bel-crm-db

name

bel-crm-db

description

Uses the mcp postgresql to read and write crm relevant data to the crm database: Its about: sales_opportunity (Verkaufschancen) person (Kontaktperson im Unternehmen) company_site (Ein Standort eines Unternehmens) event (Aktivität, TODO, ... insgesamt bilden die Aktivitäten die Historie und die Zukunft von company_site, person und sales_opportunity ab) data_files (Dateien: PDFs, Bilder, E-Mail-Anhänge, Office-Dokumente - verknüpft mit CRM-Entitäten)

CRITICAL: SQL Limitations - READ FIRST!

Before writing ANY SQL, know these PostgreSQL MCP server limitations:

FORBIDDEN	WHY	USE INSTEAD
RETURNING	Syntax error	Query ID separately with read_query
ON CONFLICT	Not supported	Check existence first, then INSERT or UPDATE
Multiple statements	Not allowed	One statement per tool call

Example - CORRECT pattern for INSERT:

-- Step 1: write_query (NO RETURNING!)
INSERT INTO company_site (name, created_at, updated_at)
VALUES ('Acme GmbH', now(), now());

-- Step 2: read_query (get ID if needed)
SELECT id FROM company_site WHERE name = 'Acme GmbH' ORDER BY created_at DESC LIMIT 1;

For complete SQL rules, see the bel-crm-sql-rules skill.

---

You will probably only use those tools from postgresql mcp server:

• mcp__postgresql__read_query,
• mcp__postgresql__write_query

This is the SCHEMA you will work on:

Hier ist das vollständige Datenbankschema:

📊 Datenbank-Schema Übersicht

Die Datenbank enthält 6 Tabellen für ein CRM-System:

---

1. adressen (Legacy-Adresstabelle)

Persönliche Kontaktdaten (deutschsprachig):

Spalte	Typ	Beschreibung
id	INTEGER	🔑 Primary Key
vorname	VARCHAR	Vorname
nachname	VARCHAR	Nachname
strasse_hausnummer	VARCHAR	Straße & Hausnummer
plz	VARCHAR	Postleitzahl
ort	VARCHAR	Ort
email	VARCHAR	E-Mail
mobil	VARCHAR	Mobilnummer
tel	VARCHAR	Telefon
erstellt_am	TIMESTAMP	Erstellungsdatum
aktualisiert_am	TIMESTAMP	Aktualisierungsdatum

---

2. company_site (Unternehmensstandorte)

Firmeninformationen und Standorte:

Spalte	Typ	Beschreibung
id	INTEGER	🔑 Primary Key
name	VARCHAR	⚠️ NOT NULL - Firmenname
address_street	VARCHAR	Straße
address_city	VARCHAR	Stadt
address_state	VARCHAR	Bundesland
address_postal_code	VARCHAR	PLZ
address_country	VARCHAR	Land
industry	VARCHAR	Branche
website	VARCHAR	Website
linkedin_company_url	VARCHAR	LinkedIn-Profil
company_size	VARCHAR	Unternehmensgröße
annual_revenue	BIGINT	Jahresumsatz
notes	TEXT	Notizen
tags	JSONB	Tags (JSON)
created_at	TIMESTAMP	Erstellt am
updated_at	TIMESTAMP	Aktualisiert am

---

3. person (Kontaktpersonen)

Ansprechpartner in Unternehmen:

Spalte	Typ	Beschreibung
id	INTEGER	🔑 Primary Key
name	VARCHAR	⚠️ NOT NULL - Name
email	VARCHAR	E-Mail
phone	VARCHAR	Telefon
linkedin_url	VARCHAR	LinkedIn-Profil
company_site_id	INTEGER	🔗 FK → company_site
job_title	VARCHAR	Jobtitel
department	VARCHAR	Abteilung
notes	TEXT	Notizen
tags	JSONB	Tags (JSON)
created_at	TIMESTAMP	Erstellt am
updated_at	TIMESTAMP	Aktualisiert am

---

4. sales_opportunity (Verkaufschancen)

Sales-Pipeline und Opportunities:

Spalte	Typ	Beschreibung
id	INTEGER	🔑 Primary Key
title	VARCHAR	⚠️ NOT NULL - Titel
value_eur	NUMERIC	Wert in EUR
probability	INTEGER	Wahrscheinlichkeit (%)
status	VARCHAR	Status (default: 'open')
description	TEXT	Beschreibung
expected_close_date	DATE	Erwarteter Abschluss
actual_close_date	DATE	Tatsächlicher Abschluss
person_id	INTEGER	🔗 FK → person
company_site_id	INTEGER	🔗 FK → company_site
source	VARCHAR	Quelle
competitors	TEXT	Wettbewerber
next_steps	TEXT	Nächste Schritte
notes	TEXT	Notizen
tags	JSONB	Tags (JSON)
created_at	TIMESTAMP	Erstellt am
updated_at	TIMESTAMP	Aktualisiert am

---

5. event (Aktivitäten/Events)

Aktivitätsverlauf (Meetings, Calls, etc.):

Spalte	Typ	Beschreibung
id	INTEGER	🔑 Primary Key
type	VARCHAR	⚠️ NOT NULL - Event-Typ
description	TEXT	⚠️ NOT NULL - Beschreibung
event_date	TIMESTAMP	⚠️ NOT NULL - Event-Datum
person_id	INTEGER	🔗 FK → person
company_site_id	INTEGER	🔗 FK → company_site
opportunity_id	INTEGER	🔗 FK → sales_opportunity
metadata	JSONB	Zusatzdaten (JSON)
created_at	TIMESTAMP	Erstellt am

---

6. data_files (Dateien & E-Mail-Anhänge)

Speichert Dateien (PDFs, Bilder, Office-Dokumente, E-Mail-Anhänge) mit Base64-Encoding:

Spalte	Typ	Beschreibung
id	INTEGER	🔑 Primary Key
person_id	INTEGER	🔗 FK → person
company_site_id	INTEGER	🔗 FK → company_site
event_id	INTEGER	🔗 FK → event
sales_opportunity_id	INTEGER	🔗 FK → sales_opportunity
filename	VARCHAR	⚠️ NOT NULL - Dateiname (oder E-Mail-Subject)
file_type	VARCHAR	⚠️ NOT NULL - pdf, image, docx, pptx, xlsx, email, other
mime_type	VARCHAR	MIME-Type (z.B. application/pdf, message/rfc822)
file_size_bytes	BIGINT	Dateigröße in Bytes (max 100MB)
file_hash	VARCHAR	SHA-256 Hash (Duplikat-Erkennung)
source	VARCHAR	⚠️ NOT NULL - email_attachment, user_upload, agent_download, email_message
source_email_id	VARCHAR	MS365 Message ID
source_path	VARCHAR	Originaler Dateipfad
file_data	TEXT	Base64-kodierter Dateiinhalt (NULL bei E-Mails ohne Anhang)
email_metadata	JSONB	E-Mail-Metadaten (from, to, cc, subject, date, importance)
email_body_text	TEXT	E-Mail-Body als Plain Text
email_body_html	TEXT	E-Mail-Body als HTML
extracted_text	TEXT	Extrahierter Text (für Volltextsuche)
extraction_method	VARCHAR	pdf_text, ocr, docx_parse, email_body, etc.
extraction_status	VARCHAR	pending, completed, failed, skipped
extraction_error	TEXT	Fehlermeldung bei Extraktion
description	TEXT	Benutzer-Beschreibung
tags	JSONB	Tags (JSON)
created_at

Beispiel - Komplette E-Mail speichern (mit Body):

INSERT INTO data_files (
    person_id, filename, file_type, mime_type,
    source, source_email_id, email_metadata,
    email_body_text, email_body_html,
    extracted_text, extraction_method, extraction_status
) VALUES (
    1,
    'Re: Contract Draft',  -- Subject als filename
    'email',
    'message/rfc822',
    'email_message',
    'AAMkAGI2TG93AAA=',
    '{
      "subject": "Re: Contract Draft",
      "from": {"name": "John Doe", "email": "[e-mail]"},
      "to": [{"email": "[e-mail]"}],
      "cc": [{"email": "[e-mail]"}],
      "received_at": "2025-01-15T10:30:00Z",
      "importance": "high",
      "hasAttachments": true,
      "conversationId": "AAQkAGI2..."
    }'::jsonb,
    'Hallo, anbei der überarbeitete Vertragsentwurf...',  -- Plain text
    '<html><body><p>Hallo, anbei der überarbeitete Vertragsentwurf...</p></body></html>',
    'Hallo, anbei der überarbeitete Vertragsentwurf...',  -- Für Suche
    'email_body',
    'completed'
) RETURNING id, filename;

Beispiel - E-Mail-Anhang speichern (verknüpft mit E-Mail):

-- Erst E-Mail speichern, dann Anhänge mit gleicher source_email_id
INSERT INTO data_files (
    person_id, filename, file_type, mime_type, file_size_bytes,
    source, source_email_id, file_data, email_metadata
) VALUES (
    1, 'contract.pdf', 'pdf', 'application/pdf', 245678,
    'email_attachment', 'AAMkAGI2TG93AAA=',  -- Gleiche ID wie E-Mail!
    '<base64-encoded-content>',
    '{"subject": "Re: Contract Draft", "from": {"email": "[e-mail]"}}'::jsonb
) RETURNING id, filename;

Alle Dateien einer E-Mail finden (E-Mail + Anhänge):

SELECT id, filename, file_type, source, file_size_bytes
FROM data_files
WHERE source_email_id = 'AAMkAGI2TG93AAA='
ORDER BY file_type = 'email' DESC, filename;

Beispiel - Datei aus _DATA_FROM_USER hochladen:

INSERT INTO data_files (
    company_site_id, filename, file_type, mime_type, file_size_bytes,
    source, source_path, file_data
) VALUES (
    5, 'proposal.pdf', 'pdf', 'application/pdf', 512000,
    'user_upload', '_DATA_FROM_USER/proposal.pdf',
    '<base64-encoded-content>'
) RETURNING id, filename;

Volltextsuche in extrahiertem Text:

SELECT id, filename, person_id, company_site_id
FROM data_files
WHERE to_tsvector('german', extracted_text) @@ to_tsquery('german', 'Vertrag & Angebot');

---

7. schema_migrations (System-Tabelle)

Datenbank-Migrationen:

Spalte	Typ	Beschreibung
id	BIGINT	Migrations-ID
applied	TIMESTAMP	Ausführungsdatum
description	VARCHAR	Beschreibung

---

🔗 Beziehungen (Foreign Keys)

company_site (1) ──┬── (N) person ├── (N) sales_opportunity ├── (N) event └── (N) data_files

person (1) ────────┬── (N) sales_opportunity ├── (N) event └── (N) data_files

sales_opportunity (1) ─┬── (N) event └── (N) data_files

event (1) ──────────── (N) data_files

---

⚠️ WICHTIG: KEINE UNIQUE CONSTRAINTS AUF name!

Die Tabellen haben KEINE UNIQUE-Constraints auf name:

• company_site.name ist NICHT unique
• person.name ist NICHT unique
• sales_opportunity.title ist NICHT unique

NIEMALS ON CONFLICT (name) verwenden! Das führt zu Fehlern!

Stattdessen:

1. ERST prüfen ob Eintrag existiert: SELECT id FROM company_site WHERE name ILIKE '%..%'
2. DANN entweder UPDATE (wenn gefunden) oder INSERT (wenn nicht gefunden)

Beispiel - Firma erstellen oder finden:

-- SCHRITT 1: Prüfen ob existiert
SELECT id, name FROM company_site WHERE name ILIKE '%Kölner Stadt%' LIMIT 1;

-- SCHRITT 2a: Falls gefunden → UPDATE
UPDATE company_site SET updated_at = CURRENT_TIMESTAMP, notes = 'Updated...' WHERE id = <gefundene_id>;

-- SCHRITT 2b: Falls nicht gefunden → INSERT
INSERT INTO company_site (name, address_city, created_at, updated_at)
VALUES ('Neue Firma GmbH', 'Berlin', CURRENT_TIMESTAMP, CURRENT_TIMESTAMP)
RETURNING id;

---

💡 Besonderheiten

• JSONB-Felder: tags, metadata, email_metadata für flexible Erweiterungen
• Timestamps: Auto-Update via CURRENT_TIMESTAMP
• Dual-System: Alte adressen-Tabelle + neues CRM-Schema
• Multi-Entity Events: Events können mit Person, Firma ODER Opportunity verknüpft sein
• Dateispeicherung: Base64-kodiert in TEXT-Feld (max 100MB)
• Volltextsuche: GIN-Index auf extracted_text für deutsche Suche
• Duplikat-Erkennung: SHA-256 Hash auf file_hash

---

📎 Datei-Workflows

E-Mail-Anhänge extrahieren (MS365)

1. E-Mails suchen:

   mcp__ms365__list-mail-messages mit filter oder search
   

2. Anhänge auflisten:

   mcp__ms365__list-mail-attachments(messageId)
   

3. Anhang-Inhalt holen (bereits Base64!):

   mcp__ms365__get-mail-attachment(messageId, attachmentId)
   → contentBytes ist bereits Base64-kodiert
   

4. In CRM speichern:

   INSERT INTO data_files (person_id, filename, file_type, source, file_data, email_metadata)
   VALUES (...) RETURNING id;
   

User-Upload aus _DATA_FROM_USER

1. Datei lesen und Base64-kodieren (in Python/Node)
2. SHA-256 Hash berechnen für Duplikat-Check
3. In CRM mit source = 'user_upload' speichern

Text-Extraktion

Dateityp	Methode	extraction_method
PDF	Text-Extraktion (pypdf)	pdf_text
PDF (gescannt)	OCR (pytesseract)	pdf_ocr
Bild	OCR (pytesseract)	ocr
DOCX	python-docx	docx_parse
PPTX	python-pptx	pptx_parse
XLSX	openpyxl	xlsx_parse