ورود داده‌های CRM با هوش مصنوعی در تلگرام: پر کردن خودکار فیلدها و برچسب‌ها با MCP

هر تیمی که فروش یا پشتیبانی‌اش را روی تلگرام می‌برد، دیر یا زود به یک مسئلهٔ تکراری می‌رسد. یک CRM تلگرام راه می‌اندازید، مجموعه‌ای منطقی از ستون‌ها طراحی می‌کنید — مرحله، اولویت، اندازهٔ معامله، زبان، منبع — و حدود دو هفته همه آن‌ها را پر می‌کنند. بعد یک سه‌شنبهٔ شلوغ از راه می‌رسد، چهل گفت‌وگوی تازه می‌آید و از آن به بعد دیگر هیچ‌کس چیزی را به‌روز نمی‌کند. شش ماه بعد ۱۴۰۰ گفت‌وگو دارید و چیدمانی از ستون‌ها که ۸۰ درصدش خالی است.

مشکل از ستون‌ها نیست. هیچ‌کس دلش نمی‌خواهد یک گفت‌وگو را باز کند، ۲۰۰ پیام به عقب بخواند، بفهمد این شخص یک نمایندهٔ ترک‌زبان است که فروردین دربارهٔ قیمت عمده پرسیده، و بعد همین را در چهار فیلد جداگانه تایپ کند. این پانزده دقیقه کار برای هر گفت‌وگوست و هیچ خروجی‌ای تولید نمی‌کند که مشتری ببیند. پس انجام نمی‌شود.

اما اطلاعات گم نشده است. همه‌اش داخل خود پیام‌هاست. هر گفت‌وگو از قبل به شما می‌گوید طرف مقابل به چه زبانی می‌نویسد، تقریباً کجای قیف فروش ایستاده، خریدار است یا یک موردِ پشتیبانی، و چقدر عجله دارد. فقط این اطلاعات هرگز برای چیزی جز یک انسانِ دارای وقت اضافه قابل خواندن نبوده است.

MCP دقیقاً همین شکاف را پر می‌کند. وقتی سرور MCP تلگرام Entergram متصل باشد، یک عامل هوش مصنوعی می‌تواند آن پیام‌ها را بخواند، تصمیم بگیرد مقدار هر فیلد چه باید باشد، ستون‌ها را اگر هنوز وجود ندارند بسازد، و مقادیر را در CRM شما بنویسد — برای ۱۴۰۰ گفت‌وگو، در یک نشست، در حالی که شما مشغول کار دیگری هستید.

این نوشته دربارهٔ همین کار مشخص است: استفاده از یک عامل هوش مصنوعی به‌عنوان موتور ورود داده برای CRM تلگرام شما. نه «با صندوق ورودی‌ات گپ بزن»، بلکه واقعاً پر کردن یک ساختار داده‌ای که بعد بتوانید بر اساسش فیلتر بگذارید، گزارش بگیرید و پیام گروهی بفرستید.

Model Context Protocol استانداردی است که به کلاینت‌های هوش مصنوعی اجازه می‌دهد با سامانه‌های بیرونی حرف بزنند. Entergram یک سرور MCP میزبانی‌شده ارائه می‌کند و مجموعهٔ ابزارهایی که منتشر می‌کند تعیین می‌کند یک عامل واقعاً چه کاری از دستش برمی‌آید. برای این کار چهار گروه مهم‌اند:

• گفت‌وگوها و کشف — entergram_list_workspace_chats، entergram_get_workspace_chat. این نمای CRM یک مکالمه است: مقادیر فعلی فیلدها، تیکت‌های مرتبط، یادداشت‌های داخلی.
• پیام‌ها — entergram_list_messages، entergram_send_message. این همان شواهدی است که عامل بر پایه‌اش استدلال می‌کند و کانالی که از طریقش پاسخ می‌دهد.
• فیلدهای سفارشی CRM — entergram_list_custom_columns، entergram_create_custom_column، entergram_create_custom_column_option، entergram_patch_chat_custom_fields. خواندن ساختار، گسترش ساختار، نوشتن مقادیر.
• یادداشت‌های داخلی و تیکت‌ها — entergram_create_chat_comment، entergram_create_ticket. جایی که عامل استدلالش را جا می‌گذارد و جایی که موضوع را ارجاع می‌دهد.

نکتهٔ مهم این است که create_custom_column اصلاً وجود دارد. بیشتر یکپارچه‌سازی‌ها فقط اجازه می‌دهند یک ماشین در فیلدهایی بنویسد که شخص دیگری طراحی کرده. اینجا عامل می‌تواند خود فیلد را هم طراحی کند — نوعش را انتخاب کند (text، textarea، number، date، select، multiselect، checkbox)، فهرست گزینه‌ها را تعریف کند، به هر گزینه رنگی بدهد — و بلافاصله شروع به پر کردنش کند. این جریان کار را از «اول پیکربندی کن، بعد خودکارسازی کن» تبدیل می‌کند به «نتیجهٔ دلخواهت را توصیف کن و بگذار ساختارش را بسازد».

راه‌اندازی چند دقیقه طول می‌کشد: نشانی سرور MCP خود را از تنظیمات ← توسعه‌دهندگان ← کانکتورها (API و MCP) کپی کنید، در Claude، ChatGPT، Cursor، n8n یا هر کلاینتی که استفاده می‌کنید بچسبانید و دسترسی‌ها را تأیید کنید. صفحهٔ راهنمای کانکتورهای MCP و راهنمای اتصال هر کلاینت هوش مصنوعی جزئیات هر پلتفرم را پوشش می‌دهند. همهٔ آنچه در ادامه می‌آید فرض می‌کند این اتصال برقرار است.

از همانی شروع کنید که فوراً هزینه‌اش را برمی‌گرداند، به‌خصوص اگر فراتر از مرزها می‌فروشید.

شما هیچ تصوری ندارید که بیشتر مخاطبانتان کدام زبان را ترجیح می‌دهند. تیم شما به‌طور پیش‌فرض انگلیسی می‌نویسد، پاسخ‌های کوتاه می‌گیرد و آن را نشانهٔ بی‌علاقگی می‌خواند. نیمی از مواقع اصلاً بی‌علاقگی نیست — کسی است که به زبان سومش تایپ می‌کند و کوتاه می‌نویسد چون برایش زحمت دارد.

کل این جریان کار در قالب یک دستور:

در فضای کاری Entergram من یک ستون سفارشی تازه برای گفت‌وگوها بساز به نام «زبان»، از نوع select، با این گزینه‌ها: انگلیسی (en)، روسی (ru)، اسپانیایی (es)، ترکی (tr)، پرتغالی (pt)، فارسی (fa)، عربی (ar)، چینی (zh)، آلمانی (de)، فرانسوی (fr) و مختلط/نامشخص (unclear). به هر گزینه رنگ متمایزی بده.

سپس همهٔ گفت‌وگوهای فضای کاری را مرور کن. در هر کدام ۱۰۰ پیام آخر را بخوان، فقط به آنچه مخاطب نوشته نگاه کن (پیام‌های خودم و هر خروجی ربات را نادیده بگیر) و زبان غالب او را تشخیص بده. آن را در فیلد «زبان» بنویس. اگر کمتر از پنج پیام از مخاطب وجود دارد، یا اگر تقریباً به یک اندازه به دو زبان می‌نویسد، به‌جای حدس زدن unclear بگذار.

پیش از نوشتن هر چیزی، بیست گفت‌وگوی نخست را با مقدار پیشنهادی و یک خط توضیح به من نشان بده. تأیید می‌کنم، بعد بقیه را انجام بده.

کاری که عامل عملاً انجام می‌دهد، گام‌به‌گام:

۱. entergram_list_custom_columns را صدا می‌زند تا ببیند ستون «زبان» از قبل وجود دارد یا نه — تا اجرای دوم نسخهٔ تکراری نسازد.
۲. entergram_create_custom_column را با type: "select" و آرایهٔ گزینه‌ها صدا می‌زند؛ هر ورودی دارای label، یک value پایدار و یک color هگزادسیمال است.
۳. entergram_list_workspace_chats را صدا می‌زند تا گفت‌وگوها را فهرست کند و items[].telegramId را به‌عنوان شناسهٔ استاندارد گفت‌وگو به کار می‌برد.
۴. برای هر گفت‌وگو entergram_list_messages را صدا می‌زند و تاریخچهٔ اخیر را می‌گیرد.
۵. مقدار را تعیین می‌کند و سپس entergram_patch_chat_custom_fields را با { language: "tr" } صدا می‌زند.

چند نکته تفاوت میان ستونی واقعاً کاربردی و ستونی که کم‌کم به آن بی‌اعتماد می‌شوید را رقم می‌زند:

پیام‌های خودتان را کنار بگذارید. اگر عامل کل رشته را همراه با سمت شما بخواند، تیم پشتیبانی انگلیسی‌زبان هر نتیجه‌ای را به سمت انگلیسی منحرف می‌کند. دستور «فقط به آنچه مخاطب نوشته نگاه کن» کار واقعی انجام می‌دهد.

خط را از زبان جدا کنید. سیریلیک به‌طور خودکار روسی نیست — می‌تواند اوکراینی، بلغاری یا صربی باشد. خط عربی هم به‌طور خودکار عربی نیست — فارسی و اردو نیز از آن استفاده می‌کنند. اگر به این بازارها می‌فروشید این را صریح در دستور بنویسید تا عامل به‌جای تطبیق الفبا، واژگان را بخواند.

یک راه فرار برایش بگذارید. گزینهٔ unclear همان چیزی است که نمی‌گذارد ستون از مهملات با اعتمادبه‌نفس پر شود. فیلدی که ۹۰ درصد پر و درست است بهتر از فیلدی است که ۱۰۰ درصد پر و ۱۵ درصد غلط است، چون دومی بی‌سروصدا هر ارسال گروهی‌ای را که رویش می‌سازید مسموم می‌کند.

اگر ریسک بالاست یک فیلد اطمینان اضافه کنید. ستون دومی به نام اطمینان زبان از نوع number به عامل اجازه می‌دهد کنار هر تشخیص عددی بین ۰ تا ۱۰۰ ثبت کند. بعد هر چه زیر ۷۰ است را فیلتر می‌کنید و خودتان نگاه می‌اندازید. چهل گفت‌وگو برای بازبینی به‌جای ۱۴۰۰ تا.

وقتی این ستون ساخته شد، دیگر تزئینی نیست. تعیین می‌کند چه کسی کدام قالب پاسخ را بگیرد، کدام هم‌تیمی گفت‌وگو را بردارد و — بخش پایین‌تر — هر مخاطب کدام نسخهٔ پیام گروهی را دریافت کند.

همان سازوکار، اما قضاوتی سخت‌تر. این همان ستونی است که قرار بود فروشنده‌های شما نگهش دارند و هرگز نداشتند.

یک ستون select به نام «مرحلهٔ قیف» بساز با گزینه‌های: سرنخ تازه، در حال ارزیابی، دموی زمان‌بندی‌شده، پیشنهاد ارسال‌شده، مذاکره، برده، باخته، خفته.

برای هر گفت‌وگو ۱۰۰ پیام آخر را بخوان و مرحله‌ای را انتخاب کن که مکالمه واقعاً از آن پشتیبانی می‌کند. بر پایهٔ شواهد تصمیم بگیر، نه حس: «پیشنهاد ارسال‌شده» فقط اگر قیمت یا سندی فرستاده باشم؛ «دموی زمان‌بندی‌شده» فقط اگر تماسی با ساعت مشخص توافق شده باشد؛ «برده» فقط اگر تأیید پرداخت یا شروع کار وجود داشته باشد؛ «باخته» فقط اگر صریحاً رد کرده باشند. اگر آخرین پیام مخاطب بیش از ۴۵ روز قدمت دارد و نتیجهٔ روشنی نیست، «خفته» بگذار.

برای هر گفت‌وگویی که برچسب می‌زنی، یک یادداشت داخلی هم بگذار که پیام مشخصِ توجیه‌کنندهٔ آن مرحله را با تاریخش نقل کند.

همین خط آخر است که کل ماجرا را قابل اعتماد می‌کند. entergram_create_chat_comment یادداشتی می‌نویسد که فقط تیم شما می‌بیند و هرگز مشتری. پس هر گفت‌وگوی برچسب‌خورده رد پای خودش را دارد — «پیشنهاد ارسال‌شده، بر اساس ۲۲ خرداد: این هم قیمت برای ۲۰۰ کاربر». وقتی فروشنده‌ای با برچسبی موافق نیست، در دو ثانیه می‌بیند عامل چرا این را انتخاب کرده و برچسب را اصلاح می‌کند، به‌جای اینکه اعتمادش را به کل ستون از دست بدهد.

تنوع‌های مفید وقتی نسخهٔ پایه کار کرد:

• یک ستون تاریخ آخرین تماس معنادار که از زمان آخرین پیام غیرِسطحی پر می‌شود — بدون «باشه»، «ممنون»، استیکر و واکنش. بر اساسش مرتب کنید تا یک صف پیگیری واقعی داشته باشید، نه صفی آلوده به شکلک شست بالا.
• یک ستون number ارزش معامله که با هر رقمی که مخاطب واقعاً گفته پر می‌شود. اگر چیزی مطرح نشده، خالی. ناگهان قیف فروش شما عدد پیدا می‌کند، آن هم از دل مکالماتی که هیچ‌کس ثبتشان نکرده بود.
• یک مانع از نوع textarea، یک جمله دربارهٔ اینکه چرا هر معامله هنوز بسته نشده. این ستون را برای بیست گفت‌وگو بخوانید؛ بیشتر از هر داشبوردی دربارهٔ قیف خود یاد می‌گیرید.

اگر در حجم بالا کار جذب مخاطب می‌کنید، این را با رویکرد راهنمای خودکارسازی فروش در تلگرام ترکیب کنید — ستون مرحله همان چیزی است که بقیهٔ قیف را قابل هدف‌گیری می‌کند.

پشتیبانی به شکلی متفاوت از فروش نیاز دارد، و اینجاست که multiselect ارزشش را ثابت می‌کند، چون یک مکالمه اغلب هم پرسش مالی است و هم گزارش اشکال.

یک ستون multiselect به نام «نوع موضوع» بساز با گزینه‌های: صورت‌حساب، اشکال، شروع به کار، درخواست قابلیت، یکپارچه‌سازی، دسترسی به حساب، گزارش سوءاستفاده. یک ستون checkbox به نام «نیاز به انسان» بساز. یک ستون select به نام «حال‌وهوا» بساز با گزینه‌های: راضی، خنثی، دلخور، عصبانی.

برای هر گفت‌وگویی که در ۱۴ روز گذشته فعالیت مخاطب داشته، پیام‌های اخیر را بخوان و هر سه فیلد را پر کن. «نیاز به انسان» را وقتی تیک بزن که مخاطب پرسشی مطرح کرده که هرگز پاسخ نگرفته، یا حال‌وهوا دلخور یا عصبانی است.

سپس برای هر موردی که «نیاز به انسان» تیک خورده و حال‌وهوا عصبانی است، یک تیکت با اولویت بالا باز کن، عنوانش را خلاصهٔ یک‌خطی مشکل بگذار و به گفت‌وگو پیوندش بده.

مقادیر multiselect به‌صورت آرایه‌ای از مقادیر گزینه فرستاده می‌شوند — ["billing", "bug"] — نه برچسب‌ها؛ و دقیقاً به همین دلیل عامل باید همیشه پیش از نوشتن ساختار را بخواند. فیلدهای checkbox مقادیر بولی واقعی می‌گیرند. فیلدهای تاریخ رشتهٔ ISO 8601 می‌گیرند. اگر یکی از این‌ها اشتباه باشد، نوشتن رد می‌شود نه اینکه بی‌سروصدا مخدوش شود — و این همان رفتاری است که می‌خواهید.

آنچه در پایان دارید صفی از پشتیبانی است که بر اساس چیزی بهتر از «زمان ورود» مرتب شده. روی نیاز به انسان = درست فیلتر بگذارید و بر اساس حال‌وهوا مرتب کنید؛ آن‌وقت فهرست را به ترتیبی پیش می‌برید که واقعاً ریزش را کم می‌کند. این را با تختهٔ کانبان تیکت‌ها ترکیب کنید تا ارجاع‌هایی که عامل باز کرده در همان مسیری ظاهر شوند که تیم شما از قبل در آن کار می‌کند.

دو مورد بالا بدیهی‌ها بودند. این‌ها معمولاً مردم را غافلگیر می‌کنند.

ساعت‌های فعالیت. یک ستون number به نام ساعت فعال، پرشده با ساعتی از شبانه‌روز (به وقت UTC) که مخاطب بیشترین پیام را می‌فرستد، محاسبه‌شده از زمان‌های ۱۰۰ پیام آخر. برای عامل هزینهٔ اضافه‌ای ندارد — زمان‌ها را از قبل دارد — و به شما می‌گوید طرف واقعاً چه وقتی پشت میزش است. پیام دادن به خریدار دبی در ۰۷:۰۰ UTC و به خریدار سائوپائولو در ۱۹:۰۰ UTC یعنی نرخ پاسخ به‌شکل معناداری بالاتر، بدون هیچ تلاش اضافه.

الگوی پاسخ‌دهی. یک ستون select — سریع پاسخ می‌دهد، ظرف یک روز، ظرف چند روز، به‌ندرت پاسخ می‌دهد — برگرفته از میانهٔ فاصلهٔ میان پیام شما و پاسخ او. این فیلد به شما می‌گوید که آیا سکوت اصلاً معنایی دارد یا نه. مخاطبی که همیشه چهار روز وقت می‌گیرد در حال سرد شدن نیست؛ اما کسی که معمولاً همان ساعت جواب می‌دهد و یک هفته است ساکت است، بله.

شرکت و سِمت. ستون‌های متنی، پرشده از آنچه خود شخص در مکالمه دربارهٔ خودش گفته — امضایش، معرفی‌اش، همان پیام ماه اول که «ما یک صرافی چهل‌نفره در سنگاپور هستیم». همان‌جا در تاریخچه نشسته و هیچ‌کس هرگز آن را در فیلدی رونویسی نکرده.

منبع معرفی. یک ستون select، پرشده از آنچه مخاطب دربارهٔ نحوهٔ پیدا کردن شما گفته — یک انجمن، یک شریک، یک کانال مشخص. آن را روی کل فضای کاری اجرا کنید تا گزارش انتساب برای کانالی داشته باشید که هرگز چنین چیزی نداشته است.

پرچم‌های انطباق. یک checkbox به نام درخواست عدم دریافت بازاریابی، وقتی فعال می‌شود که کسی زمانی گفته باشد تمایل به دریافت پیام تبلیغاتی ندارد. این را یک‌بار روی کل تاریخچه اجرا کنید و از دل پیام‌هایی که تیمتان نیمه‌کاره به یاد دارد، یک فهرست حذف ساخته‌اید. پیش از کمپین بعدی، همین یک فیلد ارزش کل این کار را دارد.

هیچ‌کدام از این‌ها به قابلیت تازه‌ای در محصول نیاز ندارند. همه‌شان فقط ستون‌اند به‌علاوهٔ یک بار خواندن — و دقیقاً همین است که اتصال MCP را ارزشمند می‌کند.

حالا نوبت بازدهی است. ستون‌های بالا هدف نهایی نیستند؛ وجود دارند تا بتوانید به‌جای افراد، روی گروه‌ها عمل کنید.

وقتی زبان، مرحلهٔ قیف و آخرین تماس معنادار پر شدند، درخواستی مثل این ممکن می‌شود:

هر گفت‌وگویی را پیدا کن که مرحلهٔ قیف در آن «خفته» است، زبان روسی است، «درخواست عدم دریافت بازاریابی» تیک نخورده و آخرین تماس معنادار بیش از ۶۰ روز پیش بوده. فهرست را با نام‌ها و آخرین چیزی که گفته‌اند نشانم بده.

یک پیام کوتاه بازگشت به گفت‌وگو به روسی بنویس — دو جمله، بدون ایموجی، با اشاره به اینکه آخرین بار دربارهٔ قیمت صحبت کردیم. پیش‌نویس و فهرست گیرندگان را نشانم بده. فعلاً چیزی نفرست.

بازبینی می‌کنید. جمله‌بندی را ویرایش می‌کنید. بعد:

بفرست، هر بار یک گفت‌وگو، از حساب فروش، با مکث بین هر ارسال. هر کسی را که در ۴۸ ساعت گذشته به ما پیام داده رد کن. پس از ارسال، مرحلهٔ قیف را روی «در حال ارزیابی» بگذار و یادداشتی داخلی با تاریخ و نام کمپین ثبت کن.

این یک ارسال گروهی بخش‌بندی‌شده، هم‌زبان با مخاطب و آگاه به فهرست حذف است که در ضمن CRM شما را هم به‌روز می‌کند — و بر پایهٔ فیلدهایی ساخته شده که یک ساعت پیش وجود نداشتند. راهنمای پیام‌های گروهی همین کار را از طریق رابط Entergram توضیح می‌دهد؛ مسیر MCP وقتی به کارتان می‌آید که تعریف آن بخش به چیزی وابسته است که فقط با خواندن مکالمات به دست می‌آید.

سه قاعده اینجا بیش از هر جای دیگر این نوشته اهمیت دارند:

همیشه اجرای آزمایشی بخواهید. «فهرست و پیش‌نویس را نشانم بده، چیزی نفرست» باید در هر دستور ارسال گروهی‌ای که می‌نویسید باشد. ارسال تنها کاری است که نمی‌توانید پسش بگیرید، و messages.write به عامل اجازه می‌دهد به‌جای شما پیام بفرستد.

سرعت را کنترل کنید. سازوکار ضدهرزنامهٔ خود تلگرام به انفجار ناگهانی حجم واکنش نشان می‌دهد. یکی‌یکی فرستادن با فاصله، احتیاط نمایشی نیست — راه سالم نگه داشتن حساب است. نوشتهٔ ما دربارهٔ ارسال انبوه پیام در تلگرام محدودیت‌ها را با جزئیات بررسی می‌کند.

نسخه‌های زبانی بنویسید، نه ترجمهٔ یک متن انگلیسی. حالا ستون «زبان» را دارید. درست از آن استفاده کنید — پیامی که از ابتدا به روسی نوشته شده بهتر از انگلیسیِ ترجمه‌شده با ماشین عمل می‌کند، و عامل کاملاً می‌تواند اولی را بنویسد اگر بخواهید.

چند نکتهٔ عملی برای نخستین پرکردن انبوه.

دسته‌دسته پیش بروید. هر بار ۵۰ گفت‌وگو بخواهید نه ۱۴۰۰ تا در یک دستور. بافت عامل محدود است، و اجرایی که دسته‌ای پیش می‌رود و گزارش می‌دهد را می‌توانید متوقف، اصلاح و از سر گرفت. «گفت‌وگوهای ۱ تا ۵۰ را انجام بده، جدول خلاصه نشانم بده و منتظر بمان» دستور بهتری است از «همه را انجام بده».

بر اساس ارزش مرتب کنید. اول گفت‌وگوهای فعال، نه ترتیب الفبایی. اگر اجرا وسط کار شکست، می‌خواهید نیمهٔ مفید تمام شده باشد.

اجرای دوباره را idempotent کنید. به عامل بگویید گفت‌وگوهایی را که فیلدشان از قبل پر است رد کند، مگر اینکه صریحاً به‌روزرسانی بخواهید. آن‌وقت می‌توانید همان دستور را هفتگی اجرا کنید تا مکالمات تازه را بگیرد بدون اینکه کار را دوباره انجام دهد.

فقط دسترسی‌های لازم را بدهید. برای یک بار خواندن و برچسب زدن، chats.read، messages.read و chat_custom_fields.write کافی است. messages.write را تا رسیدن به مرحلهٔ ارسال گروهی کاملاً خاموش بگذارید. دسترسی‌ها مرز امنیتی واقعی‌اند — ببینید هم‌تیمی‌ها و کلاینت‌های متصل چه می‌بینند.

برای هر کار بازگشت‌ناپذیر یک انسان را در حلقه نگه دارید. اصلاح برچسب ارزان است. پیامی که به ۳۰۰ نفر رفته، نه.

آیا هوش مصنوعی واقعاً می‌تواند گفت‌وگوهای شخصی تلگرام مرا بخواند؟
از طریق سرور MCP شرکت Entergram بله — روی حساب متصل شما کار می‌کند نه یک ربات، پس همان پیام‌های خصوصی، گروه‌ها و کانال‌هایی را می‌بیند که شما می‌بینید. نکته دقیقاً همین است: ربات‌ها نمی‌توانند مکالماتی را ببینند که کسب‌وکار واقعی شما در آن‌ها جریان دارد. این تفاوت در مقایسهٔ Telegram MCP و Bot API توضیح داده شده است.

با یک ربات تلگرام هم می‌شود؟
نه. Bot API فقط می‌تواند پیام‌هایی را بخواند که به خود ربات فرستاده شده‌اند. هر جریان کاری در این نوشته به خواندن تاریخچهٔ واقعی مکالمه از یک حساب معمولی وابسته است.

کدام کلاینت‌های هوش مصنوعی پشتیبانی می‌کنند؟
هر کلاینتی که MCP را پشتیبانی کند — Claude، ChatGPT، Perplexity، Cursor، Cline، Windsurf، Zed، Goose، Raycast، به‌علاوهٔ n8n و Make. راه‌اندازی یک نشانی اینترنتی است و یک تأیید OAuth؛ اتصال Claude به Telegram MCP یا فهرست کامل کانکتورها را ببینید.

اگر عامل چیزی را اشتباه برچسب بزند چه می‌شود؟
مقدار را مثل هر فیلد دیگری در جدول گفت‌وگوها اصلاح می‌کنید. به همین دلیل است که عادت یادداشت داخلی مهم است — استدلال را می‌بینید، الگو را تشخیص می‌دهید و دستور را تنظیم می‌کنید، به‌جای اینکه ستون را کنار بگذارید.

آیا فیلدهایی که از طریق MCP می‌سازم در رابط عادی هم دیده می‌شوند؟
بله. این‌ها ستون‌های سفارشی معمولی‌اند — قابل فیلتر، قابل مرتب‌سازی، قابل مشاهده برای تیم و قابل استفاده در تحلیل‌ها و ساخت بخش‌بندی. MCP دری دوم به همان ساختار است، نه سامانه‌ای موازی.

اشتباه رایج این است که روز اول بخواهید یک ساختار بی‌نقص دوازده‌ستونی طراحی کنید. این کار را نکنید. «زبان» را بردارید، روی کل فضای کاری اجرا کنید و ببینید فیلتر کردن صندوق ورودی بر اساس آن چه حسی دارد. یک دستور و یک فنجان قهوه وقت می‌برد، و بلافاصله معلوم می‌شود مقادیر درست‌اند یا نه.

بعد «مرحلهٔ قیف» را اضافه کنید. بعد برچسب‌های پشتیبانی. بعد آن‌های عجیب — ساعت فعال، الگوی پاسخ‌دهی، منبع معرفی — که هیچ CRM‌ای آماده ارائه نمی‌کند، چون هیچ CRM‌ای نمی‌توانست بداند شما آن‌ها را می‌خواهید.

گشایش اصلی این نیست که هوش مصنوعی در پایگاه دادهٔ شما می‌نویسد. این است که یک مکالمه بالاخره به شیئی قابل پرس‌وجو تبدیل می‌شود: چیزی که می‌توان برچسب زد، شمرد، بخش‌بندی کرد و بر اساسش عمل کرد، بی‌آنکه کسی مجبور باشد ۲۰۰ پیام به عقب بخواند تا یادش بیاید این شخص که بود.

سرور MCP تلگرام خود را متصل کنید و با یک ستون شروع کنید.