Claude Code GTM Agent Starter Pack

GTM AI contentの多くは2種類です。ChatGPTのprompt tipsか、月500ドルのtool comparison。どちらも実際には動きにくい。これはそのどちらでもありません。

これは私が構築し、実際に運用しているsystemのbreakdownです。Outbound research、sequence drafting、CRM enrichment、ICP scoringを行う4層のClaude Code agent stack。Clayなし。Apollo enrichment creditsなし。3週間ごとに壊れるn8n flowsなし。

Claude Code、いくつかのMCP tools、構造化されたCLAUDE.md、5つのoperator Skillsだけです。

---

なぜClayではなくClaude Codeか

Clayは得意なことがあります。Visual interfaceとrow単位のcredit modelを持つstructured enrichment pipelinesです。Engineeringなしでscaleしたいteamsには役立ちます。

ただし、私の働き方では限界があります。

• 買っているのはenrichment creditsであってintelligenceではありません。Dataはprovidersを通り、reasoning layerは薄い。
• Visual pipelineは強力ですがbrittleです。複雑なlogicはinspect、version、handoffしにくくなります。
• 本当の意味では書きません。Dataをtemplateに入れられても、なぜこのprospectがこのaccountに今 relevantなのかのreasoningはありません。

Claude Codeはagent loopとMCP toolsによって別のものを作れます。Contextを読み、fitを判断し、copyを書き、recordsを更新するsystemです。

Clay pipeline

Enrichment

Rowごとのdata enrichmentには強い。ただしcontext、judgment、copyが同じloopに必要な場合は弱い。

Claude Code stack

Reasoning

Systemが読み、判断し、書き、作業状態を記録する必要がある場合に強い。

---

4層stack

Layer 1: CLAUDE.md as operator brief

すべてのClaude Code sessionはCLAUDE.mdから始まります。これはdocumentationではありません。Junior SDRに初日に渡すbriefing fileのようなものを、modelが毎回読む形です。

ICP definition、tone、lead qualification、edge cases、hard rulesを含みます。Operator judgmentをここにencodeするため、このfileが最重要です。

Layer 2: MCP tools as data access layer

4つのMCP serversを使います。Real-time company research用のweb search、crawlerを止めるpages用のbrowser automation、client files用のmemory/filesystem、fit scoreを返すcustom scoring MCPです。

Scoring MCPは最も難しく、最も価値がありました。Runsをまたいで安定したrubricを持てるからです。

Layer 3: Client memory files

各clientにはfolderがあります。

/clients/acme-corp/
  icp.md
  contacted.csv
  sequences/
  research/

Agentはsession開始時にこれを読みます。New accountをresearchするときは、draftの前にresearch/[account-name].mdを書きます。Audit trailができ、sequenceは実際のresearchにgroundedされます。

Layer 4: Five Skills

5つのSkillsです。

• /research [company]: company profile、news、stack signals、team size、stakeholders。
• /score [company]: researchとICPを読み、1-10 scoreとreasoningを返す。
• /draft [company] [sequence-variant]: merge fieldsではなくresearchからmailとfollow-upsを書く。
• /enrich [csv-path]: CSVをbatch処理し、scores付きのenriched CSVを出す。
• /log [company] [status]: contacted.csvをcleanに保つ。

---

実際のrun

流れはこうです。

1. 50 companiesのCSVをclient folderへ置く。
2. claude /enrich clients/acme-corp/new-accounts.csvを実行。
3. Agentがweb search、必要ならbrowser scrape、score、research file、enriched CSVを作る。
4. 約20分後、fit scores、priority flags、research filesが揃う。
5. Top 10に対して/draft [company] v2を一つずつ実行しreviewする。
6. Sent sequencesを/logで記録する。

50 accountsで、unattended agent workが約45分、私のreviewが約30分。Clay + copywritingなら最低3-4時間で、copy qualityも同じではありません。

---

Cost

50-account runのcostは小さいです。Claude APIが数ドル、search APIがcent level、custom MCPはほぼ無視できます。Clayはmeaningful creditsとLLM rowsを含めると月800-2,400ドルになりやすい。

Trade-offはbuild timeです。CLAUDE.md、MCP setup、Skills、scoring toolに約20時間。CapacityがないteamにはClayが正しい。Build timeを投資できるoperatorにはすぐ回収できます。

---

CLAUDE.md structure

Reusable coreはこれです。

# GTM Agent: CLAUDE.md

## Who you are
You are a B2B GTM research and outreach agent.

## ICP definition
- Company size
- Industry
- Geography
- Stack signals
- Buying signals

## Tone and rules
- No generic openings
- Lead with a specific observation
- First email max 100 words
- No unsourced claims

## Hard stops
If score is below 6, do not draft.

---

Starter Pack

このcoreをClaude Code GTM Agent Starter Packとして公開しています。CLAUDE.md template、Skills、folder structure、scoring MCP sourceです。

SaaS wrapperを待つのではなく、自分で作りたいGTM operators向けです。

---

What’s next

次は2つです。HubSpotへ直接書き込むbidirectional CRM syncと、watchlist accountsをweekly scoringするsignal monitoring。

似たものを作っている、またはstarter packを見たい場合は、相談を予約してください。