Installation überspringen. In unter 2 Minuten einsatzbereit.
Starte eine kostenlose Testphase auf cloud.anythingmcp.com, füge PhantomBuster mit einem Klick hinzu und richte deinen KI-Client (Claude, ChatGPT, Copilot oder Cursor) auf den erzeugten MCP-Endpoint. Kein Docker, kein git clone, keinerlei Entwicklungserfahrung nötig.
Zusammenfassung
Steuere einen PhantomBuster-Workspace aus jedem KI-Agent: Agents (Phantoms) auflisten und lesen, starten, planen und stoppen, ihre Läufe verfolgen und die Ergebnisse lesen, Eingaben und Zeitplan ändern, mit Lead-Listen und gespeicherten Leads arbeiten und den Planverbrauch prüfen. API v2 mit API-Key; Löschen und der Not-Stopp aller Zeitpläne sind bei der Installation aus.
Frag einfach
Beispiel-Prompts für PhantomBuster
Klick auf einen Prompt, um ihn zu kopieren. In Claude, ChatGPT, Cursor, Gemini, Copilot oder OpenClaw einfügen — und gegen diesen Connector laufen lassen.
Claude ist KI und kann Fehler machen. Bitte Antworten gegenprüfen.
💡 Keine Installation? Nutze cloud.anythingmcp.com direkt. Einloggen, Connectors → PhantomBuster klicken, Zugangsdaten einfügen, MCP-API-Key erzeugen, fertig. Kein Docker, kein
git clone, kein lokaler Server.
PhantomBuster + Microsoft Copilot
Steuere einen PhantomBuster-Workspace aus jedem KI-Agent: Agents (Phantoms) auflisten und lesen, starten, planen und stoppen, ihre Läufe verfolgen und die Ergebnisse lesen, Eingaben und Zeitplan ändern, mit Lead-Listen und gespeicherten Leads arbeiten und den Planverbrauch prüfen. API v2 mit API-Key; Löschen und der Not-Stopp aller Zeitpläne sind bei der Installation aus.
Voraussetzungen
Die vollständige Setup-Anleitung ist in den Connector eingebaut (im Store sichtbar, wenn du den Connector auswählst). Benötigte Umgebungsvariablen für diesen Connector:
PHANTOMBUSTER_API_KEY
Schritt 1 — Zugangsdaten holen
Die Einrichtung dauert etwa 2 Minuten. Du brauchst einen PhantomBuster-Workspace mit den Phantoms, die die KI ausführen soll.
- Öffne in PhantomBuster die Workspace settings (https://phantombuster.com/workspace-settings, auch im Menü der Navigationsleiste), geh zu API Keys und leg einen Key an. Er wird nur einmal angezeigt: Kopier ihn.
- Trag ihn in
PHANTOMBUSTER_API_KEYein. Er wird im HeaderX-Phantombuster-Keygesendet und gibt vollen Zugriff auf genau diesen Workspace. - Installiere den Connector und rufe
phantombuster_get_orgauf: Es zeigt Workspace, Plan und Zeitzone und bestätigt den Key.
Was er liest: den Workspace mit Plan, Zeitzone und Tageslimits; den Planverbrauch (Ausführungszeit, E-Mail-, KI-, Captcha- und SERP-Credits und Speicher, heute und in diesem Monat, mit dem nächsten Reset); die gerade laufenden Ausführungen; CSV-Exporte des Verbrauchs pro Agent und pro Lauf über die letzten N Tage (höchstens etwa 6 Monate); die Ordner des Dashboards. Deine Agents mit Skript, Zeitplan, letztem Ergebnis und gespeicherter Eingabe, die gelöschten Agents und die Skripte mit ihrem Manifest (die Eingabefelder, die ein Agent dieses Skripts annimmt). Die Läufe (Container) eines Agents mit Status, Zeiten und Exit-Code, ihr Konsolen-Log und ihre Ergebnisdaten. Die Lead-Listen des Workspace-Speichers mit ihrem gespeicherten Filter und die Leads, die zu einer Liste passen (Name, LinkedIn-Profil und Firma, Jobtitel, Ort, E-Mails und die übrigen gespeicherten Felder).
Was er schreibt: startet einen Agent sofort (phantombuster_launch_agent) oder innerhalb der nächsten N Minuten (phantombuster_launch_agent_soon), stoppt einen laufenden Agent (phantombuster_abort_agent; mit soft_abort beendet das Phantom seinen aktuellen Schritt und speichert, was es hat), ändert Name, gespeicherte Eingabe, Zeitplan (launch_type, repeated_launch_preset), Zeitlimit und Benachrichtigungen eines Agents oder legt einen neuen Agent aus einem Skript an (phantombuster_save_agent, das nie einen Lauf startet), legt Lead-Listen an oder ändert sie und speichert oder aktualisiert einzelne Leads.
Ein Start ist echt: Ein Lauf handelt mit den in PhantomBuster verbundenen Social-Media-Konten (besucht Profile, schickt Kontaktanfragen oder Nachrichten) und verbraucht Ausführungszeit des Plans. Vor einem Start zeigt dir die KI den Agent, seine Eingabe und die Menge und wartet auf dein Ja. Zu viele Aktionen pro Tag können ein LinkedIn-Konto einschränken lassen, halte also die Tageslimits ein, die das Phantom vorschlägt. Session-Cookies und verbundene Konten richtest du in PhantomBuster selbst ein; kopier nie ein Cookie in den Chat.
Eingabe für einen Lauf: argument ersetzt die gespeicherte Eingabe für diesen Lauf (und wird mit save_argument auch gespeichert); bonus_argument legt ein paar Felder nur für diesen einen Lauf über die gespeicherte Eingabe. Die Feldnamen stammen aus dem Skript-Manifest (phantombuster_get_agent mit with_manifest: "true"), zum Beispiel spreadsheetUrl oder numberOfProfiles.
Einen Lauf verfolgen: Der Start liefert eine containerId. Danach fragt die KI etwa einmal pro Minute phantombuster_get_agent_output ab und liest mit from_output_pos und prev_container_id nur die neuen Log-Zeilen, bis der Status finished ist. Die Daten eines Laufs kommen aus phantombuster_get_container_result; die Dateien liegen auch unter https://phantombuster.s3.amazonaws.com/<orgS3Folder>/<s3Folder>/result.csv (und result.json), beide Ordner stehen in phantombuster_get_agent. Zwei Agents können denselben Namen haben, deshalb arbeitet die KI immer mit Agent-IDs.
Lead-Listen: Eine Liste ist ein gespeicherter Filter über die gespeicherten Leads und aktualisiert sich selbst, wenn Phantoms neue Leads ablegen. Ein Filter ist {"and": [ ... ]} aus Klauseln wie {"filter": {"linkedin_job_title": {"entity": "lead", "operator": "contains", "valueToCompare": "CTO"}}}, verschachteltem and / or oder {"__global_search__": "text"}. Lead-Felder sind snake_case (linkedin_job_title, location, professional_emails), Firmenfelder camelCase mit "entity": "company" (industriesV2, employeeCount). Die Tools für den Lead-Speicher nutzen die Beta-API von PhantomBuster.
Bei der Installation deaktiviert: phantombuster_delete_leads (nicht rückgängig zu machen), phantombuster_delete_lead_list (die Leads bleiben gespeichert), phantombuster_delete_agent (seine früheren Läufe und Ergebnisdateien werden nicht mehr angezeigt) und phantombuster_unschedule_all_agents (der Not-Stopp, der alle Agents auf manuellen Start stellt). Ein Workspace-Admin schaltet sie ein, wenn das Team sie braucht.
Datenformate: IDs sind Ziffernfolgen als Strings. Datumsangaben sind Unix-Zeitstempel in Millisekunden. Der Laufstatus ist starting, running, finished, launch error oder never launched; exitCode 0 mit endType finished heißt Erfolg. Verbrauchswerte sind Sekunden Ausführungszeit und Anzahlen von Credits.
Blättern: phantombuster_list_containers liefert limit Läufe, die neuesten zuerst; für ältere übergibt die KI das endedAt des letzten Laufs als before_ended_at. phantombuster_list_leads_in_list blättert mit page_size und offset (include_total_count liefert die Gesamtzahl). Die anderen Listen kommen auf einmal. Die Liste der Skripte aus dem PhantomBuster-Store ist mehrere MB groß, daher filtert die KI sie mit script_ids.
Häufige Fehler: 401 "API key not found" heißt, der Key ist falsch oder widerrufen. 400 bedeutet einen fehlenden oder falschen Parameter oder ein zu großes Start-Argument. 404 ist eine unbekannte ID. Ein Start scheitert, wenn die Ausführungszeit des Plans aufgebraucht ist oder schon zu viele Läufe parallel laufen (maxParallelism).
Der Connector verbindet keine Social-Media-Konten, verwaltet keine Session-Cookies, ändert keinen Phantom-Code (Skripte sind nur lesbar) und ändert nicht den Plan.
Schritt 2 — Adapter installieren
curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d
Schritt 3 — Connector in Microsoft Copilot hinzufügen
Deine Server-URL: Öffne in AnythingMCP MCP Servers → den Server, auf dem dieser Connector liegt, und kopiere seine URL (
https://cloud.anythingmcp.com/mcp/…). Setze sie überall ein, wo diese AnleitungYOUR_SERVER_IDzeigt.
Microsoft Copilot nutzt MCP-Server über Agents, die du in Copilot Studio baust: Du fügst AnythingMCP einem Agent als Tool hinzu und veröffentlichst den Agent dann in Microsoft 365 Copilot und Teams. Copilot Studio verbindet sich aus der Cloud von Microsoft per Streamable HTTP, das AnythingMCP unterstützt.
- Öffne in Copilot Studio deinen Agent (oder leg einen an), geh zu Tools und wähle Add a tool → New tool → Model Context Protocol.
- Trag einen Server name ein (zum Beispiel
AnythingMCP), eine Server description, die sagt, was der Connector kann, und die Server URLhttps://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID. Anhand der Beschreibung entscheidet Copilot Studio, wann es den Server aufruft. - Wähle bei der Authentifizierung API key, setze Type auf Header und den Header-Namen auf
X-API-Keyund klicke auf Create. - Wähle in Add tool die Option Create a new connection, füge einen MCP-API-Key aus AnythingMCP ein (MCP Servers → dein Server → API keys) und klicke auf Add to agent.
- Probier es im Test-Bereich des Agents aus: Bitte um etwas, wofür er die
PhantomBuster-Tools braucht. - Klicke auf Publish, dann auf Channels → Microsoft 365 and Microsoft Teams, lass Make agent available in Microsoft Copilot aktiviert und wähle Add channel. See agent in Teams installiert den Agent für dich; in Microsoft 365 Copilot tippst du @ und wählst den Agent aus.
Lieber eine Anmeldung pro Person? Wähle statt API key OAuth 2.0 → Dynamic discovery: Dann meldet sich jede Person beim ersten Aufruf des Agents bei AnythingMCP an.
Du hostest selbst? Nimm statt https://cloud.anythingmcp.com die öffentliche HTTPS-Adresse deiner Instanz. Copilot Studio verbindet sich aus der Cloud von Microsoft, localhost funktioniert deshalb nicht.
Verfügbare Tools
| Tool | What it does |
|---|---|
phantombuster_get_org | The workspace (org) the API key belongs to: id, name, plan, time zone, s3Folder (needed to build result file URLs) and the daily limits of… |
phantombuster_get_org_resources | Plan usage of the workspace: execution time, email credits, AI credits, captcha, SERP credits and storage used today and this month, with… |
phantombuster_list_running_containers | Runs (containers) that are executing right now in the workspace, across all agents |
phantombuster_export_agent_usage | CSV export of execution time and resource use per agent over the last N days (at most about 6 months) |
phantombuster_export_container_usage | CSV export of every run (container) over the last N days with its duration and resource use, optionally for one agent only |
phantombuster_list_agent_groups | Folders (agent groups) of the dashboard and the order of the agents inside them |
phantombuster_list_agents | All agents (Phantoms set up in the workspace) with id, name, script, launch type and schedule, last run end type and exit code, running… |
phantombuster_get_agent | One agent with its full settings: script, saved argument (input), schedule (launchType, repeatedLaunchTimes), notifications, limits… |
phantombuster_get_agent_output | Status and console output of the most recent run of an agent: containerId, status (starting, running, finished, launch error, never… |
phantombuster_list_deleted_agents | Agents that were deleted from the workspace, with their former ids and names |
phantombuster_list_containers | Runs (containers) of one agent, newest first: id, status, launch type, start and end time, exit code and end type |
phantombuster_get_container | One run (container): status, launch and end time, exit code, end type and retry number; optionally its output and result object |
phantombuster_get_container_output | Console output (log) of one run of an agent, as JSON or as plain text |
phantombuster_get_container_result | The result object of one run: the data the Phantom produced (often a JSON string of rows, or links to the result CSV and JSON files) |
phantombuster_list_scripts | Scripts (Phantom code) the workspace owns: id, name, default branch and dates |
phantombuster_get_script | One script by id: name, org, branches and manifest (the argument fields an agent of this script accepts) |
phantombuster_list_lead_lists | Leads lists of the workspace storage (beta API): id, name, description, the saved filter that defines the list, tags and dates |
phantombuster_get_lead_list | One leads list of the workspace storage by id: name, description, tags and the saved filter |
phantombuster_list_leads_in_list | Leads that match a leads list (beta API), page by page: name, LinkedIn profile and company, job title, location, emails and the rest of the… |
phantombuster_launch_agent | Starts a run of an agent now (adds it to the launch queue) and returns the containerId of the new run |
phantombuster_launch_agent_soon | Schedules one run of an agent within the next N minutes (a one-time delayed launch) |
phantombuster_abort_agent | Stops the running run(s) of an agent. soft_abort lets the Phantom finish its current step and save what it has |
phantombuster_save_agent | Updates an agent's settings (with agent_id) or creates a new agent from a script (without agent_id, with script_id): name, saved argument… |
phantombuster_save_lead_list | Creates a leads list (without list_id) or replaces the filter, name and description of one (with list_id) |
phantombuster_save_lead | Stores one lead in the workspace storage (beta API), or updates the lead with the same LinkedIn profile URL |
phantombuster_delete_leads | Deletes leads from the workspace storage by id |
phantombuster_delete_lead_list | Deletes a leads list (the saved filter; the leads stay in storage) |
phantombuster_delete_agent | Deletes an agent with its schedule; its past runs and result files are no longer shown |
phantombuster_unschedule_all_agents | Emergency stop: turns off the automatic launch of every agent in the workspace (all become manual) |
Beispiel-Prompts
- „Welche meiner Phantoms sind in den letzten 24 Stunden gelaufen, und ist einer davon mit einem Fehler beendet worden?“
- „Starte meinen Agent Sales Navigator Search Export mit der Such-URL, die ich dir gebe, begrenzt auf 100 Profile. Zeig mir vorher die Eingabe.“
- „Wie viel Ausführungszeit und wie viele E-Mail-Credits haben wir in unserem Plan diesen Monat noch übrig?“
- „Leg eine Lead-Liste mit allen gespeicherten Leads an, deren Jobtitel CTO enthält und die in Deutschland sitzen.“
- „Stell den Zeitplan meines LinkedIn Profile Scraper auf einmal täglich um und sag mir, wann er das nächste Mal läuft.“
FAQ
Für welchen Copilot gilt das? Für Microsoft 365 Copilot im Unternehmen, über Agents aus Copilot Studio. Die Microsoft-Copilot-App für private Konten bietet keine Möglichkeit, einen eigenen MCP-Server hinzuzufügen.
Was brauche ich? Ein Arbeitskonto mit Zugang zu Copilot Studio (Lizenz oder Testversion), um den Agent zu bauen. Wer ihn in Microsoft 365 Copilot oder Teams nutzen soll, braucht Zugriff auf den Agent: Teile ihn oder lass ihn von einem Admin für die Organisation veröffentlichen. Wendet deine Organisation Datenrichtlinien auf Power-Platform-Connectors an, gelten sie auch für MCP-Server.
Der Agent ruft die Tools nicht auf. Prüfe, dass der Header-Name genau X-API-Key lautet und der Schlüssel zum selben MCP-Server gehört wie die URL, und formuliere die Server description konkret: Copilot Studio entscheidet anhand der Beschreibung, wann es den Server aufruft. Veröffentliche den Agent nach jeder Änderung erneut; in einem offenen Chat holst du die neue Version mit „start over“.
Nächste Schritte
- Connector-Startseite
- Mit Claude verbinden
- Mit ChatGPT verbinden
- Mit Cursor verbinden
- Mit Gemini verbinden
- Mit Meta Muse verbinden
War dieser Guide hilfreich?