MCP Meta Ads · interrogare le campagne via Model Context Protocol
MCP server che espone l’API Meta Marketing come tool consumabile da assistenti AI, permettendo di interrogare campagne, audience e creative in linguaggio naturale e con dati reali.
Un MCP server per Meta Ads è un componente software che espone le funzioni della Marketing API di Meta come tool consumabili da un assistente AI conversazionale (Claude, GPT, Gemini). Il Model Context Protocol (MCP), specificato da Anthropic nel 2024, è lo standard aperto con cui gli assistenti AI dialogano con sistemi esterni: l’AI invoca funzioni, riceve dati strutturati, ragiona su di essi.
L’effetto pratico per uno strategist: invece di aprire Ads Manager, cliccare 8 schermate e leggere un report, basta chiedere "mostrami le 5 campagne con CPA più alto nelle ultime 14 giorni e suggerisci cause possibili". L’AI usa l’MCP per recuperare i dati reali, li elabora e risponde.
Cos’è un MCP server in pratica
Un MCP server è un processo locale (sul Mac dello strategist o su un server di agenzia) che:
- Si autentica sulla Marketing API di Meta usando un access token dell’account pubblicitario.
- Espone funzioni ("tool") che l’AI può invocare:
list_campaigns,get_insights,create_audience,list_ads, ecc. - Riceve chiamate dall’assistente AI quando questo decide di usare un tool.
- Restituisce risultati strutturati (JSON tipicamente) che l’AI legge e su cui ragiona.
Il MCP server non è un agente autonomo: è un’estensione delle capacità di un’AI conversazionale. Tutte le decisioni restano umane (l’AI suggerisce, lo strategist conferma e applica).
Esempi di workflow
1. Diagnostica campagna sotto-performante
Strategist a Claude: "Le campagne dell’account Y nelle ultime 2 settimane hanno CPA in salita del 30%. Aiutami a capire perché."
Claude usa l’MCP per:
list_campaigns(account_id=Y, status=ACTIVE)→ 8 campagne attiveget_insights(campaign_ids=..., date_range=last_14_days)→ metriche aggregateget_insights(campaign_ids=..., date_range=previous_14_days)→ confronto
Claude individua: 3 campagne stabili, 5 in degradazione. Delle 5, 4 condividono un creative pubblicato 15 giorni fa che ha hook rate crollato da 28% a 12% (usura creative classica). Risponde con diagnosi + raccomandazione di refresh creative.
Lo strategist verifica, conferma, lancia il refresh.
2. Audit pre-lancio
"Sto per lanciare una campagna nuova con questo brief: [paste setup]. Verifica coerenza con le campagne esistenti dell’account Y."
Claude usa MCP per leggere audience esistenti, posizionamenti, creative in pipeline. Identifica sovrapposizioni audience (cannibalizzazione tra ad set), CTR storici per posizionamenti simili, eventuali esclusioni mancanti. Output: 4-7 issue da fixare prima del go-live.
3. Reportistica conversazionale
"Genera report settimanale per cliente Z: top 3 campagne per ROAS, evoluzione vs settimana precedente, 2 raccomandazioni."
Claude usa MCP per pull dati, costruisce il report in markdown con tabelle e commento. Lo strategist lo riformatta in slide e lo invia.
Cosa l’MCP non fa (limiti)
- Non sostituisce la decisione strategica: l’MCP esegue query e applica raccomandazioni proposte dall’AI, ma il giudizio finale è umano. Errore comune: delegare anche il "ok, applica".
- Non vede ciò che non è in API: alcune funzioni di Ads Manager non sono esposte via API (es. preview specifici, alert), e l’MCP non le copre.
- Dipende dalle policy access token: se il token ha permessi limitati (read-only, single account), l’MCP eredita quei limiti.
- Non è multi-cliente automatico: ogni client richiede setup separato di access token e config.
Setup operativo minimo
Per un’agenzia che vuole sperimentare oggi (2026):
- Generare un System User access token dal Business Manager con scope
ads_managementeads_read. - Installare un MCP server Meta Ads (esistono implementazioni open source su GitHub, sia ufficiali Meta che community-built).
- Configurare l’assistente AI (Claude Desktop, Cursor, Continue) per riconoscere l’MCP server. Configurazione tipica: file JSON con path al binario MCP e access token.
- Test minimo: chiedere all’AI "list campaigns of account X" e verificare risposta corretta.
Tempo di setup tipico: 1-2 ore per il primo onboarding, 15 minuti per ogni client successivo.
Cosa cambierà nei prossimi 12-24 mesi
Il pattern MCP è in fase di consolidamento. Tre direzioni di evoluzione probabili:
- MCP write-enabled con human-in-the-loop: l’AI può proporre modifiche (es. nuova audience, refresh creative, scaling budget) e l’inserzionista approva con un click. Riduce il tempo strategico da 30 minuti a 3 minuti per operazione.
- Agenti continuativi: AI che monitora 24/7 le campagne e segnala anomalie via Slack/Teams. Riduce la latency tra problema e diagnosi da giorni a ore.
- Cross-platform MCP: stessa AI dialoga con MCP Meta + Google Ads + TikTok Ads, consentendo analisi cross-platform reali invece di silos.
Il valore dell’MCP non è "fare le cose più velocemente". È abbassare il costo di porre domande sui dati. Quando porre una domanda costa poco, se ne pongono di più, e si scoprono pattern che il workflow manuale non avrebbe esplorato.
Vedi anche: Marketing API, Workflow AI 3 fasi, Advantage+ Audience.
Continua a leggere
- Meta tecnica· 3 minAdvantage+ Audience vs Original Audience · quando usare qualeDecision framework operativo fra audience automatizzata (Advantage+) e audience manuale (Original/Core), in funzione di obiettivo, maturità account, dimensione mercato, vincoli legali.
- Concetti· 4 minLogica booleana nel targeting Meta · AND, OR, NOTCome si combinano i criteri di Detailed Targeting con gli operatori AND (restringe), OR (amplia), NOT (esclude). Quali errori logici fanno fallire un’audience ben pensata.
- Framework· 4 minWorkflow AI in 3 fasi · Ricerca, Creazione, ValidazioneMetodologia operativa per usare gli assistenti AI (Claude, GPT, Gemini) nel processo di pianificazione di una campagna Meta, distinguendo tre fasi con tool e prompt diversi.