Listenaufbau war schon immer Filter-Gefummel: Dropdowns stapeln, die Zählung ansehen, anpassen, exportieren, feststellen, dass die Liste nicht das war, was du gemeint hast, und von vorn. Ein KI-Agent, der mit der Datenbank verbunden ist, macht aus dieser Schleife ein Gespräch. Du beschreibst die Zielgruppe, der Agent befragt die Daten und verfeinert, bis die Zahlen Sinn ergeben, und erst dann gibst du kostenpflichtige Ergebnisse frei.
Diese Anleitung nutzt Claude und Argorant über das Model Context Protocol. Andere MCP-Clients können denselben Remote-Endpunkt nutzen, aber Connector-Einrichtung, Freigabe-Oberfläche, Authentifizierungsverhalten und verfügbare Tools müssen separat getestet werden.
Die Einrichtung in zwei Minuten
Argorant stellt einen Remote-MCP-Server unter https://mcp.argorant.com/mcp bereit. Füge diese URL in den Connector-Einstellungen von Claude (oder über `claude mcp add` in Claude Code) als Remote-Server hinzu. Der erste Aufruf startet einen OAuth-Ablauf in deinem Browser: Du meldest dich bei deinem Argorant-Konto an, gibst die Verbindung frei, und der Agent erhält ein begrenztes Token. Keine API-Keys in Konfigurationsdateien, und du kannst die Verbindung jederzeit in deinem Konto widerrufen.
Nach der Verbindung sieht Claude 15 dokumentierte Tools für Kontoabfrage, Firmen- und Personensuche, Zählungen, Personen eines Unternehmens, maskierte Vorschauen, Freischaltung von Kontakten, Anreicherung, gespeicherte Listen, Exporte und Jobstatus. MCP-Zugriff ist in den bezahlten Argorant-Plänen enthalten; ein separates vorausbezahltes Agent-Guthaben ermöglicht begrenzte Kontaktkäufe ohne wiederkehrendes Abo.
Die Wirtschaftlichkeit: kostenlos schauen, nach Verbrauch zahlen
Das Tool-Design trennt die Suche von kostenpflichtigen Kontaktergebnissen. Mit Suche, Zählung und maskierter Vorschau kann Claude die Form des Markts testen, bevor es Kontaktdaten freischaltet oder exportiert. Diese Suchaktionen verbrauchen nach den aktuellen Produktregeln keine Credits für Kontaktergebnisse, die normalen Konto- und Rate-Limits gelten aber weiter.
Credits werden nur für Freischaltungen und Exporte ausgegeben, wenn geprüfte Kontaktdaten das System tatsächlich verlassen. Und weil Argorant beim Export live per SMTP prüft und für ungültige Ergebnisse 0 Credits berechnet, zahlst du im abgerechneten Schritt nur für Adressen, die die Prüfung bestehen. Ein Agent kann dein Guthaben weder beim Erkunden noch für Bounces verbrennen.
Eine echte Sitzung, von Anfang bis Ende
So sieht die Schleife in der Praxis aus. Du fragst: „Finde Heads of Operations bei mittelgroßen Logistikunternehmen in Deutschland und den Niederlanden.“ Claude ruft das Zähl-Tool mit seiner ersten Auslegung dieser Anfrage auf, etwa 50 bis 500 Mitarbeitende, ein Branchenfilter für Transport und Logistik und zwei Ländercodes, und meldet zum Beispiel 4.800 passende Personen.
Dann kommt der spannende Teil: Du hinterfragst das Ergebnis, bevor du dafür zahlst. Frag, wie sich die Zählung auf die Länder verteilt, und fordere eine maskierte Stichprobe der Titel an. Claude führt Vorschau-Aufrufe aus, du merkst, dass der Titelfilter Schichtleiter im Lager mitnimmt, du ziehst ihn enger, und die Zählung ändert sich. Mach weiter, bis die ausgelegten Filter und die sichtbare Stichprobe ein Segment beschreiben, an das du wirklich glaubst.
Erst dann sagst du: „Schalte die besten 200 frei und exportiere sie als CSV.“ Das ist der erste Moment, in dem Credits ausgegeben werden, für eine Liste, die du schon aus drei Blickwinkeln geprüft hast, und jede Adresse wird beim Export per SMTP geprüft.
Ein praktischer Tipp für Wiederholbarkeit: Sobald eine Definition sitzt, lass Claude das finale Filterset ausdrücklich wiedergeben: Branchen, Mitarbeiterklassen, Länder, Titelmuster. Füge das in eine Projektdatei oder einen System-Prompt ein, dann startet die nächste Sitzung von einer bewährten Basis, statt das ICP neu herzuleiten.
Der Prompt, der Claude innerhalb der Leitplanken hält
Sag Claude, dass es in Stufen arbeiten soll: erstens das ICP als ausdrückliche Filter wiedergeben; zweitens eine Zählung ausführen; drittens eine maskierte Vorschau zeigen und Abweichungen erklären; viertens auf Freigabe warten; erst dann eine feste Höchstzahl an Kontakten freischalten oder exportieren. So wird die Freigabegrenze Teil der Aufgabe, statt darauf zu vertrauen, dass der Agent sie selbst erkennt.
Ein praktischer Prompt lautet: „Übersetze dieses ICP in ausdrückliche Firmen- und Personenfilter. Zeig mir die Filter, zähle die Treffer und zeig fünf maskierte Datensätze in der Vorschau. Schalte nichts frei, reichere nichts an, erstelle keinen kostenpflichtigen Export und übertrage nichts an ein anderes System, bis ich die finalen Filter und ein Ausgabelimit freigebe.“ Lass Claude nach der Vorschau die erwartete kostenpflichtige Aktion, das Datensatzlimit und das aktuelle Guthaben nennen, bevor du freigibst.
Speichere für wiederholbare Läufe das freigegebene Filterobjekt und die Ausschlussregeln. Speichere keine breite Anweisung wie „finde gute Käufer“, weil ein künftiges Modell oder ein geändertes Datenvokabular sie anders auslegen kann.
Teste die Fehlerpfade, bevor du dem Normalfall vertraust
Eine funktionierende Zählung ist kein Beleg für den ganzen Ablauf. Teste eine Anfrage ohne Treffer, einen bewusst nicht unterstützten Filter, eine abgelaufene oder widerrufene Verbindung, zu wenig Guthaben, eine Anfrage mit Rate Limit und eine doppelte Exportanfrage. Claude sollte den Zustand erklären und anhalten, statt die Zielgruppe stillschweigend zu erweitern oder eine kostenpflichtige Aktion ohne Grenze zu wiederholen.
Vergleiche nach einem freigegebenen Export das angeforderte Limit, die gelieferten Zeilen, die Zahl gültiger Ergebnisse, die berechneten Credits und den Jobstatus. Ungültige, Catch-all-, unbekannte, gesperrte und doppelte Ergebnisse sollten nicht zu einer einzigen Erfolgszahl zusammengefasst werden.
Trenne zum Schluss den Connector in Claude und widerrufe ihn in Argorant. Bestätige, dass das alte Token keine Kontodaten mehr lesen kann. Der Widerruf ist Teil des Einrichtungstests, kein nachträglicher Verwaltungsschritt.
Wenn du lieber im Terminal bleibst
Derselbe Workflow funktioniert auch ohne Agent dazwischen. Die Argorant-CLI ist auf npm veröffentlicht, `npx argorant` startet sie ohne Installation, und sie bietet Suche, Zählungen, Freischaltungen und Exporte als Befehle, die du skripten kannst. Sie authentifiziert sich mit demselben Konto und demselben Credit-Guthaben, sodass ein Cron-Job, ein CI-Schritt oder ein schneller einmaliger Abruf aus der Shell alle aus einer Quelle schöpfen.
Die CLI ist auch die pragmatische Debugging-Ebene für Agent-Workflows: Wenn du genau bestätigen willst, was ein Filter trifft, bevor du ihn in die Anweisungen eines Agents schreibst, liefert dir ein Befehl die Wahrheit.
Warum das die Dashboard-Schleife schlägt
Der strukturelle Gewinn: Iteration wird fast kostenlos, bei Zeit und bei Credits. In einem klassischen Tool kostet jede Verfeinerung ein Neuladen der Seite und jeder Fehler einen Export. In der Agent-Schleife ist eine Verfeinerung ein Satz, und Fehler fallen schon in der Vorschau auf, bevor Geld fließt.
Außerdem lässt sich der Listenaufbau mit allem verbinden, was dein Agent sonst tut. Claude kann die Liste ziehen, die erste Nachricht mit Bezug auf die Branche jeder Firma entwerfen und die Datei an deinen Sequencer übergeben, in einem Gespräch, mit 626,5 Mio. Kontakten in 202 Ländern hinter einem Protokoll, das der Agent bereits spricht. Einmal verbinden, dann keine Dropdowns mehr klicken.
