HubSpot的MCP实施：连接AI代理与CRM系统

背景介绍

Model Context Protocol（MCP）是一个开源协议，用于将AI代理连接到外部系统，最初由Anthropic开发。HubSpot作为客户关系管理（CRM）平台，决定构建自己的MCP服务器来实现AI代理与CRM产品的集成。

技术决策与标准演进

为什么选择MCP

HubSpot产品执行副总裁Karen Ng拥有编程语言背景，她观察到在云计算时代，REST API因微服务间的通信需求而兴起。在AI时代，尚未出现统一协议，而MCP恰好满足了代理、上下文和工具之间数据传输的需求。

关键转折点出现在OpenAI采纳MCP后，各大厂商（微软、谷歌、OpenAI）在48小时内纷纷跟进。这对HubSpot来说意味着需要快速理解协议并适配现有API。

构建vs购买决策

HubSpot评估了多种方案，包括Cloudflare等现成的MCP服务器产品，但最终决定自行构建，主要原因包括：

• 集成需求：需要与现有企业RPC系统协同工作
• 开发速度：在4周内完成了与OpenAI的连接器开发
• 认证控制：需要确保用户只能访问其有权查看的HubSpot CRM数据

技术实现细节

架构选择

HubSpot实现了两个远程MCP服务器和一个本地服务器：

1. 核心API服务器：基于现有REST API，暴露核心原始API和CRM搜索API
2. OpenAI专用连接器：具有搜索和获取组件的MCP规范

技术栈

• 基础框架：Java MCP SDK扩展
• 微服务架构：Dropwizard微服务
• 传输协议：可流式传输的HTTP传输
• 认证方案：OAuth 2.0协议

实现挑战

认证与授权 MCP原生缺乏完整的认证协议支持。HubSpot需要实现：

• OAuth范围管理
• 用户权限映射到HubSpot席位和层级
• 确保数据安全访问

技术一致性

• 不同MCP服务器实现中的命名规范不一致（Snake case vs Camel case）
• Java MCP SDK仍处于演进阶段，需要确保支持所有必需协议

性能与扩展性

采用无状态设计和短时HTTP请求，第一版为只读实现，避免了负载和服务器问题。这种架构支持大规模用户权限强制执行。

内部工具与开发流程

AI辅助开发

团队使用Claude Code生成所需的代码组件，特别是：

• 模板版本
• RPC Java方法的注解系统
• 模式生成

这显著加速了开发过程，使团队能够快速创建MCP工具的注解系统。

开发文化

HubSpot内部AI工具采用率高达70-80%，工程、产品和设计团队都在使用这些工具进行：

• 测试数据和演示数据生成
• 原型制作
• 工作流程优化

未来展望

MCP的发展方向

Karen认为MCP将在AI时代扮演重要角色，但需要演进以支持更多用例：

• 完整的代理到代理协议
• 更多认证和范围管理功能
• 标准化进程

HubSpot的路线图

• 扩展MCP服务器功能，支持更多场景
• 开发MCP客户端，解决服务发现和注册问题
• 探索代理到代理协议的集成可能性

业务影响

作为首个提供MCP服务器和OpenAI连接器的CRM公司，HubSpot通过这一技术实现：

• 为75%使用ChatGPT的客户提供核心价值
• 实现快速原型制作和产品迭代
• 在AI时代保持技术领先地位

这一实施不仅展示了MCP协议的实际应用价值，也为其他企业提供了在现有技术栈中集成AI代理能力的参考模式。