MCP Workflow Examples for AI Market Research

These examples assume you have connected the Minds MCP server for ChatGPT, Claude, and Cursor. If not, follow the Minds MCP setup guide 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:

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

모델이 자신이 제안한 질문이나 방법을 임의로 승인해서는 안 됩니다. 간단한 Studies는 간단하게 유지하세요. list_research_methods를 확인하세요. Conjoint와 다른 사용 가능한 정량 방법은 등록된 설계와 계산을 실행하며 고급 방법에는 명시적 동의가 필요합니다. 대안은 승인 전에 검토하세요. 질문에 할당된 에셋은 study_heatmap으로 별도의 시각 분석을 조회하거나 시작합니다. 실제 반환된 근거만 보고하세요.

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.

확정된 실행은 한 명의 응답자가 설문에 답하듯이 응답됩니다. 문항은 순서대로 실행되고 각 Mind는 해당 실행에서 자신이 앞서 한 답변만 볼 수 있으므로, 실제 조사처럼 순서 효과가 나타날 수 있습니다. 설계상 이를 통제해야 한다면 별도의 실행 간에 문항 순서를 순환하세요. 건너뛰기 로직에는 문항에 앞선 선택형 문항과 그 선택지를 지정하는 askIf를 설정합니다. 질문받지 않은 Minds는 해당 문항의 결과에서 제외되며, 아무에게도 묻지 않은 문항은 실패가 아니라 not_asked로 보고됩니다. 실행 후 answerConsistency는 같은 Mind의 다른 답변과 모순되는 답변에 플래그를 표시합니다. 플래그는 검토용이며 답변 자체는 절대 변경되지 않습니다.

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

"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

"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

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

Step 4: Run Survey Questions

"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

"Show me the analytics for the Sustainable Skincare Study"

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

오디언스 검증하기

오디언스의 답변이 공개된 실제 설문조사와 얼마나 가까운지 확인할 때 어시스턴트는 다음 순서를 따릅니다.

오디언스 생성 또는 선택(준비된 Minds 10개 이상)
  -> validate_audience(가장 잘 맞는 공개 설문조사를 찾거나 지정한 benchmarkIds 사용)
  -> status가 completed, failed, cancelled 중 하나가 될 때까지 batchId로 get_audience_validation 호출
  -> 종합 점수, 설문조사별 점수와 95% 범위, 제외된 질문 확인

validate_audience와 get_audience_validation은 도구를 직접 호출하는 MCP 클라이언트에서 이름으로 호출할 수 있습니다. 어시스턴트의 도구 검색에는 아직 표시되지 않으며, 같은 기능은 지금 v1 API와 오디언스의 검증 탭에서 사용할 수 있습니다.

한 번의 실행은 보통 10~60분이 걸리므로 어시스턴트는 한 번의 호출로 기다리지 않고 상태를 주기적으로 확인합니다. 설문조사별 점수를 범위 및 질문 대상과 함께 보고하고, 제외된 질문과 그 이유도 사용자에게 보여줍니다. batchId 없이 get_audience_validation을 호출하면 오디언스의 전체 타당도와 이번 달 남은 포함 검증 횟수를 반환합니다.

부분 집단의 결과를 설명하기 전에 어시스턴트는 respondentScope를 읽어야 합니다. 예를 들어 간호사 설문은 의료 종사자 16명으로 구성된 Audience에서 Mind 12명을 선택할 수 있습니다. 비율과 함께 “Mind 16명 중 12명, 간호사”를 표시하고 전체 의료 종사자의 타당성으로 제시하지 마세요. 주의 사항은 코호트로 확인된 소속, 추가 프로필 근거로 뒷받침된 소속, 불확실한 사례, 명확한 불일치를 구분합니다.

적격성은 응답 수집 전에 응답과 독립적으로 평가합니다. 개별 근거로 코호트 정보의 빈틈을 보완할 수 있지만 집계 분포만으로 개인의 자격을 증명할 수는 없습니다. 확인되거나 근거가 있는 구성원만 참여하며 최소 10명이 필요합니다. 기준에 못 미치면 설문을 진행하지 않은 이유를 설명하세요. 모델은 선택을 담당하고 일치율은 수치 비교로 계산합니다. 비용은 실제 선택된 응답자를 기준으로 하며 종합 점수에서 하위 집단 결과는 제외합니다. 일부 Mind가 다른 Audience에도 속해 있더라도 해석은 이 Audience에 한정하세요.

프롬프트 예시:

"내 'German SaaS buyers' 오디언스를 공개 설문조사로 검증하고 얼마나 가까운지 알려줘."

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.

질문이나 Mind의 답변이 누락되면 수집이 status: "partial" 상태로 끝날 수 있습니다. 이 종료 상태에서는 폴링을 멈추고 누락 내용을 설명하세요. 완전한 결과라고 표시하지 마세요. progress.pct는 응답자 충족률이 아니라 종료된 질문의 비율입니다. 새 질문 출력은 outputData.responseCoverage에 expected, received 및 누락된 Audience/Mind 소속 조합을 저장합니다. progress.partial은 불완전한 응답 범위가 기록된 질문 수입니다. 이전 결과에 이 데이터가 없다고 해서 모두 응답했다는 뜻은 아닙니다. 유효한 원본 답변과 결과를 변경하지 말고, 별도로 재시도하기 전에 누락 내용을 검토하세요.