> ## Documentation Index > Fetch the complete documentation index at: https://datagen.dev/llms.txt > Use this file to discover all available pages before exploring further. # 工具 > 透過連線保險庫與工具套件提供 Agent 工具：MCP 伺服器、自訂工具、DataGen MCP 閘道、工作區資料工具與 Code mode Agent 可以呼叫其**工具套件**中的工具。工具套件是**連線保險庫**中的一份允許清單：連線保險庫保存憑證（MCP 伺服器與機密），工具套件則挑選 Agent 可使用該連線保險庫中的哪些工具。在 Agent 上選好連線保險庫與工具套件後，每次執行都會取得完全相同的工具，並以該連線保險庫的憑證驗證。 代理工具分頁：技能與預設工具套件 | 工具來源 | 是什麼 | 從哪裡來 | | - | - | - | | **預設** | 不需外部憑證的內建工具 | 每個連線保險庫都有 | | **MCP** | 遠端 MCP 伺服器提供的工具（Slack、Linear、Gmail、你自己的伺服器…） | 連線保險庫中的 MCP 憑證 | | **自訂** | 你部署成工具的確定性 Python 工作流程 | [自訂工具](#自訂工具) | | **DataGen MCP 閘道** | `searchTools`、`getToolDetails`、`executeToolCall` | Agent 上的「為此代理啟用 DataGen MCP」開關 | | **工作區資料工具** | 以唯讀方式存取工作區檔案、先前的輸出與已連結的知識庫 | Agent 上的「為此代理啟用工作區資料工具」開關 | *** ## Agent 如何取得工具 在側邊欄開啟「連線保險庫」，進入一個連線保險庫，並在「憑證」分頁加入 MCP 伺服器與機密。請參閱 [新增 MCP 伺服器](#新增-mcp-伺服器)。 在連線保險庫的「工具包」分頁建立工具套件並選擇其中的工具，或開啟「允許此保險庫中的所有工具」。請參閱 [工具套件](#工具套件)。 在 Builder 的「設定」分頁（或 Agent「設定」分頁中的「保險庫與工具套件」），選擇「保險庫」與「工具套件」。工具套件清單只會列出所選連線保險庫中的套件。 Agent 的「工具」分頁會顯示實際套用的工具套件、憑證來自哪個連線保險庫，以及依「預設」、「MCP」、「自訂」分組的所有工具。每個 MCP 工具都會標示它使用工作區共用或個人憑證驗證。 如果 Agent 沒有選擇連線保險庫或工具套件，會使用工作區預設的連線保險庫與該金庫的預設工具套件。變更會從 Agent 的下一輪開始生效。 *** ## 新增 MCP 伺服器 MCP 伺服器讓 Agent 能存取 Gmail、Linear、Slack、HubSpot 等外部服務。你只要在連線保險庫中把伺服器加為憑證一次，所有使用該連線保險庫的 Agent 都能使用它。 ### 從 MCP 登錄 開啟連線保險庫，進入「MCP 登錄」分頁，在伺服器上點選「連接」。OAuth 伺服器會開啟登入視窗；核准後，該列會顯示為已連接。 ### 以 URL 新增任何 MCP 伺服器 在連線保險庫的「憑證」分頁點選「新增憑證」，選擇「MCP 伺服器」。 輸入名稱、伺服器 URL（例如 `https://mcp.example.com/mcp`）與「驗證方式」：「OAuth」、「Bearer 權杖」、「API 金鑰」或「無驗證」。 「與工作區共用」：由管理員提供一個值，所有人都可使用但看不到它。「個人」：每位成員透過該列的「連接」按鈕連接自己的帳號。OAuth 一律是個人憑證。 儲存時 DataGen 會列出伺服器的工具。使用「重新整理工具」可重新同步連線保險庫中所有 MCP 伺服器的工具目錄。 憑證類型、輪替與對外連線政策，請參閱 [連線保險庫](/zh/foundation/vault)。 ### 常用的 MCP 伺服器 * **Notion** -- `https://mcp.notion.com/mcp` * **Linear** -- `https://mcp.linear.app/sse` * **Neon** -- `https://mcp.neon.tech` * **開源伺服器** -- [github.com/modelcontextprotocol/servers](https://github.com/modelcontextprotocol/servers) * **你自己的系統** -- 用 MCP SDK 建立伺服器，再以 URL 新增 ### 從 Claude Code 新增 安裝 DataGen 外掛後執行： ``` /datagen:add-mcps ``` 它會先檢查 DataGen 內建的伺服器範本，連接伺服器（必要時執行 OAuth 流程），並列出新增的工具。你也可以直接請 Claude 處理，例如 `"Add Linear MCP to DataGen: https://mcp.linear.app/sse"`，它會替你呼叫 `addRemoteMcpServer`。 *** ## 工具套件 工具套件是一份以單一連線保險庫憑證驗證的工具允許清單。 * 在連線保險庫的「工具包」分頁點選「新增工具包」並命名，例如 `read-only`。 * 從連線保險庫的工具中挑選成員，依預設、MCP 與自訂分組。 * 或開啟「允許此保險庫中的所有工具」：連線保險庫中的所有預設工具、MCP 伺服器工具與自訂工具都會納入，之後新增的工具也會自動納入。 每個工具套件也有一個 **MCP URL**，讓 DataGen 以外的 MCP 用戶端使用同一份允許清單。輪替 MCP URL 會立即撤銷目前的 URL。 為不同類型的 Agent 各建立範圍較窄的工具套件——例如一個只含報表工具、另一個可寫入 CRM——而不是讓每個 Agent 都使用「允許此保險庫中的所有工具」。 *** ## DataGen MCP 閘道 開啟「為此代理啟用 DataGen MCP」（Builder 的「設定」分頁，或 Agent 的「設定」分頁），即可為 Agent 的執行掛上 DataGen MCP 閘道。Agent 就能透過 `searchTools`、`getToolDetails` 與 `executeToolCall` 隨時探索並呼叫工具。此功能預設關閉，從下一輪開始生效，且不影響 Agent 載入的其他 MCP 伺服器。 ## 工作區資料工具 「為此代理啟用工作區資料工具」（Builder 的「設定」分頁，或 Agent 的「資料存取」分頁）讓 Agent 在執行開始時複製進沙盒的內容之外，還能隨時列出、讀取並取得工作區的原始檔案、它自己先前的輸出，以及已連結的知識庫。這些工具是唯讀的：Agent 永遠無法透過它們寫入或刪除，其他 Agent 的檔案與其他成員的個人檔案也保持私密。預設為開啟。 如果 Agent 設定了「資料範圍」，這些工具只會回傳範圍內的原始資料；關閉工具後，有資料範圍的 Agent 將無法讀取任何原始資料。請參閱 [建立 Agent](/zh/agents/build)。 ## 呼叫其他 Agent 在「資料存取」分頁的「可呼叫的代理」中，列出此 Agent 可以透過 `datagen-assets invoke` 啟動一輪對話的其他 Agent。每次呼叫都以 Agent 正在服務的使用者身分執行，該使用者必須有權執行目標 Agent，且目標 Agent 必須已啟用。被呼叫的 Agent 不能再呼叫其他 Agent。 *** ## 自訂工具 自訂工具是確定性的 Python 工作流程，協助 Agent 快速、可靠地完成操作。與其讓 Agent 每次自己推敲多步驟的邏輯，不如把它包裝成工具：相同的輸入，每次都得到相同的輸出。 部署後的自訂工具會出現在「工具」頁面的「自訂工具」中，可以加入工具套件，並可從 Agent、Claude 對話與 REST API 呼叫。 **使用 Claude Code？** 執行 `/datagen:create-custom-tool`，它會引導你設計結構描述、實作並測試程式碼，再完成部署。 ### 撰寫程式碼 使用 DataGen SDK，把 MCP 工具當作 Python 函式呼叫： ```python theme={null} from datagen_sdk import DatagenClient client = DatagenClient() issues = client.execute_tool("mcp_Linear_list_issues", { "filter": {"state": {"name": {"eq": "In Progress"}}} }) active_count = len(issues) result = f"Found {active_count} active issues" ``` **輸入結構描述。** 用 JSON Schema 定義工具接受的參數： ```json theme={null} { "type": "object", "properties": { "campaign_id": {"type": "string", "description": "The campaign ID to analyze"}, "days": {"type": "integer", "description": "Number of days to look back", "default": 30} }, "required": ["campaign_id"] } ``` **輸出變數。** 列出程式碼所指定的變數，它們會成為工具的回傳值： ```python theme={null} result = {"total_leads": 150, "conversion_rate": 0.12} summary = "Campaign performed above average" # 輸出變數：["result", "summary"] ``` **相依項目。** | 類型 | 說明 | 範例 | | - | - | - | | **MCP 伺服器** | 程式碼會呼叫哪些 MCP 伺服器 | `["Linear", "Gmail"]` | | **機密** | 程式碼需要的環境變數 | `["OPENAI_API_KEY"]` | | **Import** | 要匯入的 Python 套件 | `["pandas", "httpx"]` | ### 測試與部署 1. **測試**：先在沙盒中執行程式碼。請 Claude 執行它，Claude 會呼叫 `executeCode`。 2. **部署**：請 Claude `"Deploy this as a custom tool called 'analyze_campaign'"`，Claude 會帶著你的程式碼、結構描述與相依項目呼叫 `createCustomTool`。 3. **執行**已部署的工具：`"Run my analyze_campaign tool with campaign_id='abc123'"` 會呼叫 `submitCustomToolRun`；`checkRunStatus` 則回傳狀態與輸出。 之後要修改工具，請 Claude 更新它（`updateCustomTool`），或用 `searchCustomTools` 找到你的工具。 在終端機中： ```bash theme={null} datagen tools list datagen tools show datagen tools run --input '{"campaign_id": "abc123"}' ``` 所有選項請參閱 [CLI](/zh/developers/cli) 與 [MCP 工具](/zh/developers/mcp-tools)。 ```python theme={null} from datagen_sdk import DatagenClient client = DatagenClient() enriched = [] for domain in input_domains: # 來自輸入結構描述 research = client.execute_tool("mcp_Perplexity_search", { "query": f"What does {domain} do? Who are the founders?" }) enriched.append({"domain": domain, "description": research.get("answer")}) result = enriched total_enriched = len(enriched) ``` 輸入結構描述：`input_domains`（字串陣列，必填）。輸出變數：`["result", "total_enriched"]`。MCP 伺服器：`["Perplexity"]`。 * **讓工具保持專注。** 一個工具只做一件事。 * **使用具描述性的名稱。** 用 `enrich_company_data`，而不是 `tool1`；好的描述能幫助 Agent 選對工具。 * **處理錯誤。** 在工具呼叫外捕捉 `DatagenToolError`，並回傳清楚的訊息。 * **部署前先測試。** 先用 `executeCode` 執行；已部署的工具比較難除錯。 *** ## Code mode Code mode 是指撰寫透過 DataGen SDK 呼叫 MCP 工具的 Python 或 TypeScript 腳本，而不是在對話中一次呼叫一個工具。適用於批次處理、複雜邏輯與正式環境的工作。 **使用 Claude Code？** 執行 `/datagen:code-mode`，取得包含工具探索與大型輸出處理的腳本撰寫引導。 **經驗法則：** 少於 5 次工具呼叫且結果不大，直接呼叫工具即可。呼叫次數更多、資料量大或邏輯複雜，就寫腳本。 ```bash theme={null} pip install datagen-python-sdk export DATAGEN_API_KEY="your_api_key_here" ``` ```python theme={null} from datagen_sdk import DatagenClient, DatagenToolError client = DatagenClient(retries=3, backoff_seconds=1.0) sent, failed = [], [] for contact in contacts: try: client.execute_tool("mcp_Gmail_gmail_send_email", { "to": contact["email"], "subject": "Welcome!", "body": f"Hi {contact['name']}, thanks for signing up!", }) sent.append(contact["email"]) except DatagenToolError as e: failed.append({"email": contact["email"], "error": str(e)}) print(f"Sent: {len(sent)}, Failed: {len(failed)}") ``` ```bash theme={null} npm install @datagen-dev/typescript-sdk export DATAGEN_API_KEY="your_api_key_here" ``` ```typescript theme={null} import { DatagenClient } from '@datagen-dev/typescript-sdk'; const client = new DatagenClient(); const result = await client.executeTool( "mcp_Linear_list_issues", { filter: { state: { name: { eq: "In Progress" } } } } ); console.log(`Found ${result.length} active issues`); ``` | 錯誤 | 意義 | | - | - | | `DatagenAuthError` | 驗證失敗（401/403）：請檢查 API 金鑰或 MCP 連線 | | `DatagenToolError` | 工具執行失敗：請檢查參數 | | `DatagenHttpError` | 網路或 HTTP 層級錯誤 | 所有方法（包括把腳本部署為自訂工具）請參閱 [Python SDK](/zh/developers/sdk-python) 與 [TypeScript SDK](/zh/developers/sdk-typescript)。 *** ## 疑難排解 1. 確認「工具」分頁顯示套用的是哪個工具套件；Agent 可能使用的是工作區預設值。 2. 在連線保險庫的「工具包」分頁開啟該工具套件並加入工具，或開啟「允許此保險庫中的所有工具」。 3. 在連線保險庫的「憑證」分頁點選「重新整理工具」，重新同步 MCP 伺服器的工具清單。 1. 允許 DataGen 開啟彈出視窗；OAuth 流程會在彈出視窗中進行。 2. 改用私密視窗，或清除該服務供應商的 Cookie。 3. 確認你的組織是否封鎖了該服務的 OAuth。 4. 在憑證列上點選「連接」重新執行流程。 1. 確認在 OAuth 時已授予供應商要求的所有權限範圍。 2. 有些服務的特定權限範圍需要管理員核准。 3. 若是個人憑證，請確認觸發執行的成員已連接自己的帳號。 ## 下一步 立即執行、排程，以及用自動化設定 Webhook Slack、Teams、Discord、電子郵件、網頁聊天與公開聊天連結 This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.