
Amazon Ads MCP Server
Amazon Ads MCP Server forbinder AI-assistenter og Amazon Advertising ved at tilbyde problemfri programmatisk adgang til kampagnestyring, rapportering, anbefalin...
Forbind dine AI-flows til Facebook Ads for problemfri kampagnestyring, rapportering og automatisering—sikkert og effektivt med Facebook Ads MCP Server.
Facebook Ads MCP Server er en Model Context Protocol (MCP) server, der fungerer som et interface til Facebook Ads-platformen, så AI-assistenter og udviklingsmiljøer kan tilgå og administrere Facebook Ads-data programmatisk. Ved at forbinde denne MCP-server til din AI-klient kan du automatisere opgaver som at forespørge annoncepræstation, styre kampagner og få adgang til rapporter—alt sammen uden manuelt at skulle bruge Facebook Ads-UI. Serveren forenkler autentificeringen—enten ved at spørge efter din adgangstoken eller generere en via GoMarbles sikre infrastruktur—så opsætningen bliver enkel. Denne integration gør det muligt for udviklere at opbygge, administrere og analysere annoncekampagner mere effektivt ved at udnytte AI-drevne workflows og automatiseringer.
Ingen information fundet i repositoryet om tilgængelige prompt-skabeloner.
Ingen eksplicitte ressource-definitioner fundet i repositoryet eller dokumentationen.
Ingen eksplicit værktøjsliste fundet i dokumentationen eller i den synlige server.py-beskrivelse. Sektionen “Available MCP Tools” findes i readme, men ingen yderligere detaljer er givet i det hentede indhold.
Sørg for, at Python 3.10+ er installeret, og at afhængighederne i requirements.txt
er opfyldt.
Hent en Facebook Access Token med de nødvendige tilladelser.
Find din Windsurf konfigurationsfil.
Tilføj Facebook Ads MCP Server til sektionen mcpServers
:
{
"mcpServers": {
"fb-ads-mcp-server": {
"command": "python",
"args": [
"/path/to/your/fb-ads-mcp-server/server.py",
"--fb-token",
"YOUR_FACEBOOK_ACCESS_TOKEN"
]
}
}
}
Gem konfigurationen og genstart Windsurf. Verificer, at MCP-serveren fremgår i interfacet.
Brug miljøvariabler for at sikre din adgangstoken:
{
"mcpServers": {
"fb-ads-mcp-server": {
"command": "python",
"args": [
"/path/to/your/fb-ads-mcp-server/server.py",
"--fb-token",
"${FACEBOOK_ACCESS_TOKEN}"
],
"env": {
"FACEBOOK_ACCESS_TOKEN": "your-token-value"
}
}
}
}
Installer Python 3.10+ og afhængigheder fra requirements.txt
.
Hent en Facebook Access Token.
Rediger Claude-konfigurationen som følger:
{
"mcpServers": {
"fb-ads-mcp-server": {
"command": "python",
"args": [
"/path/to/your/fb-ads-mcp-server/server.py",
"--fb-token",
"YOUR_FACEBOOK_ACCESS_TOKEN"
]
}
}
}
Gem og genstart Claude. Verificer serverforbindelsen.
Installer Python 3.10+ og afhængigheder.
Hent en Facebook Access Token.
Opdater Cursor MCP-konfigurationen:
{
"mcpServers": {
"fb-ads-mcp-server": {
"command": "python",
"args": [
"/path/to/your/fb-ads-mcp-server/server.py",
"--fb-token",
"YOUR_FACEBOOK_ACCESS_TOKEN"
]
}
}
}
Genstart Cursor efter at have gemt ændringerne.
Sørg for, at Python 3.10+ og afhængigheder er installeret.
Sikr din Facebook Access Token.
Rediger Cline-konfigurationsfilen:
{
"mcpServers": {
"fb-ads-mcp-server": {
"command": "python",
"args": [
"/path/to/your/fb-ads-mcp-server/server.py",
"--fb-token",
"YOUR_FACEBOOK_ACCESS_TOKEN"
]
}
}
}
Gem og genstart Cline.
Brug altid miljøvariabler til følsomme legitimationsoplysninger (se JSON-eksempler ovenfor).
Brug af MCP i FlowHunt
For at integrere MCP-servere i dit FlowHunt-workflow skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:
Klik på MCP-komponenten for at åbne konfigurationspanelet. I system-MCP-konfigurationssektionen indsæt dine MCP-serverdetaljer med dette JSON-format:
{
"facebook-ads-mcp": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Når det er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “facebook-ads-mcp” til navnet på din MCP-server, og udskift URL’en med din egen MCP-server-URL.
Sektion | Tilgængelighed | Detaljer/Noter |
---|---|---|
Oversigt | ✅ | Oversigt, opsætning og brugervejledning fundet |
Liste over Prompter | ⛔ | Ingen prompt-skabeloner angivet |
Liste over Ressourcer | ⛔ | Ingen eksplicitte ressourcer beskrevet |
Liste over Værktøjer | ⛔ | “Available MCP Tools”-sektionen findes, men ikke detaljeret |
Sikring af API-nøgler | ✅ | Instruktioner til brug af miljøvariabler |
Sampling Support (mindre vigtigt i evaluering) | ⛔ | Ingen information |
Mellem ovenstående sektioner leverer Facebook Ads MCP Server solid opsætningsdokumentation, men mangler offentlig dokumentation om prompts, eksplicitte værktøjer og ressourcer. Dens største styrke er nem integration og klar håndtering af legitimationsoplysninger. Baseret på dokumentationsfuldstændighed og gennemsigtighed vil jeg vurdere denne MCP-server til 5/10.
Har en LICENSE | ✅ (MIT) |
---|---|
Har mindst ét værktøj | ⛔ |
Antal forks | 14 |
Antal stjerner | 68 |
Facebook Ads MCP Server er en bro mellem FlowHunt (og andre AI-agenter) og Facebook Ads-platformen. Den muliggør automatiseret styring af kampagner, adgang til præstationsanalyser og sikker håndtering af legitimationsoplysninger i dine AI-workflows.
Du kan automatisere kampagnestyring, hente realtidsrapporter om præstation, udføre masseoperationer på annoncer og lade AI-assistenter analysere og optimere dine Facebook-annoncer—alt sammen programmatisk.
Du bør bruge miljøvariabler i dine konfigurationsfiler for at undgå at afsløre følsomme legitimationsoplysninger. Se eksemplerne på konfigurationer for hver klient ovenfor for detaljer.
Den nuværende dokumentation nævner ikke specifikke værktøjer eller prompt-skabeloner. Hovedfokus er at levere en robust API-bro til Facebook Ads-data og handlinger.
Du skal bruge Python 3.10+, nødvendige afhængigheder (se requirements.txt), og en Facebook Access Token med passende tilladelser. Følg trin-for-trin-vejledningen for din AI-klient for at konfigurere og starte serveren.
Integrer Facebook Ads MCP Server med FlowHunt for at automatisere kampagne-workflows, strømline rapportering og låse op for AI-drevet optimering af dine annonceaktiviteter.
Amazon Ads MCP Server forbinder AI-assistenter og Amazon Advertising ved at tilbyde problemfri programmatisk adgang til kampagnestyring, rapportering, anbefalin...
ModelContextProtocol (MCP) Server fungerer som et bindeled mellem AI-agenter og eksterne datakilder, API’er og tjenester, så FlowHunt-brugere kan bygge kontekst...
Salesforce MCP Server forbinder FlowHunt og AI-assistenter med Salesforce og muliggør sikker, samtalebaseret adgang til Salesforce-data, skema og automatisering...