logo
AgentLed

Inicio rápido

Instale CLI, conecte su cliente MCP y ejecute su primer flujo de trabajo en menos de 5 minutos.

1. Instale el CLI

El AgentLed CLI configura su espacio de trabajo, configura MCP y le brinda una interfaz command-line para crear flujos de trabajo.

# One-command setup (opens browser, creates account, configures MCP)
npx @agentled/cli setup

# Or install globally, then run setup
npm install -g @agentled/cli
agentled setup

El asistente de configuración crea su espacio de trabajo, genera una clave API y conecta su cliente MCP automáticamente.

2. Conecte MCP

AgentLed funciona como un servidor MCP. Conéctelo a Claude Code, Cursor, Windsurf, Codex o cualquier cliente compatible con MCP.

Claude Code

claude mcp add agentled \
  -e AGENTLED_API_KEY=wsk_... \
  -- npx -y @agentled/mcp-server

Cursor / Windsurf

Agregue esto a su configuración MCP JSON:

{
  "mcpServers": {
    "agentled": {
      "command": "npx",
      "args": ["-y", "@agentled/mcp-server"],
      "env": {
        "AGENTLED_API_KEY": "wsk_..."
      }
    }
  }
}

3. Obtenga su clave API

1.Regístrese en agentled.app

2.Abierto Workspace Settings > Developer

3.Genere una nueva clave API (comienza con wsk_)

4. Cree su primer flujo de trabajo

Describe lo que quieres en lenguaje natural. AgentLed crea el flujo de trabajo, selecciona integraciones y configura cada paso.

agentled create "Find fintech CTOs in Europe, enrich via LinkedIn + Hunter,
score by ICP fit, draft personalized outreach"

O utilice la herramienta de chat MCP desde su cliente AI:

> Use the agentled chat tool to create a workflow that scrapes
  trending topics in AI, generates 5 LinkedIn posts, and schedules them.

5. Ejecutar y monitorear

Inicie flujos de trabajo a través de CLI, MCP o el panel web. Ver resultados en real-time.

# Start a workflow
agentled start <workflow-id>

# List recent executions
agentled executions list <workflow-id>

# View execution details
agentled executions get <execution-id>

Los resultados persisten en el Knowledge Graph. Cada ejecución se basa en resultados anteriores: la precisión de la puntuación mejora automáticamente con el tiempo.

Próximos pasos