---
title: "MCP Workflow Examples for AI Market Research"
description: "[ar] Block-first MCP workflows for cohesive multi-question Studies."
canonical_url: "https://getminds.ai/mcp/ar/workflows"
last_updated: "2026-09-30T13:33:59.325Z"
---

# MCP Workflow Examples for AI Market Research

These examples assume you have connected the [Minds MCP server for ChatGPT, Claude, and Cursor](/mcp/overview). If not, follow the [Minds MCP setup guide](/mcp/setup) first.

## Guided Study Confirmation Workflow

For a broader task, multiple questions, a visual asset, structured outputs, or an explicit research method, the assistant follows this sequence:

```text
User request
  -> plan_study_questions (draft only)
  -> present captured intent, main source, questions, methods, and outputs
  -> ask every returned confirmation question
  -> plan_study_questions again if the user answers or changes anything
  -> explicit user confirmation of the exact revision
  -> run_study_questions
  -> get_study_run until collection settles
  -> get_study_summary
```

يجب ألا يوافق النموذج بصمت على أسئلته أو أساليبه. حافظ على بساطة Studies البسيطة. تحقق من `list_research_methods`: ينفذ Conjoint والأساليب الكمية المتاحة تصميماتها وحساباتها المسجلة؛ وتتطلب المتقدمة موافقة صريحة. راجع البدائل قبل التأكيد. للمادة المرتبطة بسؤال، يقرأ `study_heatmap` التحليل البصري المستقل أو يبدأه. اعرض الأدلة المعادة فقط.

The original `plan_study_questions.request` is planner input and is not sent verbatim to Minds. The preview labels the exact proposed respondent-visible question text; after confirmation, `get_study_run` exposes the confirmed or server-prepared question set as a visibility audit. By contrast, treat all text in a direct `ask_study.question` as respondent-visible input: the system may classify or reformat it, but any part can reach the Minds and influence their answers. Keep planner and MCP-client orchestration notes outside direct questions.

At the execution boundary, a `plan_limited` response means nothing was started: explain the Study-answer limit and required upgrade. During polling, `status: plan_limited` means the processor preserved partial answers but stopped the remaining questions at the paywall. Never call either case complete, and never hide it behind a generic error. After an upgrade, use a follow-up run for only the unanswered questions.

يُجاب عن التشغيل المؤكَّد بالطريقة التي يجيب بها مستجيب واحد عن استبيان: تُطرح الأسئلة بالترتيب، ولا يرى كل Mind إلا إجاباته السابقة في هذا التشغيل، لذلك قد تظهر تأثيرات الترتيب كما في الاستبيانات الميدانية. بدّل ترتيب الأسئلة عبر تشغيلات منفصلة عندما يتطلب التصميم ضبط هذه التأثيرات. لمنطق التخطي، أضف إلى السؤال `askIf` يحدد سؤال اختيار سابقًا وخياراته؛ تُستبعد Minds التي لم يُطرح عليها السؤال من نتائجه، ويُبلغ السؤال الذي لم يُطرح على أحد بالحالة `not_asked` وليس بالفشل. بعد التشغيل، يضع `answerConsistency` علامات على الإجابات التي تتعارض مع إجابات أخرى للـ Mind نفسه. العلامات للمراجعة فقط، ولا تُغيَّر الإجابات أبدًا.

This lifecycle plans research, not every Study action. A standalone “export this” request routes to `export_study`. “Show the same result differently” reads the existing Study or summary and changes presentation without queueing new respondents. Only create a new plan when the requested output changes what evidence the Study must collect.

## Consumer Research Workflow

A typical workflow for a brand team researching a product launch:

### Step 1: Create Consumer Personas

```text
"Create five consumer personas for our skincare launch:
 - 'Lena, 22, Berlin' — Gen Z student, eco-conscious, discovers brands on TikTok
 - 'Maya, 19, London' — retail worker, trend-driven, shops based on peer recommendations
 - 'Aisha, 24, NYC' — junior designer, budget-conscious, cross-references Reddit reviews
 - 'Sarah, 35, Munich' — part-time teacher, mom of two, safety-first buyer
 - 'Jessica, 38, Chicago' — marketing manager, mom, trusts dermatologists over influencers"
```

### Step 2: Organize into Demographic Audiences

```text
"Create an Audience called 'Gen Z Women (18-25)' with Lena, Maya, and Aisha.
Create another Audience called 'Millennial Moms (30-42)' with Sarah and Jessica."
```

### Step 3: Create a Research Study

```text
"Create a Study called 'Sustainable Skincare Launch Study' with both Audiences"
```

### Step 4: Run Survey Questions

```text
"Plan one launch-research question block for the Study with these sections:
1. Price sensitivity: On a scale of 1-10, how likely are you to switch to a sustainable skincare brand if it costs 20% more?
2. Discovery: Where do you typically discover new skincare products?
3. Switching barriers: What would make you stop buying from your current skincare brand?
Show me the complete plan for confirmation, then run all three questions together."
```

### Step 5: Analyze & Export

```text
"Show me the analytics for the Sustainable Skincare Study"

"Export the Study as a PDF report for the brand team"
```

## التحقق من جمهور

للتحقق من مدى قرب إجابات جمهور ما من استطلاعات حقيقية منشورة، يتبع المساعد هذا التسلسل:

```text
إنشاء جمهور أو اختياره (10 Minds جاهزة على الأقل)
  -> validate_audience (يبحث عن الاستطلاعات المنشورة الأنسب أو يستخدم benchmarkIds التي تحددها)
  -> get_audience_validation مع batchId حتى تصبح قيمة status هي completed أو failed أو cancelled
  -> قراءة الدرجة المجمعة، ودرجة كل استطلاع ونطاقه بنسبة 95%، والأسئلة المستبعدة
```

يمكن لعملاء MCP الذين يستدعون الأدوات مباشرةً استدعاء `validate_audience` و`get_audience_validation` بالاسم. لا تظهر الأداتان بعد في اكتشاف الأدوات لدى المساعدين؛ والإمكانية نفسها متاحة الآن عبر v1 API وتبويب التحقق الخاص بالجمهور.

يستغرق التشغيل عادةً من 10 إلى 60 دقيقة، لذلك يستعلم المساعد عن الحالة بشكل دوري بدلاً من انتظار استدعاء واحد. ويعرض درجة كل استطلاع مع نطاقها ومن سألهم الاستطلاع، ويُبقي الأسئلة المستبعدة وأسبابها ظاهرة للمستخدم. ومن دون `batchId`، تُرجع `get_audience_validation` الصلاحية الإجمالية للجمهور وعمليات التحقق المشمولة المتبقية هذا الشهر.

قبل وصف نتيجة تخص جزءًا من المجتمع، يجب على المساعد قراءة `respondentScope`. فمثلًا قد يختار استبيان للتمريض 12 عقل Mind من Audience تضم 16 عاملًا صحيًا. اعرض النسبة مع عبارة «12 من أصل 16 من العقول، من طاقم التمريض»، ولا تقدمها بوصفها صلاحية جميع العاملين الصحيين. تميز التنبيهات بين الانتماء المؤكد ببيانات المجموعة والمدعوم بأدلة أوسع من الملف والحالات غير المؤكدة والتعارضات الصريحة.

تُقيَّم الأهلية قبل جمع الإجابات وباستقلال عنها. يمكن للأدلة الفردية سد نقص بيانات المجموعة، لكن التوزيعات الإجمالية لا تثبت أهلية شخص بعينه. يشارك الأعضاء المؤكدون أو المدعومون فقط، بحد أدنى عشرة. إذا لم يتحقق الحد، فاشرح سبب عدم إجراء الاستبيان. يتولى النموذج الاختيار بينما تُحسب المطابقة بالمقارنة العددية. تتبع التكاليف المشاركين المختارين فعليًا، وتستثني الدرجة المجمعة نتائج المجموعات الفرعية. اربط التفسير بهذه Audience حتى إن كانت بعض العقول تنتمي إلى غيرها أيضًا.

مثال على طلب:

```text
"تحقّق من جمهوري 'German SaaS buyers' مقابل استطلاعات منشورة وأخبرني بمدى قربه منها."
```

## Use Cases

### Product Concept Testing

Create Studies with target consumer Audiences to test product concepts, packaging, and naming before investing in production. Compare reactions across Audiences instantly.

### Pricing Research

Survey synthetic consumers on willingness to pay at different price points. Identify the sweet spot where value perception meets margin targets.

### Brand Perception Audit

Build Studies containing your target Audiences. Ask about brand awareness, trust, and purchase intent in one cohesive question block. Compare your brand against competitors through consumer eyes.

### Campaign Message Testing

Test ad copy, taglines, and visual concepts with synthetic target audiences before committing media spend. Identify which messages resonate with which segments.

### Market Entry Research

Entering a new market? Create consumer personas for the target region and test product-market fit, cultural sensitivities, and channel preferences.

## Example Conversations

### Quick Consumer Insight

**You:** "I need to understand how Gen Z and millennials in Europe feel about subscription-based skincare. Create one Audience for each segment and plan one cohesive Study asking what would convince them to subscribe."

**AI Assistant:** Drafts the Minds and audience structure, creates a Study, presents the exact proposed research question(s), and requests confirmation when the request expands into a broader Study. After execution, it reports the actual returned grouped responses without pre-writing a conclusion.

### Expert Consultation

**You:** "Talk to my Brand Strategy expert about positioning a premium organic baby care line in the German market."

**AI Assistant:** Uses `chat_with_mind` to query the expert Mind and presents its actual response, preserving any returned citations. It labels the output as synthetic expert perspective rather than independent legal or regulatory advice.

### Competitive Analysis

**You:** "Create a Study with 'Loyal Customers' Audiences for our top 3 competitors. Plan one block asking what they love most about their current brand and what frustrates them."

**AI Assistant:** Creates private synthetic Audiences, confirms the comparative multi-question research plan, runs the Study once, and reports only differences supported by the returned responses and calculations.

## Automation guardrails

- Keep new Audiences and Studies private unless the user explicitly requests a public link.
- Planning does not start research. Confirm the exact latest revision before `run_study_questions`.
- Poll status tools instead of treating a timeout or elapsed duration as completion.
- Require explicit confirmation immediately before lifecycle deletion actions.
- Preserve citations, resource IDs, workspace/shared links, and download links exactly.
- Treat `plan_limited` before execution as “nothing started” and `status: plan_limited` during execution as partial, preserved work.
- Use `list_research_methods` before promising a named method; only `executable: true` is runnable.
- Do not infer customer findings in advance. The example prompts in this guide describe workflows, not guaranteed conclusions.

For a full routing and safety contract, see the [MCP operating guide for agents](/mcp/agents).

قد ينتهي جمع الإجابات بالحالة `status: "partial"` عند فقدان سؤال أو إجابة أحد Minds. أوقف الاستعلام الدوري عند هذه الحالة النهائية واشرح النقص؛ لا تعرض النتيجة على أنها مكتملة. يقيس `progress.pct` الأسئلة المنتهية وليس تغطية المشاركين. تحفظ مخرجات الأسئلة الجديدة `outputData.responseCoverage` مع `expected` و`received` وعضويات Audience/Mind المفقودة. يحصي `progress.partial` الأسئلة ذات التغطية غير المكتملة المسجلة. غياب بيانات التغطية في النتائج القديمة لا يثبت أن الجميع أجابوا. احتفظ بالإجابات الأصلية الصالحة ونتائجها دون تغيير، وراجع النواقص قبل بدء محاولة منفصلة.