Skip to content
wojciech.io
Alle insights
AI Systems AIGTMClaude CodeMCP

Claude Code GTM Agent Starter Pack

Hvordan jeg bygget et firelags AI-system som kjører outbound research, skriver sequences og enriches CRM-records uten eksternt enrichment-verktøy.

Wojciech Łuszczyński

Wojciech Łuszczyński

GTM-arkitekt & Growth-operatør · Insights · 18. april 2025

Det meste GTM AI-innhold faller i to grupper: prompt tips for ChatGPT eller tool comparisons til 500 dollar i måneden som ingen kan handle på. Dette er ingen av delene.

Dette er en breakdown av et fungerende system jeg har bygget og kjører: en firelags Claude Code agent stack for outbound research, sequence drafting, CRM enrichment og ICP scoring. Ingen Clay. Ingen Apollo enrichment credits. Ingen n8n flows som knekker hver tredje uke.

Bare Claude Code, noen MCP tools, et strukturert CLAUDE.md og fem operator Skills.


Hvorfor Claude Code i stedet for Clay

Clay er bra på strukturerte enrichment pipelines med visual interface og credit model per rad. Jeg har brukt det. Det er nyttig for teams som trenger enrichment at scale uten engineering.

Men det har grenser:

  • Du kjøper enrichment credits, ikke intelligence. Data går via providers, mens reasoning-laget er tynt.
  • Visual pipelines er powerful, men brittle. Kompleks logikk blir vanskelig å inspisere, versjonere og overlevere.
  • Det skriver ikke egentlig. Data kan injiseres i en template, men reasoning om hvorfor denne prospecten betyr noe for denne accounten akkurat nå mangler.

Claude Code via agent loop og MCP tools lar meg bygge noe annet: et system som leser kontekst, vurderer fit, skriver copy og oppdaterer records i samme pass.

Clay pipeline

Enrichment

Bra når oppgaven er databerikelse per rad. Svakere når kontekst, judgment og copy må leve i samme loop.

Claude Code stack

Reasoning

Bra når systemet skal lese, bestemme, skrive og dokumentere arbeidsstatus.


Firelags-stacken

Lag 1: CLAUDE.md som operator brief

Hver Claude Code session starter med CLAUDE.md. Det er ikke documentation. Det er briefing-filen: det du ville gitt en junior SDR på første dag, men lest av modellen på hvert run.

Den inneholder ICP definition, tone, lead qualification, edge cases og hard rules. Det er den viktigste filen fordi operator judgment kodes der.

Lag 2: MCP tools som data access layer

Jeg kjører fire MCP servers: web search for real-time company research, browser automation for sider som blokkerer crawlers, memory/filesystem for client files og custom scoring MCP for fit scoring med reasoning.

Scoring MCP var vanskeligst å bygge og mest verdifullt fordi det gir stabil rubric på tvers av runs.

Lag 3: Client memory files

Hver client får en folder:

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

Agenten leser disse ved start. Når den researcher en account, skriver den først research/[account-name].md. Det gir audit trail og gjør at hver sequence er grounded i faktisk research.

Lag 4: Fem Skills

De fem Skills:

  • /research [company]: company profile, news, stack signals, team size, stakeholders.
  • /score [company]: leser research og ICP, returnerer 1-10 score med reasoning.
  • /draft [company] [sequence-variant]: skriver mail og follow-ups fra research, ikke merge fields.
  • /enrich [csv-path]: batcher CSV og outputter enriched CSV med scores.
  • /log [company] [status]: holder contacted.csv ren.

Et ekte run

Et run:

  1. Legg CSV med 50 companies i client-folderen.
  2. Kjør claude /enrich clients/acme-corp/new-accounts.csv.
  3. Agenten kjører web search, browser scrape ved behov, score, research file og enriched CSV.
  4. Etter ca. 20 minutter ligger fit scores, priority flags og research files klare.
  5. For top 10 kjører /draft [company] v2, én om gangen, med review.
  6. Sendte sequences logges med /log.

Total tid: ca. 45 minutter unattended agent work pluss 30 minutter review. Tilsvarende Clay + copywriting workflow tar minst tre-fire timer.


Hva det koster

Per 50-account run er kostnaden lav: få dollar i Claude API, search API på cent-nivå og minimal custom MCP cost. Clay havner raskt på 800-2.400 dollar per måned for meaningful credits og LLM rows.

Tradeoffet er build time: omtrent 20 timer på CLAUDE.md, MCP setup, Skills og scoring tool. For teams uten kapasitet er Clay riktig. For en operator med build time betaler det seg raskt tilbake.


CLAUDE.md-strukturen

Kjernen:

# 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

Jeg publiserer kjernen som Claude Code GTM Agent Starter Pack: CLAUDE.md template, Skills, folder structure og scoring MCP source.

Det er gratis og designet for GTM operators som heller vil bygge selv enn vente på en SaaS wrapper.


Hva kommer nå

To ting er på vei: CRM sync til HubSpot via MCP og signal monitoring som scorer en watchlist ukentlig.

Hvis du bygger noe lignende eller vil se starter pack i action, book en samtale.

Om forfatteren

Wojciech Łuszczyński

Wojciech Łuszczyński

GTM-arkitekt og growth-operatør som bygger AI-native revenue-systemer for B2B SaaS og teknologiselskaper. Jeg kobler positioning, SEO, content, paid acquisition, CRM, automasjon, analytics og AI workflows til praktisk growth-infrastruktur.

Nyhetsbrev

Få neste artikkel først.

Når jeg publiserer en ny artikkel om AI-systemer, GTM-arkitektur eller growth operating models, får du den først.

Abonner