DataForB2B

Power your sales or recruiting AI agent with live B2B data.

От сообществаРаботаетБез входаГлобальныйБесплатноТолько чтение

Что умеет

  • Search Natural Language: Search people or companies using a free-form English query. The backend LLM interprets the query and builds structured filters automatically. Use this for fuzzy intent like "s
  • Search People: Search professional profiles using structured filters. Use this when you want precise, deterministic filtering on specific columns (exact country, company size range, funding stage, etc
  • Search Company: Search companies using structured filters. Use this when you want precise filtering on specific columns (industry, country, employee count range, funding stage, founded year, etc.). Fo

Какие данные видит

Нужен ли аккаунт

Не нужен: сервер работает без входа

Power your sales or recruiting AI agent with live B2B data. DataForB2B is a people and company search API with 70+ filters including job title, skills, company size, LinkedIn URL, funding stage, investor, past employers, certifications, years of experience, GitHub repositories, languages and more. Enrich any profile with verified work emails and GitHub profiles. Data sourced live across 60+ public sources. GDPR and CCPA compliant.

Как подключить

Как подключить DataForB2B к Claude

Адрес сервера, который нужно вставить в настройках Claude:

https://dataforb2b--datafor-b2b.run.tools

  1. Откройте Claude (сайт claude.ai или приложение для компьютера).
  2. Перейдите в Настройки → Коннекторы (в английском интерфейсе: Settings → Connectors).
  3. Нажмите Добавить пользовательский коннектор (Add custom connector).
  4. Вставьте адрес сервера, скопированный ниже, в поле URL удалённого MCP-сервера и нажмите Добавить.
  5. В чате нажмите + → Коннекторы и включите новый коннектор.

Пользовательские коннекторы доступны на тарифах Free, Pro, Max, Team и Enterprise. На Free можно добавить только один. В Team и Enterprise коннектор сначала добавляет владелец организации в Настройки организации → Коннекторы.

Авторизация

После нажатия Добавить откроется окно входа в сервис. Войдите под своим аккаунтом и подтвердите доступ. Пароль Claude не видит.

Как подключить DataForB2B к ChatGPT

Адрес сервера, который нужно вставить в настройках ChatGPT:

https://dataforb2b--datafor-b2b.run.tools

  1. Откройте ChatGPT в браузере (chatgpt.com). Нужен тариф Plus, Pro, Business, Enterprise или Edu.
  2. Один раз включите режим разработчика: Настройки → Приложения → Дополнительные настройки → Режим разработчика (Settings → Apps → Advanced settings → Developer mode).
  3. Откройте Настройки → Коннекторы и нажмите Создать (Create).
  4. Заполните форму: Название (любое), Описание (одна фраза, что делает сервис), URL MCP-сервера (скопируйте ниже).
  5. В поле Аутентификация выберите OAuth, если сервис требует вход, иначе Нет. Нажмите Создать.
  6. В новом чате откройте + → Приложения/Коннекторы и включите коннектор.

Название раздела у OpenAI менялось (Connectors → Apps/Plugins). Если пункт называется иначе, ищите «режим разработчика» в настройках. В рабочих пространствах Business/Enterprise администратор должен разрешить пользовательские коннекторы.

Авторизация

При первом использовании ChatGPT откроет окно входа в сервис. Войдите и подтвердите доступ.

Как подключить DataForB2B к Cursor

Адрес сервера, который нужно вставить в настройках Cursor:

https://dataforb2b--datafor-b2b.run.tools

Быстрый способ: нажмите кнопку Открыть в Cursor ниже, Cursor сам предложит добавить сервер.

Вручную:

  1. В Cursor откройте Settings → Cursor Settings → MCP и нажмите Add new global MCP server.
  2. Вставьте JSON, скопированный ниже, в открывшийся файл ~/.cursor/mcp.json (для одного проекта: .cursor/mcp.json в корне проекта).
  3. Сохраните файл. Сервер появится в списке MCP; при необходимости пройдите авторизацию по кнопке рядом с ним.

Авторизация

Если сервис требует вход, рядом с сервером в списке MCP появится кнопка авторизации.

Список инструментов сервера (6)

Технические названия из tools/list. Нужны только разработчикам.

search_natural_languageSearch people or companies using a free-form English query. The backend LLM interprets the query and builds structured filters automatically. Use this for fuzzy intent like "software engineers in Paris with 5+ years" or "AI startups in France that raised Series A". For deterministic filtering on specific columns, prefer `search_people` or `search_company` which take an explicit FilterGroup.
search_peopleSearch professional profiles using structured filters. Use this when you want precise, deterministic filtering on specific columns (exact country, company size range, funding stage, etc.). For free-form queries like "AI engineers in Berlin who recently raised", prefer `search_natural_language` which builds these filters from English. Returns paginated profiles matching ALL/ANY filter conditions depending on the `op` of the FilterGroup. Available columns for `filters.conditions[].column`: Profile: first_name, last_name, profile_location, profile_country (ISO-2, e.g. "US", "GB", "FR"; use GB for UK), profile_industry, follower_count, keyword (full-text on headline) Current job: current_company, current_title, current_job_location, current_company_industry (e.g. "Information Technology & Services", "Computer Software"), current_company_category (lowercase: "software", "consulting", ...), current_company_size ("2-10", "11-50", "51-200", "201-500", "501-1000", "1001-5000", "5001-10000", "10001+"), current_company_id, current_employment_type ("Full-time", "Part-time", "Self-employed", "Freelance", "Contract", "Internship", ...), years_in_current_position, years_at_current_company, current_company_has_funding (bool), current_company_funding_stage ("seed_round", "series_a", ..., "series_h", "pre_seed_round", "angel_round", "grant", "private_equity_round", "undisclosed"; legacy values without _round suffix also exist — use `in` with both forms), current_company_investor Past jobs: past_company, past_title, past_job_location, past_company_industry, past_company_size, past_company_id, past_employment_type, years_at_past_company Skills: skill (e.g. "Python", "JavaScript", "Machine Learning") Education: school, degree, degree_level ("Bachelor", "Master", "PhD", "Associate"), field_of_study Languages: language (e.g. "English"), language_iso (e.g. "en"), language_proficiency ("Native", "Professional", "Limited", "Elementary") Certifications: certification, certification_authority Experience: years_of_experience, num_total_jobs, is_currently_employed (bool) Operators: `=`, `>`, `>=`, `<`, `<=`, `between` (requires value and value2), `in` (value is a list), `like` (text search, case-insensitive).
search_companySearch companies using structured filters. Use this when you want precise filtering on specific columns (industry, country, employee count range, funding stage, founded year, etc.). For free-form queries like "AI startups in France that raised Series A", prefer `search_natural_language` with category="company". Returns paginated companies matching ALL/ANY filter conditions depending on the `op` of the FilterGroup. Available columns for `filters.conditions[].column`: Basic: name, tagline, description, domain, universal_name (slug), keyword (full-text), industry (lowercase: "software development", "it services and it consulting", "financial services", ...) Size: employee_count (int) or employee_count range ("1-10", "11-50", "51-200", "201-500", "501-1000", "1001-5000", "5001-10000", "10001+") Headquarters: country_iso_code (ISO-2), city, region Offices: office_country (ISO-2), office_city, office_region Growth: employee_growth_1m, employee_growth_6m, employee_growth_12m (float, %), recent_hires_count Metadata: founded_year, company_type ("PRIVATELY_HELD", "PUBLIC_COMPANY", "NON_PROFIT", "PARTNERSHIP", "SELF_OWNED", "EDUCATIONAL", "SELF_EMPLOYED", "GOVERNMENT_AGENCY"), follower_count, page_verified (bool), category (lowercase: "software", "consulting", "financial services", ...) Funding: last_funding_amount_usd, last_funding_date (YYYY-MM-DD), funding_stage_normalized ("seed_round", "series_a", ..., "pre_seed_round", "angel_round", "grant", "private_equity_round", "undisclosed"), has_funding (bool) Operators: `=`, `>`, `>=`, `<`, `<=`, `between` (requires value and value2), `in` (value is a list), `like` (text search, case-insensitive).
enrich_profileEnrich a single professional profile with detailed profile data, work email, personal email, and/or GitHub profile. Each enrichment flag controls one data source and bills separately.
enrich_companyEnrich a single company with full data from public sources (description, industry, headquarters, employee count, funding, offices, etc.).
search_lookalikeFind similar people or companies using AI-powered vector similarity. Provide either `profile` (to find similar people) OR `company` (to find similar companies) — not both. Optionally narrow results with `country` or `location`.