连接Windsor.ai MCP,通过自然语言访问325+个数据源,包括Facebook Ads、GA4、HubSpot、Shopify等。
Windsor.ai 分析
功能概述
Windsor.ai 分析是一项面向实际任务的技能,主要用于使用这一技能查询、 探索和分析您使用自然语言连接的Windsor.ai 和商务数据;Windsor.ai 汇总来自325+平台的数据: Facebook。
核心要点
- 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
- 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
- 该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。
使用与执行
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
结果检查与注意事项
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
Windsor.ai Analytics
使用此技能,可通过自然语言查询、探索并分析您在 Windsor.ai 中已连接的业务数据。Windsor.ai 汇聚了来自 325+ 个平台的数据,包括 Facebook Ads、Google Analytics 4、HubSpot、Shopify、TikTok Ads、Salesforce 等数百个平台,并通过统一的 MCP 接口对外提供服务。
适用场景
当用户提出以下类型问题时,可自动调用本技能:
- 广告系列表现、ROAS、CPM、CPC、CTR
- 各渠道广告支出明细或预算分析
- 销售漏斗、CRM 数据或客户获取指标
- 电商表现(营收、转化率、客单价 AOV)
- 跨渠道归因或多触点分析
- 指定时间范围内的趋势分析
- 任意已连接的广告、分析或 CRM 平台中的数据
用户也可直接通过命令 /windsor-ai 调用该技能。
配置步骤
在查询数据前,必须先完成 Windsor.ai 的 MCP 连接配置。请按以下步骤操作一次:
步骤 1:获取 Windsor.ai API 密钥
- 登录您的 Windsor.ai 账户:https://windsor.ai
- 进入账户仪表板或设置页面
- 定位到 API Key 区域,复制您的密钥
步骤 2:存储 API 密钥
将您的 API 密钥添加至 clawdbot 环境文件:
echo 'WINDSOR_API_KEY=your_api_key_here' >> ~/.clawdbot/.env
请将 your_api_key_here 替换为您实际复制的密钥。
然后在当前终端会话中导出该变量,以便 mcporter 能正确解析:
export WINDSOR_API_KEY=your_api_key_here
注意:mcporter 要求
WINDSOR_API_KEY必须作为 Shell 环境变量显式导出;仅写入~/.clawdbot/.env文件不足以生效,该变量必须在当前活跃的 Shell 会话中可用。安全提示:请勿将密钥追加至
~/.zshrc或其他 Shell 启动脚本中,否则密钥将以明文形式长期保存,并在每次启动 Shell 时自动加载。推荐使用系统密钥链(keychain)、专用密钥管理服务,或设置权限受限的.env文件(例如执行chmod 600 ~/.clawdbot/.env)。如确需写入 Shell rc 文件,请在不再需要时及时移除。
步骤 3:配置 mcporter
在 mcporter 配置中添加 Windsor.ai。打开或创建项目根目录下的 config/mcporter.json 文件,并在 mcpServers 对象内添加如下内容:
{
"mcpServers": {
"windsor-ai": {
"description": "Windsor.ai MCP — 自然语言访问 325+ 个数据源。",
"baseUrl": "https://mcp.windsor.ai/sse",
"headers": {
"Authorization": "Bearer ${WINDSOR_API_KEY}"
}
}
}
}
若 mcpServers 已包含其他条目,请将 windsor-ai 区块与其并列添加。
步骤 4:验证连接
npx mcporter list
您应能在输出列表中看到 windsor-ai 及其可用工具。若出现认证错误,请确认 WINDSOR_API_KEY 已正确写入 ~/.clawdbot/.env 文件。
数据源发现
查询前,建议先了解 Windsor.ai 账户中已启用的数据源:
- 列出已连接的数据源:“我在 Windsor.ai 中连接了哪些数据源?”
- 检查可用字段:“我的 Facebook Ads 数据在 Windsor 中有哪些字段和指标可用?”
- 查看数据时间覆盖范围:“我在 Google Analytics 4 中最早有哪一天的数据?”
- 探查账户结构:“显示所有已连接至 Windsor.ai 的广告账户及其 ID。”
Windsor MCP 会动态探测您账户中已激活的连接器,并仅返回真实可用的内容。只有您在 Windsor.ai 控制台中手动连接的数据源才支持查询。
使用方式
使用日常英文提问即可查询您的数据。Windsor MCP 将自动将您的自然语言问题转换为针对已连接数据源的结构化查询。
如何构建有效查询
为获得最佳结果,建议始终在问题中明确包含以下要素:
- 数据源 —— 或要求 Windsor 在所有已连接的数据源中统一查询
- 指标 —— 如支出、ROAS、点击量、转化量、营收、CPC、CTR 等
- 时间范围 —— 如“过去 7 天”、“上个月”、“2025 年第一季度”、“年初至今”
- 细分维度 —— 如按广告系列、渠道、国家/地区、设备、广告组等
常用查询模式
单数据源 + 单指标:
“我上周 Facebook Ads 的总支出是多少?”
跨渠道对比:
“对比过去 30 天内 Facebook Ads、Google Ads 和 TikTok Ads 的支出与 ROAS。”
分维度明细:
“请按广告系列拆解我 2025 年 3 月 Google Ads 的表现,展示展现量、点击量、转化量及单次转化成本。”
时间趋势分析:
“展示我 Facebook Ads 广告系列过去 90 天 CPC 和 CTR 的变化趋势。”
表现 Top/Bottom 排名:
“上个月 ROAS 表现最好的前 5 个广告系列是哪些?最差的 5 个呢?”
异常检测:
“上周我的哪些广告系列出现了异常的性能飙升或骤降?”
报告生成
Windsor MCP 提供底层数据;Claude 负责将其组织为结构化报告。请参考以下模板:
周度表现报告
提问示例:“为 [日期范围] 生成一份覆盖所有已连接渠道的周度表现报告。”
Claude 将按如下结构组织报告:
- 执行摘要 —— 总支出、总转化量、综合 ROAS、环比变化
- 渠道拆解 —— 各已连接广告平台的支出与核心指标
- 表现最佳广告系列 —— 按支出排名前 3、按 ROAS 排名前 3
- 异常与告警 —— 表现偏离常规水平超 20% 的广告系列
- 优化建议 —— 基于各渠道 ROAS 提出的预算再分配建议
月度表现报告
提问示例:“为 [年/月] 生成一份覆盖所有已连接数据源的月度表现报告。”
Claude 将按如下结构组织报告:
- 环比概览 —— 关键 KPI 与上月对比及变动百分比
- 渠道表现表 —— 各渠道的展现量、点击量、支出、转化量、单次获客成本 CPA、ROAS
- 广告系列亮点 —— 按营收贡献排名前 5 的广告系列
- 受众与创意洞察 —— 表现最佳的受众群体或创意素材(需已连接社交广告数据)
- 预算执行进度 —— 各渠道实际支出 vs. 计划预算
- 30 天展望 —— 基于近期趋势,在当前支出水平不变前提下的业绩预测
客户就绪报告
提问示例:“为 [账户/品牌] 在 [日期范围] 内生成一份客户就绪的表现报告。需包含执行摘要、渠道拆解、表现最佳广告系列及关键建议,并以专业文档格式呈现。”
示例查询
广告系列表现:
- “上个月所有渠道中 ROAS 表现最佳的广告系列有哪些?”
- “哪些广告系列存在高支出低转化的问题,正在浪费预算?”
- “我的黑色星期五广告系列与去年相比表现如何?”
支出分析:
- “请提供过去 90 天内按渠道划分的广告总支出明细。”
- “今年截至目前,我在 Facebook Ads 和 Google Ads 上分别花了多少钱?”
- “本月我在所有已连接广告平台上的日均支出是多少?”
受众与创意:
- “Facebook Ads 中哪些受众细分群体转化效果最好?”
- “在 TikTok 上,哪种广告创意形式(图片 vs. 视频)带来的转化更多?”
电商分析(需已连接 Shopify 或类似平台):
- “本月我的付费流量与自然流量分别贡献了多少营收?”
- “Google Ads 引流中,哪些商品类别的转化率最高?”
- “请按流量来源拆解我的客户获取成本(CAC)。”
CRM 与销售漏斗(需已连接 HubSpot、Salesforce 或类似平台):
- “上季度我的广告活动共带来了多少线索?”
- “通过付费社交渠道获取的线索,其平均交易金额是多少?”
趋势与预测:
- “请展示我过去 6 个月综合 ROAS 的变化趋势。”
- “基于当前支出趋势,本季度末我的月度广告支出预计为多少?”
跨渠道归因:
- “各渠道对首次触达转化与最终触达转化的贡献占比分别是多少?”
- “Facebook Ads 归因营收与 GA4 归因营收相比如何?”
故障排查
认证失败 / 401 错误:
- 确认
WINDSOR_API_KEY已正确写入~/.clawdbot/.env - 核对 Windsor.ai 控制台中显示的密钥是否准确
- 更新环境文件后,请重启 mcporter
无法解析 header ‘Authorization’ / WINDSOR_API_KEY 未设置:
- mcporter 要求该变量必须在 Shell 中显式导出,而不仅仅是存在于
.env文件中 - 请运行:
export WINDSOR_API_KEY=your_api_key_here && npx mcporter list - 若需从
.env文件加载变量,请运行:export $(grep -v '^#' ~/.clawdbot/.env | xargs) && npx mcporter list
未发现任何数据源:
- 您必须先在 Windsor.ai 控制台中至少连接一个数据源,方可进行查询
- 请访问 https://windsor.ai 连接您的广告平台或分析工具
数据未及时更新:
- Windsor.ai 按计划同步数据;数据新鲜度取决于您的订阅计划及所用连接器
- 可在 Windsor.ai 控制台中查看各连接器的最后同步时间
执行 npx mcporter list 后工具列表为空:
- 请确认
config/mcporter.json中windsor-ai条目与“配置步骤 3”中所示完全一致 - 请确认
WINDSOR_API_KEY在当前环境中为非空字符串
热门AI工具
相关专题
本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。
0
2026.11.04
本专题围绕XORM框架的结构体映射展开,说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充,并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题梳理XORM框架的入门路径,从框架定位、依赖安装、连接数据库到跑通第一个增删改查示例,讲清Engine初始化、日志开启与项目目录规划,并对比GORM等同类ORM的差异,帮助Go开发者建立整体认知。
0
2026.11.04
本专题聚焦Docker Desktop容器端口映射与访问配置,整理从创建容器、设置端口绑定到验证本地服务访问的操作流程。针对端口被占用、映射配置错误、容器服务无法访问等情况,也提供相应的检查方向,方便用户完成端口配置。
0
2026.11.03
想使用Docker Desktop将本地项目构建成Docker镜像?本专题围绕镜像构建的实际操作展开,介绍Dockerfile编写、构建命令使用、镜像标签设置和构建日志查看等内容,同时整理镜像无法生成、依赖安装失败及构建缓存异常等问题的排查思路。
0
2026.11.03
本专题聚焦Docker Desktop容器创建与运行配置,介绍通过本地镜像或远程镜像创建容器的方法,以及容器启动、终端访问、日志查看和基础管理等操作。针对端口冲突、参数配置不当、容器无法启动等情况,也整理了相应的排查方向。
0
2026.11.03
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.7万人学习
共6课时 | 54.7万人学习