Cursor × Apify 插件实测：从零搭一个把线索推进 HubSpot 的获客代理

一句话结论

装上 Apify 刚发布的 Cursor 插件后，搭建线索获客代理从「自己研究 MCP 服务器、写子代理逻辑」变成几分钟的引导式操作：Agent 自动挑选并基准测试多个线索 Actor，把工作流打包成 Apify Actor，新线索直接写入 HubSpot。

演示者 Sam 来自 Apify 团队，整段视频是一个完整可复现的实录：从安装插件到 HubSpot 里出现新线索，全程录屏无剪辑跳步。对做销售、增长或私域运营的人来说，这条链路演示了 2026 年获客自动化的典型形态——模型做编排判断，确定性工具做数据执行，CRM 做资产沉淀。

插件里有什么

线索生成本来是个费劲活：要懂技术、要配置不同的 MCP 服务器、还要写子代理逻辑。Apify 新发布的 Cursor 插件把这些预置成一整个包：一组技能、子代理和规则，Apify MCP 也捆绑在内——没装过也能一次到位。包里还包含 Apify Actor 开发技能库和官方主推的 Ultimate Scraper 技能库。

这套设计解决的是 MCP 生态的一个真实痛点：手动接入 MCP 服务器需要理解配置格式、鉴权方式、工具清单，出错点分散。插件把这些全部收进一个安装动作里，Cursor 会话里的 Agent 随即获得完整的 Apify 工具集——对非技术背景的销售或运营人员，这是从「装不上」到「能用」的差别。

安装路径：Cursor 设置 → Plugins → 搜索 Apify → 添加到设备或项目。首次在聊天里使用时完成一次 Apify 账号授权即可。授权走的是 Apify 官方 OAuth，登录自己的 Apify 账号后插件即具备调用该账号下 Actor 的权限。

完整操作实录

第一步：建项目装插件。 安装 Cursor IDE，新建项目文件夹（演示中叫 lead generation agent），在设置里找到 Plugins，从商店搜 Apify 一键添加。

这里有个小选择：插件可以「添加到设备」也可以「只添加到当前项目」。演示选了前者——装到整个设备后，所有项目都能复用同一套 Apify 技能，不用每个项目重配一遍。装好后可以先在聊天里随便问一句验证连通性，Agent 会返回一份「我现在能做什么」的能力简报，确认 MCP 与技能包都挂载成功。

第二步：Plan 模式下指令。 演示指令大意：「用新的 Apify 插件创建一个线索生成代理，通过插件连接我的 HubSpot，先测试不同抓取器再制定实施方案。」模型用 Opus 4.7（extra high 档）；如有 Fable 也可。

Plan 模式的价值在于先出方案再动手：Agent 会先探索插件提供的文件与技能清单，理解自己有哪些工具可用，然后提出分阶段的实施计划——先测什么、再连什么、最后交付什么。演示里 Agent 还主动追问了两件事：一是要不要先在 playground 里测试不同抓取器（演示选择要），二是 HubSpot 连接用已有的还是现场新建。这种人机来回把「需求含糊导致的返工」提前消化掉了。

第三步：双重授权。 插件引导下完成 Apify 与 HubSpot 两步 OAuth。HubSpot 侧按需勾权限——演示只勾了「创建/删除/修改公司和联系人」「查看属性和详情」等真正需要的范围。授权完成后 Cursor 会话里即可直接调用两边的工具：Apify 侧跑抓取，HubSpot 侧写入联系人。

第四步：自动基准测试。 这是插件最有价值的一步：Agent 用内置的 lead generation 与 Ultimate Scraper 两个技能，对商店里多个线索 Actor 实测跑分。演示里的实际结果：LinkedIn Profile Search（Harvest API 版）拉 100 条线索，79% 在美国、62 条有效。基于跑分自动选出最优 Actor 组合。

跑分细节值得展开：Agent 并不是只测一个 Actor 就收工，而是连续对多个线索生成 Actor 做同口径测试——同样的职位关键词、同样的目标地区——然后横向比较有效率与地域分布，输出一张基准表。你能在对话里直接看到每个 Actor 的样本数据：职位、公司、邮箱、LinkedIn 主页、机构主页等 enrichment 字段一应俱全。这张表就是选型依据：与其看商店页面上的自卖自夸，不如让 Agent 用 100 条真实样本替你验货。

输入参数的构造也在这一步完成：Agent 会根据你的指令生成目标筛选条件——演示里是销售与营销类职位、柏林地区——并把它们写进 Actor 的输入配置。后续你想换市场，只需要改这几个字段，整套工作流原样复用。

第五步：推送为 Apify Actor。 终端里 apify login 授权后 apify push，工作流即成为平台上可独立运行的 Actor。演示配置：目标职位、国家、资历层级、每轮 30 条线索。

这一步把「一次性的对话成果」变成「可调度的生产资产」：推送后的 Actor 出现在 Apify 控制台的 Development 区，可以直接点 Run 测试，也可以设置定时调度、被 API 调用或被其他工作流引用。演示现场跑了一轮，几分钟后数据集里出现新线索，其中被 Actor 判定为「新」的条目已经自动同步进 HubSpot。

第六步：直写 HubSpot。 运行结束后，Actor 判定为「新线索」的联系人自动出现在 HubSpot 里，来源标记为这个 Cursor 里创建的 enrichment 应用——演示里能看到新联系人 Phil Asinzon 已带完整 enrichment 字段。

去重逻辑值得注意：Actor 并非把每轮结果全量塞进 CRM，而是先判断哪些是库里没有的新联系人再推送——这正是「线索清洗」环节的最小实现。打开 HubSpot 联系人详情的来源属性，能清楚看到这条线索由哪个应用创建，审计链路完整。

为什么这个流程值得抄

1. 决策有数据：不是拍脑袋选 Actor，而是 100 条样本实测有效率和地域分布，选型依据直接可见。
2. 工作流可复用：最终产物是独立 Actor，不绑定 Cursor 会话，可以定时跑、可以被别的流程调用，也接 Salesforce 等其他 CRM。
3. 权限最小化：HubSpot 授权按需勾选，不默认全开。
4. 技能包一体化：MCP、子代理、规则、Actor 开发技能全在一个插件里，不需要逐个配置 MCP 服务器——这对不熟悉 MCP 生态的销售运营人员尤其友好。

从流程设计看，这套插件演示了「Agent 负责编排、Actor 负责执行」的标准分工：Cursor 里的模型做的是理解需求、挑选工具、组织测试、解读结果这些判断型工作；真正抓数据的活全部交给 Apify 平台上的确定性 Actor。这和另一类做法——让模型自己写爬虫代码或让子代理逐页浏览网页——形成了鲜明对比：后者既慢又贵，且结果不可复现。对想搭建获客自动化的小团队来说，这种「插件即工作流」的交付形态也值得借鉴：把一套成熟流程打包成可安装的技能组，用户装上就能跑，而不是从零拼装。

适配提示

• 该插件发布于 2026 年 8 月底，演示使用 Opus 4.7；不同模型版本下 Agent 的基准测试轮次可能不同。
• 线索质量取决于所选 Actor 与筛选条件（职位、地区、资历），首轮跑分后建议先小批量（如 30 条）验证再放量。
• HubSpot 权限按需勾选的原则适用于一切 OAuth 接入，不止这个插件。
• 演示全程可见的关键省时点有两处：一是插件把 MCP 配置、技能、子代理打包，省掉逐项配置；二是 Agent 把「选哪个 Actor」变成跑分对比，省掉人工试错。如果你已经在用 Cursor 做开发类工作，这套思路也可以搬到别的数据类任务上。
• 更换目标市场时只需改输入参数（国家、职位、资历），Actor 本身不用动；这也让同一套工作流可以按地区复制。
• 成本视角补充：跑分阶段消耗的主要是模型 token（Agent 编排与结果解读），抓取阶段消耗的是 Apify 平台额度——两类成本分开核算，比「全程让模型自己爬网页」的模式便宜得多，这也是 Apify 在另一支视频里实测三倍价差的原因。

原文信息

• 原视频标题：How to Build a Lead Generation Agent with Cursor + Apify
• 频道：Apify
• 讲者：Sam（Apify 团队）
• 发布日期：2026-08-27
• 视频时长：约 11 分 33 秒