请求头名要改成 `Authorization`，值写成 `Bearer` 加空格加 Key；这种写法 Responsive 能不能原样发出去，我们没有环境实测，原文也没写明，配置时要看 Request Preview 的结果。OAuth 那条路，帮助中心写了自动发现和动态客户端注册，我们同样没有在 Responsive 一侧试过。

## 我们拉了什么：三家公司，四类公开数据

调用全部发在 2026-11-16 新加坡时间 00:18 到 00:34 之间，用 [EveryInfra 的接口](/docs#quickstart)，每次的原始响应都存了下来，文中每个数字都由一个分析脚本从这些响应现算。共用的测试 Key 那段时间被几个任务同时用，前几分钟碰到好几次限流（HTTP 429），按返回里的等待秒数重试。

| 新加坡时间 | 能力 | 参数要点 | 本次返回 | 扣费 |
| --- | --- | --- | --- | --- |
| 00:23 | `linkedin/company_profile` | snowflake-computing | 1 条 | $0.000556 |
| 00:24 | `linkedin/company_profile` | wayfair | 1 条 | $0.000556 |
| 00:25 | `linkedin/jobs` | 关键词 Wayfair，美国，50 条 | 50 条 | $0.000556 |
| 00:26 | `linkedin/jobs` | 关键词 Snowflake，美国，50 条 | 50 条 | $0.000556 |
| 00:27 | `google_news/search` | Wayfair，近一个月，20 条 | 20 条 | $0.000792 |
| 00:28 | `google_news/search` | Snowflake Inc，近一个月，20 条 | 20 条 | $0.000792 |
| 00:29 | `linkedin/company_posts` | google（目录示例，排查用） | 10 条 | $0.002319 |
| 00:29 | `web/search` | Wayfair news November 2026 | 10 条 | $0.001389 |
| 00:30 | `linkedin/company_posts` | wayfair，limit 50 | 20 条 | $0.002319 |
| 00:30 | `linkedin/company_posts` | snowflake-computing，limit 50 | 20 条 | $0.002319 |
| 00:30 | `web/search` | Snowflake Inc news November 2026 | 10 条 | $0.001389 |
| 00:31 | `linkedin/jobs` | Snowflake 主页里的公司筛选链接，50 条 | 50 条 | $0.000556 |
| 00:32 | `linkedin/company_profile` | mercadolibre | 1 条 | $0.000556 |
| 00:32 | `linkedin/company_posts` | mercadolibre，limit 50 | 20 条 | $0.002319 |
| 00:32 | `google_news/search` | Mercado Libre，墨西哥，西语，近一个月 | 20 条 | $0.000792 |
| 00:33 | `linkedin/jobs`（经远程 MCP） | Mercado Libre 主页里的公司筛选链接 | 50 条 | $0.000556 |
| 00:34 | `linkedin/job_detail` | Wayfair 岗位 4487569684 | 1 条 | $0.001194 |
| 合计 | 6 项能力 | 17 次扣费调用 | 354 条 | $0.019516 |

另有 8 次调用失败，全部没扣钱，详见「失败的 8 次」一节。公司主页一项回来的字段够写「规模」那一句：Wayfair 员工数 12,876、关注者 458,919、2002 年成立、总部波士顿；Snowflake 员工数 12,030、关注者 1,447,139、2012 年成立；Mercado Libre 员工数 70,342、关注者 3,621,004、总部布宜诺斯艾利斯。主页里还有一个 `job_search_url` 字段，后面查岗位就靠它。各项能力的参数和返回字段见 [LinkedIn 数据接口](/linkedin-api)、[公司主页](/linkedin-api/company_profile)、[公司帖子](/linkedin-api/company_posts)、[在招岗位](/linkedin-api/jobs) 和 [岗位详情](/linkedin-api/job_detail)。

## 公司帖子：同样 20 条，覆盖的天数差了 30 倍

`linkedin/company_posts` 这次每家回来 20 条。按 `posted_at` 算，Snowflake 这 20 条集中在 11 月 6 日到 15 日这 9 天里，全部落在近 30 天；Wayfair 的 20 条从 9 月 29 日到 11 月 13 日，跨 45 天，近 30 天内 12 条；Mercado Libre 的 20 条从 1 月 22 日一直到 11 月 4 日，跨 286 天，近 30 天内只有 1 条，就是 11 月 4 日的三季度业绩帖。同样的调用次数和花费，拿到的「近况」密度可以差出一个数量级。

![堆叠条形图，三家公司各 20 条帖子里落在近 30 天内（10 月 17 日以后）和更早的条数。Wayfair，20 条跨 45 天：近 30 天 12、更早 8；Snowflake，20 条跨 9 天：近 30 天 20、更早 0；Mercado Libre，20 条跨 286 天：近 30 天 1、更早 19。近 30 天用青绿色。结论：发帖频率不同的公司，拿同样条数，近况密度差很多。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/fig-02-posts-window-bar.zh.light.svg)

拿到之后先按 `posted_at` 从新到旧排序，再截 10 月 17 日以后的部分，其余的单独放在「更早」一栏。这一步放在脚本里做，交给模型的是已经排好、截好的列表，模型引用时不用自己判断先后。三家截掉的「更早」条数分别是 Wayfair 8 条、Snowflake 0 条、Mercado Libre 19 条，和上图「更早」那一段一致。

帖子内容按关键词规则粗分了一下。Wayfair 近 30 天的 12 条里，门店和物流 5 条、员工和文化 5 条、AI 3 条、活动 3 条、业绩 2 条（一条可以算进几类）；点赞中位数 78，最高 417，是联合创始人兼首席执行官入选家具行业名人堂那一条。Snowflake 20 条里 15 条讲 AI，点赞中位数 53，最高 259，是 11 月 10 日宣布 Claude Fable 5.2 当天上线 Cortex AI 那一条。这类分布告诉写方案的人，客户自己这个月在对外强调什么，方案的切入点可以往那边靠。

Mercado Libre 的情况提醒另一件事：发帖少的公司，公司帖子这一项性价比很低。它近 30 天唯一的一条帖子写的是三季度净收入和金融收入 107.5 亿美元、同比增长 45%，独立活跃买家 9,400 万，这些数字在它的投资者关系页和新闻稿里都有。对这类客户，近况素材更多来自新闻和岗位，帖子可以不调，一份省下 $0.002319。

## 招聘信号一：用公司名当关键词，会混进别家的岗位

`linkedin/jobs` 的 `keyword` 参数可以填关键词，也可以直接填一条 LinkedIn 岗位搜索链接。我们先用最直观的写法，关键词填公司名、地区填美国、要 50 条。Wayfair 这样查回来的 50 个岗位全是 Wayfair 自己的；Snowflake 这样查回来的 50 个，只有 12 个是 Snowflake 的，另外 38 个来自 17 家公司：一家银行 8 个、一家 IT 服务公司 7 个，后面还有资产管理、医疗、金融科技、大学，甚至 Salesforce 和 Slack 各 2 个。Snowflake 同时是一个数据平台的名字，这些公司招的是会用 Snowflake 的数据工程师。

![堆叠条形图，四组各 50 个岗位里这家公司自己的岗位和别的公司的岗位。Wayfair 关键词 Wayfair：自己 50、别家 0；Snowflake 关键词 Snowflake：自己 12、别家 38；Snowflake 公司筛选链接：自己 50、别家 0；Mercado Libre 公司筛选链接（经 MCP）：自己 50、别家 0。自己的岗位用青绿色。结论：公司名撞上技术名词时，关键词搜索会混进大量别家岗位，改用主页给的筛选链接就干净了。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/fig-03-jobs-keyword-vs-url-bar.zh.light.svg)

`linkedin/company_profile` 返回的 `job_search_url` 是一条带公司编号筛选的岗位搜索链接，Snowflake 的那条里有 5 个公司编号（主页和几个关联页面），Mercado Libre 的有 2 个。把这条链接原样填进 `keyword`，Snowflake 回来的 50 个岗位全是它自己的，而且全部是 10 月 25 日以后发的；Mercado Libre 经远程 MCP 那次也是 50 个全对。LinkedIn 帮助中心写明，岗位搜索可以按公司筛选，结果的排序会参考你的搜索行为，最多显示 1,000 条，这也是为什么同一个关键词换人、换时间搜，前 50 条会不一样。

两次查询的结果还可以对一下。关键词搜出的 12 个 Snowflake 自家岗位，只有 1 个（一个虚拟化方向的软件工程师岗）出现在筛选链接返回的 50 个里，两次合起来去重是 61 个不同岗位。每次拿到的前 50 条都只是它在招岗位里的一个切片，方案里能写的是比例，不是总数。比例在两份样本里接近：关键词那 12 个里工程和 AI 岗 7 个，占 58%；筛选链接那 50 个里 32 个，占 64%。所以「Snowflake 在招的人以工程师为主」可以写，「Snowflake 在招 50 个岗位」不能写。

这一步的花费几乎可以忽略：查一次主页 $0.000556，查一次岗位也是 $0.000556。省下的是人工剔除别家岗位的时间，也避免在方案里写出「贵司正在大规模招聘数据工程师」这种把别人家的招聘算到客户头上的句子。

## 招聘信号二：岗位分布能说明什么，又会在哪里看错

拿到干净的岗位列表后，我们按职位标题里的关键词把每个岗位归进一类：销售和售前、工程和 AI、门店和仓配、产品、市场、数据分析、财务人事法务、其他。规则在看过 Wayfair、Snowflake 两份原始列表之后写定，之后没有再改。规则按顺序匹配，先命中的类优先：标题里有 sales、account executive、solution engineer、venta、comercial 这类词归销售；有 store、retail、warehouse、operations 归门店和仓配；有 engineer、scientist、software、AI 归工程；都不中的归其他。

![分组条形图，三家公司各 50 个岗位按职能分类的个数。销售、售前、GTM：Wayfair 6、Snowflake 8、Mercado Libre 26；工程、数据工程、AI：2、32、10；门店、仓配、运营：29、0、5；产品：1、7、1；市场：5、2、2；数据分析：3、0、2；财务、人事、法务：3、1、4；其他：1、0、0。Mercado Libre 用青绿色。结论：Wayfair 招聘集中在门店和仓配，Snowflake 集中在工程和 AI，Mercado Libre 一半是地推和大客户销售；Wayfair 的 6 个销售里有 3 个是门店岗位，属于误判。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/fig-04-job-functions-bar.zh.light.svg)

三家的结构差别很大。Wayfair 的 50 个岗位里 29 个在门店、仓库和运营，和它在帖子里反复讲的开新店对得上：10 月 7 日宣布第 11 家店落在新泽西 Cherry Hill，11 月 12 日又宣布 2028 年在纽约州布法罗地区开第二家纽约门店，面积 96,000 平方英尺。Snowflake 的 50 个里 32 个是工程、数据工程和研究岗位，7 个产品岗位，8 个销售岗位里有说西班牙语和法语的销售开发代表，还有挪威的大客户经理，可以读成它在欧洲和西语市场加人。Mercado Libre 的 50 个里 26 个是销售，绝大多数是 Mercado Pago 在智利和墨西哥的地推、收款终端外勤和直销团队。

Wayfair 那 6 个「销售」逐个看：3 个是「Assistant Store Manager of Sales」「Assistant Manager, Retail Sales」「Assistant Store Manager, Retail Sales」，都是门店管理岗，因为标题里有 Sales 被规则算进了销售。剩下 3 个和企业业务有关：Wayfair Professional 的商业市场岗位、B2B 销售策略的分析经理、销售运营里管提成的分析师。因为销售类排在门店类前面先匹配，「Retail Sales」先命中了 sales。卖给 Wayfair 企业采购部门的人如果只看「销售岗位 6 个」，会高估它在 B2B 上的扩张速度；逐条看标题，结论要收窄一半。

岗位详情能把一个信号坐实。我们对 Wayfair 那个商业市场岗位（编号 4487569684，11 月 4 日发布）调了一次 `linkedin/job_detail`，$0.001194。岗位描述写明 Wayfair Professional 是 Wayfair 的 B2B 业务，规模数十亿美元，服务超过 100 万活跃企业客户，覆盖办公、室内设计、承包商和物业管理；这个岗位负责物业管理这条线的市场策略，工作地点波士顿总部、每周四天到岗。卖办公家具采购软件、物业行业数据或渠道服务的团队，这一段可以直接引用到方案里。

岗位数据里还有几处读的时候要留神。Wayfair 那 50 行只有 45 个不同的标题，Mercado Libre 50 行只有 38 个，同一个岗位在不同城市各挂一条；数「招了多少个岗位」之前要先按标题去重，或者按标题加地点去重，看你想说的是职能还是规模。Wayfair 的列表里最早一条是 5 月 27 日发的，50 条里只有 23 条在近 30 天，长期挂着的常招岗位会把「最近在招」稀释掉。`applicant_count` 这一列，Wayfair 有 26 条正好是 25、2 条是 200，Snowflake 有 21 条是 200，我们推断这是页面上「前 25 名申请者」「超过 200 人申请」这类显示档位，不能当成精确人数。薪资字段在美国岗位里比较全，Wayfair 50 条里 45 条有薪资，Mercado Libre 的拉美岗位 50 条里只有 1 条有。

## 新闻和网页搜索：日期要逐条核

`google_news/search` 用的是一个月的时间窗，每家 20 条，三家 60 条全部带发布日期、全部落在近 30 天。Wayfair 的 20 条里，雅虎财经 5 条，加上 CNBC、CBS、几家布法罗地方台，内容集中在三季度财报、布法罗新店和 10 月底的 Way Day 促销。Snowflake 的 20 条里，雅虎财经 11 条，Snowflake 自己的新闻稿和博客 7 条。Mercado Libre 用墨西哥、西语查，20 条里有 2 条只是标题里带「mercado libre」这个词组，讲的是自由市场，和公司无关，需要人工剔除。新闻的参数和返回见 [Google 新闻接口](/google-news-api) 和 [新闻搜索](/google-news-api/search)。

`web/search` 的结果更杂。我们用「公司名 + news November 2026」各查 10 条：Wayfair 的 10 条里 3 条没有日期，1 条只写「1 year ago」，还有一篇 2022 年 8 月 22 日的裁员旧闻；Snowflake 的 10 条里 1 条没有日期，2 条只写「几天前」。字段说明里本来就写了，网页搜索的 `published_at` 可能缺失或不准，这和 Google 自己的说明一致：搜索结果里显示的日期是根据页面上的多个信号估出来的，页面没有标清楚时就可能估错。网页搜索的参数见 [网页数据接口](/web-api) 和 [网页搜索](/web-api/search)。

![堆叠条形图，四组结果按日期情况分段。Wayfair google_news 20 条：近 30 天 20；Snowflake google_news 20 条：近 30 天 20；Wayfair web/search 10 条：近 30 天 2、更早 4、只写几天前 1、没有日期 3；Snowflake web/search 10 条：近 30 天 6、更早 1、只写几天前 2、没有日期 1。近 30 天用青绿色。结论：新闻接口的日期整齐，网页搜索结果要逐条打开核日期。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/fig-06-date-quality-bar.zh.light.svg)

所以我们给两类结果分了工。新闻接口负责「这个月发生了什么」，日期可以直接用；网页搜索负责找一手页面，比如投资者关系页、新闻稿原文，找到以后打开原文核日期和数字，再写进方案。那篇 2022 年 8 月的裁员旧闻如果被模型当成近况，2026 年 11 月的方案里就会出现一句「贵司正在压缩人员」，说的却是四年前的事。

## 写成方案里的一节：「我们理解的您的近况」两份样稿

两段样稿按上面的数据起草，假设我们分别在给 Wayfair 的企业采购部门、Snowflake 的销售运营部门写方案。每句话后面括号里是来源 ID：帖子写帖子编号，岗位写岗位编号，新闻写来源和日期。草稿由模型按固定提示写，交给人改之前，规则只有一条：没有来源 ID 的句子不能进稿。

给 Wayfair 的一节可以这样写：贵司 2026 年三季度营收 34 亿美元、同比增长 9.7%，美国业务增长 11.4%，活跃客户 2,220 万（投资者关系页，11 月 4 日）。线下门店在提速，10 月宣布第 11 家店落在 Cherry Hill（帖子 7513659797682982912，10 月 7 日，超出 30 天），11 月 12 日宣布 2028 年在布法罗地区开第二家纽约门店（帖子 7526750679131062272），在招的 50 个岗位里 29 个在门店、仓库和运营。企业客户业务 Wayfair Professional 服务超过 100 万活跃企业客户，正在为物业管理这条线招商业市场岗位（岗位 4487569684，11 月 4 日）。内部运营在大规模用 AI：超过 1,600 名工程师在用 AI 编程工具（帖子 7526313811780472832，11 月 11 日），用 AI 校验了 1,100 多万条商品规格、每月处理 41,000 多张供应商工单（帖子 7524124393464217600，11 月 5 日）。

给 Snowflake 的一节可以这样写：贵司在 11 月 3 日的 Expedition 大会上发布了业务本体（Business Ontology）和 Cortex AI Gateway，主题是让 AI 代理在受管控的数据和权限范围内工作（新闻稿，11 月 3 日；帖子 7524576411794194432，11 月 6 日）。11 月 10 日宣布 Claude Fable 5.2 当天上线 Cortex AI 私有预览（帖子 7525739668739497984）。11 月 14 日的一条帖子提出用「每个正确且受管控的结果的成本」衡量 AI 支出（帖子 7527181045956349952）。招聘上，近 30 天在招的 50 个岗位里 32 个是工程、数据工程和研究岗位，销售岗位里有西语、法语销售开发代表和挪威大客户经理（公司筛选链接，11 月 16 日 00:31 拉取）。三季度财报定于 12 月 2 日发布（新闻稿，11 月 2 日），方案里涉及预算周期的部分可以避开这个时间点。

| 句子里的事实 | 来源类型 | 来源 ID | 日期 | 在 30 天内 |
| --- | --- | --- | --- | --- |
| Wayfair 三季度营收 34 亿美元、增长 9.7% | 投资者关系页 | investor.wayfair.com 三季度业绩 | 2026-11-04 | 是 |
| Wayfair 第 11 家店落在 Cherry Hill | 公司帖子 | 7513659797682982912 | 2026-10-07 | 否，单独标注 |
| Wayfair 2028 年开布法罗门店 | 公司帖子 | 7526750679131062272 | 2026-11-12 | 是 |
| Wayfair Professional 超过 100 万活跃企业客户 | 岗位详情 | 4487569684 | 2026-11-04 | 是 |
| Wayfair 1,600 多名工程师用 AI 编程工具 | 公司帖子 | 7526313811780472832 | 2026-11-11 | 是 |
| Snowflake 发布业务本体和 AI Gateway | 新闻稿 | snowflake.com 新闻稿 | 2026-11-03 | 是 |
| Snowflake 上线 Claude Fable 5.2 | 公司帖子 | 7525739668739497984 | 2026-11-10 | 是 |
| Snowflake 三季度财报 12 月 2 日发布 | 新闻稿 | snowflake.com 新闻稿 | 2026-11-02 | 是 |

两段样稿都没有用到网页搜索的结果。网页搜索在这次调研里的作用是帮我们找到投资者关系页和新闻稿原文，原文打开核过之后，引用的是原文，网页搜索那一条本身不进稿。

## 别把客户内部信息和公开数据混在一起

写方案时，手边通常同时有三类材料：客户发来的 RFP 原文和附件，售前会议的纪要，以及上面这些公开数据。前两类属于客户给的内部信息，很多还带保密条款；第三类谁都能查到。把它们混在一个提示词里让模型写「近况」，最常见的问题是模型把会议纪要里客户私下说的事写成了「据公开报道」，或者把公开新闻里的数字和客户口头说的数字揉成一个，两个出处都对不上。

| 维度 | 公开数据 | 客户给的内部信息 |
| --- | --- | --- |
| 例子 | 公司帖子、在招岗位、新闻稿、财报 | RFP 原文、附件、会议纪要、客户邮件 |
| 存放 | 方案项目里单独一个文件夹，按拉取时间归档 | Responsive 项目附件，沿用项目权限 |
| 进提示词的方式 | 只把带来源 ID 的结构化结果交给模型 | 单独一轮，提示里注明「客户提供，不对外引用」 |
| 在方案里的写法 | 「据贵司 11 月 12 日发布的消息」 | 「根据贵司在需求说明中提到的」 |
| 能不能出现在给第三方的材料里 | 可以，但要注明出处 | 不可以，除非合同允许 |
| 过期规则 | 超过 30 天单独标注，超过 90 天不进近况 | 以客户最新一版文件为准 |

具体做法有三条。第一，拉公开数据的那一轮，提示词里不放任何客户内部材料，模型只看到公开结果；写完的近况段落再和内部材料放在一起审，审的人能一眼看出哪句来自哪边。第二，每一句近况都挂来源 ID，客户内部信息的句子挂「客户文件名 + 页码」，两种 ID 格式不同，混了马上能看出来。第三，客户内部信息不要送进任何外部搜索或数据接口的参数里，比如不要拿客户在会上透露的未公开项目名去搜新闻，那等于把保密信息发给了第三方。

个人信息是另一条线。公司帖子和岗位里偶尔会出现员工的名字和职位，比如帖子里介绍某位仓库经理。方案里写近况，用不到具体某个员工；需要提人时只写职位，比如「首席财务官在 11 月接受彭博采访时提到」。[欧洲数据保护委员会 2026-11-10 通过了关于「正当利益」法律依据的指南 2.0 版](https://www.edpb.europa.eu/system/files/2026-11/edpb_guidelines_202401_legitimateinterest_v2_en.pdf)，要求控制者在处理之前评估并记录三个条件：利益正当、处理必要、个人的权利不优先。按这个思路，近况调研只取公司层面的信息，不收集个人资料，是最省事的做法。这里讲的是工作习惯，具体合规问题请咨询你们自己的法务。

## 招聘信号会误判的几种情况

| 情况 | 本次例子 | 后果 | 怎么避开 |
| --- | --- | --- | --- |
| 公司名撞上技术名词 | 关键词 Snowflake：50 个里 38 个是别家 | 把别家的招聘算到客户头上 | 用主页里的 `job_search_url` |
| 标题带 Sales 的门店岗位 | Wayfair 6 个「销售」里 3 个是门店店长助理 | 高估企业销售扩张 | 规则命中后逐条看标题 |
| 同一岗位多地重复挂 | Wayfair 50 行 45 个标题；Mercado Libre 50 行 38 个 | 高估招聘规模 | 先按标题或标题加地点去重 |
| 长期常招岗位 | Wayfair 最早一条 5 月 27 日，近 30 天只有 23 条 | 把常态当成新动向 | 只看近 30 天，或和上月对比 |
| 申请人数是显示档位 | Wayfair 26 条是 25，Snowflake 21 条是 200 | 把档位当成热度 | 只当粗略信号，不写进方案 |
| 关联公司算在一起 | Snowflake 筛选链接里有 5 个公司编号 | 子公司、收购来的团队混进主体 | 需要时按 `company_name` 再分 |
| 招人不等于买东西 | Mercado Libre 26 个销售岗位多是地推 | 误以为它要采购销售工具 | 招聘只说明方向，预算要另找证据 |

Mercado Libre 的 50 个岗位里 26 个是销售，按业务线分，Mercado Pago 15 个、Fintech 7 个、Mercado Ads 和 Marketplace 各 2 个；按国家分，这 26 个里智利 14 个、墨西哥 9 个。它在大规模招 Mercado Pago 的外勤销售，可以读成它在智利和墨西哥抢线下商户，但这并不代表它要买 CRM 或销售培训服务；写方案的人要把「它在做什么」和「它需要我们什么」分开写，后一句需要客户自己在 RFP 或会议里说过的需求来支撑，这又回到上一节：那属于内部信息，单独一栏。

[美国劳工统计局 11 月 3 日发布的职位空缺调查](https://www.bls.gov/news.release/jolts.nr0.htm)显示，9 月全美职位空缺约 750 万个；Indeed Hiring Lab 11 月 12 日的两篇季度报告分别讲了[科技](https://hiringlab.indeed.com/2026/11/12/2026-q3-us-tech-labor-market-update/)和[零售](https://hiringlab.indeed.com/2026/11/12/2026-q3-us-retail-labor-market-update/)岗位的走势，零售季节性招聘贴子的增速高于前几年同期。拿单家公司的岗位数和这种大盘数据比之前，先确认两边统计的范围一致：大盘是全美所有招聘渠道的估算，我们拿到的是一个平台上某家公司当下挂着的前 50 条。

## 经远程 MCP 跑一遍：tools/list 和 tools/call

在助手里，这些调用都通过一个工具完成。新加坡时间 00:33 我们向 `https://api.everyinfra.com/mcp` 发了一次 `tools/list`，返回的工具清单里有 `everyinfra_list_capabilities`（查目录）、`everyinfra_call_api`（调任意能力）、`everyinfra_get_job`（查异步任务）等；工具说明里写着目录覆盖 106 个平台、574 项能力。随后用 `everyinfra_call_api` 查 Mercado Libre 的岗位，参数就是它主页里的筛选链接。

```bash
# 新加坡时间 00:33:36 发出的那次 tools/call（Key 只从环境变量读，不写进文件）
curl -s https://api.everyinfra.com/mcp \
  -H "Authorization: Bearer $EVERYINFRA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"everyinfra_call_api",
       "arguments":{"platform":"linkedin","action":"jobs",
       "params":{"keyword":"https://www.linkedin.com/jobs/search?geoId=92000000&f_C=14226%2C107272452","limit":50}}}}'
```

![截图：一次远程 MCP 调用的请求和返回。上半是 POST https://api.everyinfra.com/mcp 的 JSON-RPC 请求，方法 tools/call，工具 everyinfra_call_api，参数 linkedin / jobs，keyword 是带公司编号的岗位搜索链接，limit 50；下半是返回节选，count 50，青绿框标出两条结果：蒙特雷的 Mercado Pago 外勤销售，10 月 19 日发布，74 人申请；特木科的 Mercado Pago 地推销售，10 月 29 日发布，75 人申请；最下面 billing 写着 charged true、charged_usd 0.000556。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/img-shot-mcp-jobs-response.webp)

2026-11-16 新加坡时间 00:33 经远程 MCP 发出的一次调用，返回里同时带着 50 条岗位和这次的扣费。 [EveryInfra 远程 MCP 返回，2026-11-16 00:33 SGT 截图](https://api.everyinfra.com/mcp)

返回的 `content` 里是一段 JSON 文本，`results` 是 50 条岗位，`billing` 里是这次的扣费 $0.000556，和直接调 REST 接口一样。MCP 规范里，`tools/list` 用来让客户端发现服务器有哪些工具，`tools/call` 用来调用，工具的输入输出都用 JSON Schema 描述；远程服务器走 Streamable HTTP，一个地址同时接 POST 和 GET。规范的鉴权部分建议 HTTP 传输按 OAuth 2.1 的方式做授权，同时允许服务器用其他方式；我们这次用的是 Bearer 令牌，写法来自 OAuth 2.0 的 RFC 6750。远程 MCP 的接法和工具说明见 [MCP 服务器页面](/mcp-server)。

## 在 Claude、ChatGPT、Copilot 和 Responsive 里怎么接（配置示例）

四种接法都是配置示例，依据是各家帮助中心的原文；我们实测的只有上一节用 curl 发的 `tools/list` 和 `tools/call`，Claude、ChatGPT、Copilot 和 Responsive 四个产品里的配置都没有实测。Claude 的自定义连接器从 Anthropic 的云端连到你的 MCP 服务器，服务器要能从公网访问；Team 和 Enterprise 计划由组织所有者添加，成员再各自连接，连接器继承用户在对应系统里的权限。

```text
{
  "mcpServers": {
    "everyinfra": {
      "url": "https://api.everyinfra.com/mcp",
      "headers": { "Authorization": "Bearer YOUR_API_KEY" }
    },
    "responsive": {
      "url": "https://<tenant>.rfpio.com/oa/v1/mcp"
    }
  }
}
```

这段配置的意思是同一个助手同时挂两个服务器：EveryInfra 负责公开数据，Responsive 负责内部答案和写回。Responsive 那一项按它帮助中心的写法走 OAuth，首次使用时会跳转登录，所以配置里不写 Key。ChatGPT 一侧，OpenAI 的帮助中心写明可以在设置里添加自定义 MCP 服务器；Responsive 给 ChatGPT 的示例里，鉴权类型选 OAuth，保存答案的工具叫 `save_project_question_response`。Copilot Studio 一侧，微软文档写明新建工具时选 Model Context Protocol，填服务器名称、描述和地址，鉴权可选无、API Key 或 OAuth 2.0，目前只支持 Streamable 传输，2025 年 8 月以后不再支持 SSE。

在 Responsive 里把 EveryInfra 当成外部连接器接进来，按它帮助中心的步骤是：组织设置 → Responsive AI → MCP Connectors → Add New，填连接器名称和描述，描述可以写「查询公开的公司主页、公司帖子、在招岗位和新闻，带日期和来源链接」；MCP 地址填 `https://api.everyinfra.com/mcp`；鉴权选 API key，位置选 Request Header，把默认的 `X-API-Key` 改成 `Authorization`，值填 `Bearer` 加 Key；保存前看 Request Preview。添加后，Responsive 会自动发现工具并默认全部启用，管理员可以只留 `everyinfra_call_api` 和 `everyinfra_list_capabilities`。帮助中心还写了检索顺序：Responsive AI 默认先查内容库，再查外部来源，最后才查 MCP 服务器，除非在提示里明确点名要用某个工具，所以提示词里要直接写「用 everyinfra_call_api 查 linkedin/jobs」。

无论走哪条路，提示词里都要把规则写死：先按日期排序，只取近 30 天；每句挂来源 ID；岗位按标题去重；网页搜索结果只用来找原文。下面是我们用来起草近况段落的一段排序和截取逻辑，模型可以按它的意思做，脚本里也可以直接跑。

```text
from datetime import datetime, timezone, timedelta
cut = datetime(2026, 11, 16, tzinfo=timezone.utc) - timedelta(days=30)
posts = sorted(resp["results"], key=lambda p: p["posted_at"], reverse=True)   # 先按日期从新到旧排好
recent = [p for p in posts if datetime.fromisoformat(p["posted_at"]) >= cut]
older = [p for p in posts if datetime.fromisoformat(p["posted_at"]) < cut]    # 单独一栏，不进近况
seen, jobs = set(), []
for j in job_resp["results"]:
    key = (j["title"].strip().lower(), j.get("location"))                     # 同一岗位多地挂，按标题加地点去重
    if key not in seen:
        seen.add(key); jobs.append(j)
```

## sales proposal AI agent 一份方案的调研接口费

一份方案的近况素材，按每项各调一次算：公司主页 $0.000556、公司帖子 $0.002319、在招岗位 $0.000556、岗位详情 $0.001194、新闻 $0.000792、网页搜索 $0.001389，合计 $0.006806。要引用三个岗位的详情，就再加两次岗位详情，合计 $0.009194。一年写 100 份方案，接口费约 $0.68；模型调用的费用另算，按你用的助手计。价格以 [价格页](/pricing) 和目录里每项能力的 `price_usd` 为准，本次 17 次调用的 `charged_usd` 和目录价格逐条一致。

![横向条形图，一份客户近况素材按能力拆的接口费，单位美元。linkedin/company_posts 0.002319、web/search 0.001389、linkedin/job_detail 0.001194、google_news/search 0.000792、linkedin/company_profile 0.000556、linkedin/jobs 0.000556；合计 0.006806。公司帖子用青绿色。结论：六项各调一次不到一美分，公司帖子约占三分之一，100 份方案约 0.68 美元。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/fig-05-brief-cost-bar.zh.light.svg)

| 用法 | 每家调用 | 每家接口费 | 100 份方案 |
| --- | --- | --- | --- |
| 最省：主页、岗位、新闻 | 3 次 | $0.001904 | 约 $0.19 |
| 标准：六项各一次 | 6 次 | $0.006806 | 约 $0.68 |
| 加岗位详情：引用 3 个岗位 | 8 次 | $0.009194 | 约 $0.92 |
| 发帖少的客户：去掉公司帖子 | 5 次 | $0.004487 | 约 $0.45 |

时间按调用日志算。本次从第一次请求（00:18:57）到最后一次（00:34:21）共 15 分 24 秒：前 4 分钟在等共用 Key 的限流，00:24 到 00:29 之间 8 次异步提交失败要重试；改成同步以后，00:29:42 到 00:34:21 的 11 次扣费调用用了 4 分 39 秒，平均每次约 25 秒。模型起草和人工核对这次没有计时，这里不给数。核对时把会写进方案的数字逐个打开原文看一遍：营收、门店数、岗位数。

## 失败的 8 次：异步模式回 503，没扣钱

这次有 8 次调用失败。`linkedin/company_posts` 和 `web/search` 用异步模式（`"mode":"async"`）提交时，Wayfair 和 Snowflake 各试了两次，四组八次全部返回 HTTP 503：公司帖子那组提示暂时无法获取，网页搜索那组提示准备请求时出错。公司帖子那组返回里带 `billing`，`charged` 为 false、金额 0，还带了退款状态；网页搜索那组返回里没有 `billing` 字段，`next_steps` 写明 Not charged。两组都没有扣钱。改成同步模式后，四次全部成功，每次 20 条或 10 条。

| 能力 | 模式 | 尝试 | 结果 | 扣费 |
| --- | --- | --- | --- | --- |
| `linkedin/company_posts` | 异步 | Wayfair、Snowflake 各 2 次 | 4 次 503 | $0 |
| `web/search` | 异步 | Wayfair、Snowflake 各 2 次 | 4 次 503 | $0 |
| `linkedin/company_posts` | 同步 | Wayfair、Snowflake、Mercado Libre 各 1 次 | 20 条 | 每次 $0.002319 |
| `web/search` | 同步 | Wayfair、Snowflake 各 1 次 | 10 条 | 每次 $0.001389 |

排查时我们先用目录里给的示例参数（公司 google）同步调了一次公司帖子，返回 10 条、扣费 $0.002319，确认能力本身可用，再换回要查的公司。这次排查的花费算在 17 次扣费调用里。在助手里跑到一半遇到 503，模型可能会说「没有找到近况」，这句话写进方案就是错的。拿不到结果时接口回 503、不扣费，返回里带 `retryable` 和 `retry_after`：公司帖子那组是 60 秒、最多重试 2 次，网页搜索那组是 30 秒、最多 1 次。提示词里要告诉模型，503 的意思是按 `retry_after` 稍后重试或换同步模式，不能写成「该公司近期没有动态」。

## 同行动向：方案软件这一个月都在接 MCP

Responsive 秋季版发布前两周，[QorusDocs 在 2026-10-27 发布 QPilot Workspace](https://www.usatoday.com/press-release/story/52675/qorusdocs-launches-qpilot-workspace-where-people-and-ai-agents-build-winning-proposals-together/)，新闻稿写明它通过 MCP 连接器接入 Microsoft Copilot、Claude 和 ChatGPT，并引用自家调查说 68% 的受访者看到方案数量上升。广告技术媒体 AdExchanger 11 月报道，TIME 杂志的广告销售团队用一个 AI 代理读 RFP、起草方案，文中提到了 MCP 服务器。AutoRFP 的博客 11 月写了用 Claude 连接器做 RFP 的做法。

![时间轴散点图，横轴从 2024 年 9 月到 2027 年 1 月。2024-11-25 Anthropic 发布 MCP；2025-11-25 MCP 规范 2025-11-25 版；2026-05-13 Responsive 春季版首发 MCP；2026-10-27 QorusDocs 发布 MCP 连接器；2026-11-10 Responsive 秋季版扩大 MCP。Responsive 的两个点用青绿色。结论：Responsive 两次发布相隔 181 天，中间同行也接了 MCP。](https://everyinfra.com/articles/responsive-mcp-sales-proposal-account-research/fig-07-mcp-timeline.zh.light.svg)

时间线拉长看，Anthropic 在 2024 年 11 月 25 日发布 MCP，规范最近一个版本的日期是 2025-11-25；Responsive 的春季版（2026-05-13）和秋季版（2026-11-10）相隔 181 天。[春季版新闻稿](https://www.responsive.io/news/spring-2026-product-update)引用 Gartner 的预测：到 2027 年，AI 代理和 SaaS 应用的交互有 80% 会经由 SaaS 厂商托管的 MCP 服务器，2025 年这个比例不到 5%。

[Responsive 和 APMP 合作的《2025 年战略响应管理报告》](https://www.responsive.io/resources/whitepapers/srm-report-2025)里有一个数：75% 的组织说买方要求更快的回复、更多的个性化，同时预算更紧。[APMP](https://www.apmp.org/Web/Web/About-Us/Winning-Business-Ecosystem.aspx) 把赢单流程分成投标前的捕获阶段和投标方案阶段，分析客户的目标、挑战和历史放在捕获阶段，拿到 RFP 之后才进入写作；近况调研可以在捕获阶段先做，拿到 RFP 后只补最近一周的变化。

## 边界：这套做法做不到的事

第一，公开数据只能说明客户在做什么，说明不了客户需要什么。招聘、帖子、新闻都是客户主动对外说的话，带着公关的取舍；「我们理解的您的近况」这一节可以用它们，「您的痛点」那一节要靠客户在 RFP 和会议里说的话。第二，每家只拿回 20 条帖子、50 个岗位，对发帖频繁、招聘量大的公司，这只是一个切片，写「贵司在招 50 个岗位」这种句子就不对，应该写「近 30 天在招岗位中」。

第三，LinkedIn 的官方接口不覆盖这类读取。微软文档里的社区管理接口用于管理你自己有管理员身份的公司主页，读取帖子、发帖、看分析都限于你管理的组织；写方案时要看的是客户的主页，你不是它的管理员。第四，模型起草的段落要人审。我们的样稿是在固定规则下生成的，规则漏掉的情况（比如标题写法特殊的岗位、一条帖子同时讲两件事）只有人能看出来。第五，本文不构成法律意见，跨境使用公开数据、在方案里引用第三方报道，具体做法请咨询你们自己的法务。

## 上手步骤

1. 在 [EveryInfra 控制台](/docs#quickstart) 拿到 API Key，先用 REST 接口对一家熟悉的客户调一遍 `linkedin/company_profile`，记下返回的 `job_search_url`。
1. 用这条链接调 `linkedin/jobs`，再调 `linkedin/company_posts` 和 `google_news/search`，把结果按日期排序、截 30 天，自己读一遍，确认没有混进别家的岗位。
1. 在你用的助手里接 [远程 MCP](/mcp-server)，把第 2 步的规则写进提示词：排序、截取、去重、挂来源 ID、503 时重试。
1. 和 Responsive 配合时，按「Responsive 当服务器」的方向在同一个助手里挂两个连接器；或者让管理员在 Responsive 的 MCP Connectors 里加一个外部连接器，保存前看 Request Preview。
1. 每份方案的近况一节，交稿前人工核三类数字：营收和业绩、门店或员工数、岗位数。

按招聘找客户的更多读法见 [用招聘数据找买方信号](/blog/job-posting-data-buying-signals)；同样经远程 MCP 把公开数据接进业务系统的另一个例子，见 [ActiveCampaign MCP：用评论原话定主题行和分组](/blog/activecampaign-mcp-active-intelligence-social-review-data)。

## 常见问题

### Responsive MCP server 是什么，能在助手里做哪些动作？

Responsive MCP Server 是 Responsive 提供给 ChatGPT、Microsoft Copilot 和 Claude 的 MCP 服务器，让这些助手能读 Responsive 里审过的答案和项目信息。按它的能力页，用户可以在助手里起草并保存项目问题的答案、加评论、完成审阅；可用的动作随助手和用户权限变化，权限和在 Responsive 里一致。2026-11-10 的秋季版把它从查询扩到了这些动作上。

### responsive io MCP 能反过来接外部数据源吗？

可以。帮助中心有一篇文档专门讲把外部 MCP 服务器接进 Responsive AI：管理员在组织设置的 MCP Connectors 里添加，鉴权支持 API Key（放请求头或查询参数）和 OAuth 2.0，工具会被自动发现。这个客户端功能属于 Responsive AI，文档写明要联系 Responsive 客服开通，哪些套餐包含，原文未写明。

### sales proposal AI agent 的数据费用大概多少？

按本文的实测，一家客户的近况素材六项各调一次，接口费 $0.006806；只调主页、岗位、新闻三项是 $0.001904；一年 100 份方案在 $0.19 到 $0.92 之间，看你调哪几项。模型的费用另算，取决于你用的助手和套餐。

### 用 GPT 或 ChatGPT 当 sales proposal AI agent 可以吗？

可以。ChatGPT 支持添加自定义 MCP 服务器，Responsive 也给了 ChatGPT 的接法。做法和 Claude 一样：同一个助手里挂两个连接器，一个查公开数据，一个读写 Responsive；提示词里写明排序、去重和挂来源 ID 的规则。不同助手调用工具的习惯略有差别，第一次用时让它把每次工具调用的参数列出来，核对一遍。

### 和 Salesforce 里的客户记录怎么配合？

Salesforce 里的商机记录、联系人和会议纪要属于内部信息，按本文的分栏规则放在「客户给的」那一栏，不进拉公开数据的那一轮提示词。公开数据拉回来之后，可以把公司主页的规模、总部、近 30 天岗位数这些字段写回 CRM 的客户记录，方便下一份方案复用，但要带上拉取日期，过了 30 天重新拉。

### 招聘数据多久重新拉一次合适？

写方案时拉一次，交稿前一周内如果有新新闻再补一次新闻就够了。本次 Snowflake 50 个岗位全部是 10 月 25 日以后发的，岗位更新很快；Wayfair 有常年挂着的门店岗位，最早一条是 5 月 27 日。对同一家客户做季度回顾时，可以每月拉一次岗位，比较各职能的变化，比单次的绝对数更能说明方向。

## 参考资料

1. [Responsive, Fall 2026 Release Expands MCP Capabilities, 2026-11-10](https://www.responsive.io/news/fall-2026-product-update)，2026-11-16 读取并截图
1. [Responsive, Spring 2026 Release, 2026-05-13](https://www.responsive.io/news/spring-2026-product-update)，2026-11-16 读取
1. [Responsive Blog, How to use Responsive in ChatGPT, Copilot and Claude](https://www.responsive.io/blog/how-to-use-responsive-chatgpt-copilot-claude)，2026-11-16 读取
1. [Responsive, MCP Server 能力页](https://www.responsive.io/capability/responsive-mcp-server)，2026-11-16 读取
1. [Responsive Blog, Responsive MCP Server: new LLM integrations](https://www.responsive.io/blog/responsive-mcp-server-new-llm-integrations)，2026-11-16 读取
1. [Responsive Help Center, Setting up MCP connectors in Responsive](https://help.responsive.io/en-US/responsive/article/PKB9b47g-setting-up-mcp-connectors-in-responsive)，2026-11-16 读取
1. [Responsive Help Center, Responsive MCP Server FAQs](https://help.responsive.io/en-US/responsive/article/ElYb6CUB-responsive-mcp-server-faqs)，2026-11-16 读取
1. [Responsive Help Center, Setting up Responsive MCP server in Copilot Studio](https://help.responsive.io/en-US/responsive/article/monPeZaE-setting-up-responsive-mcp-server-in-copilot-studio)，2026-11-16 读取
1. [Responsive Help Center, Using ChatGPT with Responsive AI](https://help.responsive.io/en-US/responsive/article/2FyiH7XT-using-chatgpt-with-responsive-ai)，2026-11-16 读取
1. [Responsive Help Center, Connecting a Seismic MCP server to Responsive](https://help.responsive.io/en-US/responsive/article/EHOmzcXT-connecting-a-seismic-mcp-server-to-responsive)，2026-11-16 读取
1. [Responsive Help Center, Connecting Responsive MCP server to generative AI tools](https://help.responsive.io/en-US/responsive/article/duV3ckq5-connecting-responsive-mcp-server-to-generative-ai-tools)，2026-11-16 读取
1. [Responsive, Pricing](https://www.responsive.io/pricing)，2026-11-16 读取
1. [Responsive, Responsive AI 产品页](https://www.responsive.io/product/ai)，2026-11-16 读取
1. [Responsive 与 APMP, 2025 State of Strategic Response Management Report](https://www.responsive.io/resources/whitepapers/srm-report-2025)，2026-11-16 读取
1. [Gartner, Lack of AI-Ready Data Puts AI Projects at Risk, 2025-02-26](https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk)，2026-11-16 读取
1. [Anthropic, Introducing the Model Context Protocol, 2024-11-25](https://www.anthropic.com/news/model-context-protocol)，2026-11-16 读取
1. [MCP 规范 2025-11-25：Tools](https://modelcontextprotocol.io/specification/2025-11-25/server/tools)，2026-11-16 读取
1. [MCP 规范 2025-11-25：Authorization](https://modelcontextprotocol.io/specification/2025-11-25/basic/authorization)，2026-11-16 读取
1. [MCP 规范 2025-11-25：Transports](https://modelcontextprotocol.io/specification/2025-11-25/basic/transports)，2026-11-16 读取
1. [GitHub, modelcontextprotocol 规范仓库](https://github.com/modelcontextprotocol/modelcontextprotocol)，2026-11-16 读取
1. [Claude Help Center, Get started with custom connectors using remote MCP](https://support.claude.com/en/articles/11175166-get-started-with-custom-connectors-using-remote-mcp)，2026-11-16 读取
1. [Claude Help Center, Use connectors to extend Claude's capabilities](https://support.claude.com/en/articles/11176164-use-connectors-to-extend-claude-s-capabilities)，2026-11-16 读取
1. [OpenAI Help Center, Connecting custom MCP servers in ChatGPT](https://help.openai.com/en/articles/12584461-connecting-custom-mcp-servers-in-chatgpt)，2026-11-16 读取
1. [OpenAI Developers, Build an MCP server](https://developers.openai.com/apps-sdk/build/mcp-server)，2026-11-16 读取
1. [Microsoft Learn, Extend your agent with Model Context Protocol](https://learn.microsoft.com/en-us/microsoft-copilot-studio/agent-extend-action-mcp)，2026-11-16 读取
1. [Microsoft Learn, Connect your agent to an existing MCP server](https://learn.microsoft.com/en-us/microsoft-copilot-studio/mcp-add-existing-server-to-agent)，2026-11-16 读取
1. [IETF, RFC 6750: OAuth 2.0 Bearer Token Usage](https://datatracker.ietf.org/doc/html/rfc6750)，2026-11-16 读取
1. [EveryInfra 能力目录](https://api.everyinfra.com/api/v1/social/catalog)，2026-11-16 00:15 读取
1. [Microsoft Learn, LinkedIn Community Management API 概览](https://learn.microsoft.com/en-us/linkedin/marketing/community-management/community-management-overview?view=li-lms-2026-10)，2026-11-16 读取
1. [Microsoft Learn, LinkedIn Posts API](https://learn.microsoft.com/en-us/linkedin/marketing/community-management/shares/posts-api?view=li-lms-2026-10)，2026-11-16 读取
1. [Microsoft Learn, LinkedIn Organization Access Control by Role](https://learn.microsoft.com/en-us/linkedin/marketing/community-management/organizations/organization-access-control-by-role?view=li-lms-2026-10)，2026-11-16 读取
1. [LinkedIn Help, Filter and sort job search results](https://www.linkedin.com/help/linkedin/answer/a507441/filter-and-sort-job-search-results)，2026-11-16 读取
1. [LinkedIn Help, 首页动态按热门或最新排序](https://www.linkedin.com/help/linkedin/answer/a1480504)，2026-11-16 读取
1. [Google Search Central, Influencing publication dates in search results](https://developers.google.com/search/docs/appearance/publication-dates)，2026-11-16 读取
1. [Wayfair 投资者关系, Third Quarter 2026 Results, 2026-11-04](https://investor.wayfair.com/news/news-details/2026/Wayfair-Announces-Third-Quarter-2026-Results-Reports-Double-Digit-U-S--Revenue-Growth/default.aspx)，2026-11-16 读取
1. [Wayfair 投资者关系, Wayfair Schedules Third Quarter 2026 Earnings Release](https://investor.wayfair.com/news/news-details/2026/Wayfair-Schedules-Third-Quarter-2026-Earnings-Release-and-Conference-Call/default.aspx)，2026-11-16 读取
1. [About Wayfair, Wayfair to open a store in Buffalo, New York](https://www.aboutwayfair.com/category/company-news/wayfair-to-open-a-store-in-buffalo-new-york)，2026-11-16 读取
1. [Snowflake 新闻稿, Expedition 2026: Business Ontology and AI Gateway, 2026-11-03](https://www.snowflake.com/en/news/press-releases/expedition-2026-business-ontology-ai-gateway/)，2026-11-16 读取
1. [Snowflake 新闻稿, Q3 FY2027 results date, 2026-11-02](https://www.snowflake.com/en/news/press-releases/fy27-q3-earnings-date-announcement/)，2026-11-16 读取
1. [Business Wire, MercadoLibre Reports Third Quarter 2026 Financial Results, 2026-11-04](https://www.businesswire.com/news/home/20261104157063/en/MercadoLibre-Inc.-Reports-Third-Quarter-2026-Financial-Results)，2026-11-16 读取
1. [Mercado Libre 投资者关系, News & Events](https://investor.mercadolibre.com/news-and-events)，2026-11-16 读取
1. [墨西哥总统府, Mercado Libre 机器人配送中心启用, 2026-11-03](https://www.gob.mx/presidencia/prensa/presidenta-claudia-sheinbaum-inaugura-el-primer-centro-de-distribucion-robotico-de-mercado-libre-en-hidalgo-como-parte-del-plan-mexico?idiom=es)，2026-11-16 读取
1. [美国劳工统计局, Job Openings and Labor Turnover Summary, 2026-11-03](https://www.bls.gov/news.release/jolts.nr0.htm)，2026-11-16 读取
1. [Indeed Hiring Lab, 2026 Q3 US Tech Labor Market Update, 2026-11-12](https://hiringlab.indeed.com/2026/11/12/2026-q3-us-tech-labor-market-update/)，2026-11-16 读取
1. [Indeed Hiring Lab, 2026 Q3 US Retail Labor Market Update, 2026-11-12](https://hiringlab.indeed.com/2026/11/12/2026-q3-us-retail-labor-market-update/)，2026-11-16 读取
1. [Acquisition.gov, FAR 15.305 Proposal evaluation](https://www.acquisition.gov/far/15.305)，2026-11-16 读取
1. [APMP, Winning Business Ecosystem](https://www.apmp.org/Web/Web/About-Us/Winning-Business-Ecosystem.aspx)，2026-11-16 读取
1. [EUR-Lex, Regulation (EU) 2016/679 (GDPR)](https://eur-lex.europa.eu/eli/reg/2016/679/oj)，2026-11-16 读取
1. [EDPB, Guidelines 1/2024 on Article 6(1)(f) GDPR, Version 2.0, 2026-11-10](https://www.edpb.europa.eu/system/files/2026-11/edpb_guidelines_202401_legitimateinterest_v2_en.pdf)，2026-11-16 读取
1. [QorusDocs 新闻稿, QPilot Workspace, 2026-10-27](https://www.usatoday.com/press-release/story/52675/qorusdocs-launches-qpilot-workspace-where-people-and-ai-agents-build-winning-proposals-together/)，2026-11-16 读取
1. [AdExchanger, TIME's AI agents do the coordinating and its sellers still do the selling](https://www.adexchanger.com/ai/times-ai-agents-do-the-coordinating-and-its-sellers-still-do-the-selling/)，2026-11-16 读取
1. [AutoRFP, Claude connectors for RFPs](https://autorfp.ai/blog/claude-connectors-for-rfps)，2026-11-16 读取