Steg 2: Anslut MCP-verktygstjänster

Dessa noder initierar MCP-verktygskatalogen och Bright Data-verktygen som används för scraping.

1. Öppna Fetch MCP Tool Catalog och säkerställ att den har autentiseringsuppgifter.
2. Autentiseringsuppgift krävs: Anslut era mcpClientApi-autentiseringsuppgifter.
3. Öppna Retrieve Bright Data Tools och säkerställ att den har autentiseringsuppgifter.
4. Autentiseringsuppgift krävs: Anslut era mcpClientApi-autentiseringsuppgifter.

Fetch MCP Tool Catalog kopplas till Assign Profile URLs, medan Retrieve Bright Data Tools kopplas till Set Company Profile URL.

Steg 3: Sätt upp indata för profil-URL:er

Ange LinkedIn-URL:er för person och företag samt webhook-mål som efterföljande noder kommer att använda.

1. I Assign Profile URLs ställer ni in url till https://www.linkedin.com/in/[YOUR_ID]/.
2. I Assign Profile URLs ställer ni in webhook_url till https://webhook.site/[YOUR_ID].
3. I Set Company Profile URL ställer ni in url till https://www.linkedin.com/company/[YOUR_ID]/.
4. I Set Company Profile URL ställer ni in webhook_url till https://webhook.site/[YOUR_ID].

Steg 4: Konfigurera pipeline för scraping och parsning

Scrapa person- och företagsprofiler och parsa sedan företagsdata för vidare bearbetning.

1. Öppna MCP Person Scrape och ställ in toolName till web_data_linkedin_person_profile.
2. I MCP Person Scrape ställer ni in operation till executeTool och toolParameters till ={ "url": "{{ $json.url }}" } .
3. Autentiseringsuppgift krävs: Anslut era mcpClientApi-autentiseringsuppgifter i MCP Person Scrape.
4. Öppna MCP Company Scrape och ställ in toolName till web_data_linkedin_company_profile.
5. I MCP Company Scrape ställer ni in operation till executeTool och toolParameters till ={ "url": "{{ $json.url }}" } .
6. Autentiseringsuppgift krävs: Anslut era mcpClientApi-autentiseringsuppgifter i MCP Company Scrape.
7. I Parse MCP Response behåller ni jsCode inställt på jsonContent = JSON.parse($input.first().json.result.content[0].text) return jsonContent.

MCP Person Scrape skickar utdata parallellt till både Post Person Webhook och Build Person Binary, medan MCP Company Scrape skickar utdata parallellt till både Parse MCP Response och Extract Company Narrative.

Steg 5: Sätt upp AI-berättelse och aggregering

Använd Gemini för att generera företagets berättelse och slå sedan ihop och aggregera resultaten.

1. I Extract Company Narrative ställer ni in text till =Write a complete story of the provided company information in JSON. Use the following Company info to produce a story or a blog post. Make sure to incorporate all the provided company context. Here's the Company Info in JSON - {{ $json.input }}.
2. Behåll attributkonfigurationen i Extract Company Narrative med company_story som obligatorisk.
3. Öppna Gemini Chat Engine och ställ in modelName till models/gemini-2.0-flash-exp.
4. Autentiseringsuppgift krävs: Anslut era googlePalmApi-autentiseringsuppgifter i Gemini Chat Engine.
5. Säkerställ att Gemini Chat Engine är ansluten som språkmodell för Extract Company Narrative.
6. I Combine Streams behåller ni standardinställningarna för att slå ihop utdata från Parse MCP Response och Extract Company Narrative.
7. I Aggregate Results aggregerar ni about och output.company_story enligt konfigurationen.

Steg 6: Konfigurera utdatadestinationer

Skicka webhook-svar och spara person-/företagsdata på disk.

1. I Post Person Webhook ställer ni in url till ={{ $('Assign Profile URLs').item.json.webhook_url }} och aktiverar sendBody.
2. I Post Person Webhook ställer ni in body-parametern response till ={{ $json.result.content[0].text }}.
3. I Build Person Binary behåller ni functionCode inställt på skriptet för base64-konvertering av JSON.
4. I Save Person File ställer ni in operation till write och fileName till d:\LinkedIn-Person.json.
5. I Post Company Webhook ställer ni in url till ={{ $('Set Company Profile URL').item.json.webhook_url }} och specifyBody till json.
6. I Post Company Webhook ställer ni in jsonBody till ={ "about": {{ JSON.stringify($json.about[0]) }}, "story": {{ JSON.stringify($json.company_story[0]) }} }.
7. I Build Company Binary behåller ni functionCode inställt på skriptet för base64-konvertering av JSON.
8. I Save Company File ställer ni in operation till write och fileName till d:\LinkedIn-Company.json.

Aggregate Results skickar utdata parallellt till både Post Company Webhook och Build Company Binary.

Steg 7: Testa och aktivera ert arbetsflöde

Kör en manuell körning för att validera scraping, AI-generering och leverans av utdata.

1. Klicka på Execute Workflow för att köra Manual Run Trigger.
2. Bekräfta lyckade körningar i Post Person Webhook och Post Company Webhook genom att kontrollera loggarna för webhook-endpointen.
3. Verifiera filer som sparats av Save Person File och Save Company File på d:\LinkedIn-Person.json och d:\LinkedIn-Company.json.
4. När allt är verifierat växlar ni arbetsflödets reglage till Active för användning i produktion.