Claude Code GTM Agent: pakiet startowy
Jak zbudowałem czterowarstwowy system AI, który prowadzi outboundowy research, pisze sekwencje i wzbogaca rekordy w CRM. Bez ani jednego zewnętrznego enrichmentu.
GTM Architect & Growth Operator · Insights · 18 kwietnia 2025
Większość contentu o GTM AI wpada w jeden z dwóch koszyków: prompt tips do ChatGPT albo porównania narzędzi za 500 dolarów miesięcznie, na które nikt potem nie reaguje. To nie jest ani jedno, ani drugie.
To rozbiórka działającego systemu, który zbudowałem i prowadzę: czterowarstwowy stos agentów Claude Code, który robi outboundowy research, pisze sekwencje, wzbogaca CRM i scoruje pod ICP. Bez Clay. Bez kredytów enrichmentu w Apollo. Bez przepływów w n8n, które padają co trzy tygodnie.
Tylko Claude Code, garść narzędzi MCP, dobrze poukładany CLAUDE.md i pięć skilli operatora spiętych razem.
Dlaczego Claude Code zamiast Clay
Clay świetnie robi to, do czego służy: ustrukturyzowane pipelines wzbogacania z wizualnym interfejsem i modelem kredytowym per wiersz. Używałem. Naprawdę użyteczne dla zespołów, które potrzebują enrichmentu w skali i nie mają inżynierów.
Ma jednak pewne ograniczenia, które mają znaczenie dla mojego sposobu pracy:
- Kupujesz punkty wzbogacające dane, a nie wiedzę. Usługa Clay przekazuje dane przez zewnętrznych dostawców, takich jak Clearbit, Apollo i narzędzia do zbierania danych z LinkedIn, a opłaty naliczane są za każdy wiersz. Warstwa analityczna LLM jest uboga.
- Wizualny edytor pipeline jest potężnym narzędziem, ale ma swoje słabe strony. Złożona logika staje się trudna do sprawdzenia, wersjonowania lub przekazania innym.
- Nie pisze. Można pobrać dane do zmiennej i wstawić je do szablonu, ale brakuje rzeczywistego uzasadnienia, dlaczego ten potencjalny klient jest w tej chwili ważny dla tego konta.
Claude Code, a konkretnie pętla agenta przez SDK z wbudowanymi narzędziami MCP, pozwala mi stworzyć coś wyjątkowego: system, który analizuje kontekst, ocenia trafność, generuje treść i aktualizuje rekordy: wszystko w jednym cyklu. To inteligencja jest produktem, a nie infrastruktura.
Clay -style pipeline
WzbogacanieSprawdza się najlepiej, gdy zadanie polega na uzupełnianiu danych w sposób uporządkowany, wiersz po wierszu. Mniej sprawdza się, gdy kontekst, ocena sytuacji i treść muszą być uwzględnione w tej samej pętli.
Claude Code stos agentów
RozumowanieSprawdzają się szczególnie wtedy, gdy system musi odczytywać dane, podejmować decyzje, zapisywać je oraz prowadzić dokumentację umożliwiającą weryfikację wykonanych czynności.
Czterowarstwowa konstrukcja
System składa się z czterech elementów, które współdziałają ze sobą, a warstwa inteligencji obejmuje je wszystkie:
Jak działa stos
Warstwa 1: CLAUDE.md: wytyczne dla operatora
Każda sesja agenta Claude Code rozpoczyna się od odczytania pliku CLAUDE.md. Nie jest to dokumentacja. To plik z instrukcjami: odpowiednik tego, co dałoby się młodszemu przedstawicielowi handlowi w pierwszym dniu pracy, z tą różnicą, że model odczytuje go przy każdym uruchomieniu.
Moja lista obejmuje:
- Definicja potencjalnego klienta (dane firmograficzne, technograficzne, sygnały behawioralne)
- Ton wypowiedzi i profil komunikacyjny w kontaktach z klientami (bezpośredni, bez modnych haseł, na zasadzie „operator do operatora”)
- Czym różni się wartościowy potencjalny klient od osoby marnującej czas
- Jak radzić sobie w sytuacjach wyjątkowych (brak profilu na LinkedIn, rynki zagraniczne, działania przychodzące vs. wychodzące)
- Sztywne zasady (nigdy nie wymieniaj konkurencji z nazwy, nigdy nie używaj zwrotu „Mam nadzieję, że wszystko u Ciebie w porządku”)
Plik CLAUDE.md jest najważniejszym plikiem w systemie. To właśnie w nim zapisywane są decyzje operatora, dzięki czemu model nie musi zgadywać.
Warstwa 2: Narzędzia MCP: warstwa dostępu do danych
W moim środowisku uruchomionych jest cztery serwery MCP:
Wyszukiwanie w Internecie (przez przeglądarki Brave MCP lub Exa MCP): żeby uzyskać informacji o firmach w czasie rzeczywistym, wiadomości dotyczących finansowania, ofert pracy oraz najnowszych treści. Funkcja ta zastępuje etap „wzbogacania danych metodą kaskadową” w Clay.
Automatyzacja przeglądarki (za pomocą biblioteki Puppeteer MCP): gdy stron blokujących roboty indeksujące. Strony firmowe na LinkedIn, niektóre strony z cennikami, dane z serwisu Glassdoor dotyczące wielkości zespołów i tempa wydatkowania środków.
Pamięć / system plików (przez systemu plików Claude MCP): do odczytu i zapisu plików klienta: plik eksportu CSV z serwisu CRM, szablony sekwencji oraz dziennik aktywności dotyczący skontaktowanych kont.
Niestandardowy moduł oceny MCP (stworzony w ciągu weekendu przy użyciu zestawu SDK MCP): pobiera ustrukturyzowany obiekt JSON (dane firmy + kryteria ICP) i zwraca wynik dopasowania wraz z uzasadnieniem. Było to najtrudniejsze do zrealizowania, ale też najbardziej wartościowe rozwiązanie: daje agentowi spójną skalę oceny we wszystkich przebiegach.
Warstwa 3: Pliki w pamięci klienta
Każdy klient otrzymuje teczkę:
/clients/acme-corp/
icp.md ← who we're targeting and why
contacted.csv ← running log of touched accounts
sequences/ ← approved sequence variants
research/ ← per-account research notesAgent zapoznaje się z nimi na początku każdej sesji. Podczas zbierania informacji o nowym koncie przed przystąpieniem do pisania tworzy plik research/[nazwa-konta].md. Dzięki temu powstaje ścieżka audytu, a każda sekwencja opiera się na rzeczywistych badaniach, a nie na wyimaginowanym kontekście.
Poziom 4: Pięć umiejętności
Umiejętności to nazwane podzadania, które agent może uruchomić. Mam pięć:
/research [nazwa_firmy]: Generuje pełny profil firmy: dane firmograficzne, najnowsze wiadomości, informacje o stosowanych technologiach, liczebność zespołu, stan finansowania, kluczowi interesariusze. Zapisuje wyniki do pliku research/[nazwa_firmy].md.
/score [nazwa firmy]: Odczytuje plik z analizą oraz definicję z serwisu ICP, a następnie zwraca ocenę dopasowania w skali od 1 do 10 wraz z trzema zdaniami uzasadniającymi. Wynik poniżej 6 = pominąć. Wynik 8 lub wyższy = priorytet.
/draft [firma] [wariant-sekwencji]: Odczytuje plik z wynikami badań, ocenę oraz szablon sekwencji, a następnie tworzy spersonalizowaną pierwszą wiadomość e-mail oraz dwie wiadomości uzupełniające. Nigdy nie korzysta z pól scalania. Zawsze tworzy treść od podstaw na rzeczywiste wyniki badań.
/enrich [ścieżka-do-pliku-csv]: Przetwarza zbiorczo plik CSV zawierający nazwy firm, uruchamia dla każdej z nich polecenia /research i /score, a następnie generuje wzbogacony plik CSV zawierający wyniki i flagi priorytetowe. Jest to zamiennik polecenia Clay.
/log [firma] [status]: Aktualizuje plik contacted.csv o status konta i znacznik czasu. Pozwala utrzymać porządek w dzienniku operacji bez konieczności ręcznego wprowadzania danych.
Prawdziwy bieg, krok po kroku
Oto jak wygląda typowa sesja, gdy pracuję nad nową listą klientów:
- Umieść plik CSV zawierający 50 nazw firm w katalogu
/clients/acme-corp/ - Uruchom polecenie:
claude /enrich clients/acme-corp/new-accounts.csv - Agent przechodzi kolejno przez każde konto: wyszukiwanie w sieci → w razie potrzeby pobieranie danych z przeglądarki → ocena → utworzenie pliku z wynikami → dołączenie do wzbogaconego pliku CSV
- 20 minut później: wzbogacony plik CSV z ocenami dopasowania, flagami priorytetowymi i plikiem badawczym dla każdego konta powyżej 6
- Dla 10 najlepszych:
claude /draft [firma] v2, po jednym na raz, sprawdzając każdy szkic przed zatwierdzeniem - Zaloguj wysłane sekwencje za pomocą
/log
Całkowity czas potrzebny na listę 50 kont: około 45 minut pracy agenta bez nadzoru oraz 30 minut na moją weryfikację. Porównywalny proces obejmujący Clay i tworzenie tekstów reklamowych: co najmniej 3–4 godziny, a jakość tekstów nie ma porównania.
Clay + copywriting workflow
3–4 godziny
Agent stack (unattended + review)
75 min
Ile to kosztuje
Model kosztowy ma znaczenie. Oto przybliżony podział kosztów na jeden cykl wzbogacania danych obejmujący 50 kont:
- Claude API (claude-sonnet-4 przy obecnych cenach): ~2–4 USD za pełne przetworzenie, w zależności od zakresu badania
- Wywołania narzędzi MCP: Brave Search API kosztuje ~0,003 USD za zapytanie; Puppeteer jest hostowany we własnym zakresie, więc koszty ograniczają się wyłącznie do mocy obliczeniowej
- Niestandardowy system punktacji MCP: minimalne koszty, ponieważ polega jedynie na przesyłaniu danych wejściowych i wyjściowych w formacie JSON
Porównaj z Clay: 800–2400 USD miesięcznie za plan dający znaczące kredyty na wzbogacanie treści oraz LLM wierszy. Biorąc pod uwagę mój wolumen i sposób wykorzystania, stos agentów kosztuje około 5–10% tej kwoty, a jakość wyników na poziomie wnioskowania i tworzenia treści jest lepsza.
Wadą tego rozwiązania jest to, że jego stworzenie zajęło sporo czasu. Łącznie z plikiem CLAUDE.md, konfiguracją pliku MCP, modułami Skills oraz narzędziem do oceny wyników zajęło to prawdopodobnie około 20 godzin. Dla zespołu, który nie dysponuje takimi zasobami, odpowiednim rozwiązaniem będzie skorzystanie z gotowego modelu dostępnego na stronie Clay. Natomiast dla podmiotu, który może poświęcić czas na stworzenie własnego rozwiązania, inwestycja ta szybko się zwraca.
Struktura CLAUDE.md, z której korzystam
Ponieważ jest to element, który najczęściej się powtarza, oto struktura szablonu, na którą się zdecydowałem:
# GTM Agent: CLAUDE.md
## Who you are
You are a B2B GTM research and outreach agent. You operate on behalf of [Client].
Your job is to research accounts, score fit, and draft outbound sequences.
You are not a marketing copywriter. You write like a senior operator talking to peers.
## ICP definition
**Firmographic:**
- Company size: [range]
- Industry: [list]
- Geography: [regions]
- Revenue range: [if known]
**Technographic:**
- Stack signals that indicate fit: [list]
- Stack signals that indicate disqualification: [list]
**Behavioral:**
- Signals that indicate buying intent: [list]
- Signals that indicate timing: [list]
## Tone and rules
- Never use: "I hope this finds you well", "I wanted to reach out", "synergies"
- Always: lead with a specific observation, not a generic compliment
- Length: first email max 100 words. Follow-ups max 60 words.
- Never: mention competitors by name. Never: make claims you can't source.
## Hard stops
If an account scores below 6, do not draft. Log as "Low fit: skip" and move on.
If you cannot find a LinkedIn company page or website, log as "Research blocked" and skip.Pakiet startowy
Udostępniam podstawowe elementy tego projektu w postaci pakietu startowego Claude Code GTM Agent Starter Pack: szablon CLAUDE.md, definicje umiejętności, strukturę folderów oraz kod źródłowy algorytmu oceny MCP.
Jest dostępny na GitHubie. Jest bezpłatny. Został stworzony z myślą o operatorach sieci GTM, którzy wolą samodzielnie zbudować takie rozwiązanie, zamiast czekać na gotowe rozwiązanie SaaS, za które trzeba zapłacić 400 dolarów miesięcznie.
Ten pakiet zakłada, że:
- Posiadasz klucz API Claude
- Wiesz, jak uruchomić polecenie
Claude Codew terminalu - Znasz na tyle dobrze swój plik
ICP, by wypełnić plikCLAUDE.md
Jeśli te trzy warunki są spełnione, w ciągu jednego popołudnia możesz uruchomić działającego agenta ds. wzbogacania treści i działań zewnętrznych.
Co dalej?
Dodaję do stosu dwie rzeczy:
Synchronizacja CRM: dwukierunkowe połączenie MCP z platformą HubSpot, które zapisuje wzbogacone dane kont bezpośrednio w rekordach kontaktów/firm bez konieczności ręcznego importowania plików CSV.
Monitorowanie sygnałów: lekki skrypt cron, który co tydzień uruchamia polecenie /score wobec listy obserwowanych kont i sygnalizuje czynniki sprzyjające ponownemu zaangażowaniu (nowe finansowanie, zmiana kierownictwa, ogłoszenia o pracy na odpowiednich stanowiskach).
Oba projekty są w trakcie realizacji. Opiszę je tutaj, gdy osiągną stabilną wersję.
Jeśli budujesz coś podobnego albo chcesz zobaczyć, jak ten starter pack działa w boju: napisz do mnie. Chętnie przeprowadzę cię przez strukturę.
