
Amazon Ads MCP Server
Amazon Ads MCP Server bygger bro mellom AI-assistenter og Amazon Advertising ved å tilby sømløs programmatisk tilgang til kampanjestyring, rapportering, anbefal...
Koble AI-flowene dine til Facebook Ads for sømløs kampanjehåndtering, rapportering og automatisering—trygt og effektivt med Facebook Ads MCP-serveren.
Facebook Ads MCP-serveren er en Model Context Protocol (MCP)-server som fungerer som et grensesnitt mot Facebook Ads-plattformen, slik at AI-assistenter og utviklingsmiljøer kan programmessig få tilgang til og håndtere Facebook Ads-data. Ved å koble denne MCP-serveren til AI-klienten din kan du automatisere oppgaver som å hente annonseytelse, administrere kampanjer og hente rapporter—alt uten å måtte bruke Facebook Ads sitt brukergrensesnitt manuelt. Serveren effektiviserer autentisering—enten ved å be om tilgangstokenet ditt eller generere ett for deg via GoMarbles sikre infrastruktur—slik at oppsettet blir enkelt. Denne integrasjonen gir utviklere muligheten til å bygge, håndtere og analysere annonsekampanjer mer effektivt ved å utnytte AI-drevne arbeidsflyter og automatiseringer.
Ingen informasjon funnet i depotet om tilgjengelige prompt-maler.
Ingen eksplisitte ressursdefinisjoner funnet i depotet eller dokumentasjonen.
Ingen eksplisitt verktøyliste funnet i dokumentasjonen eller i beskrivelsen av server.py. Seksjonen “Available MCP Tools” finnes i readme, men ingen ytterligere detaljer er gitt i det hentede innholdet.
Sørg for at Python 3.10+ er installert og at avhengighetene i requirements.txt
er oppfylt.
Skaff deg en Facebook Access Token med nødvendige tillatelser.
Finn Windsurf-konfigurasjonsfilen din.
Legg til Facebook Ads MCP-serveren i mcpServers
-seksjonen:
{
"mcpServers": {
"fb-ads-mcp-server": {
"command": "python",
"args": [
"/path/to/your/fb-ads-mcp-server/server.py",
"--fb-token",
"YOUR_FACEBOOK_ACCESS_TOKEN"
]
}
}
}
Lagre konfigurasjonen og start Windsurf på nytt. Sjekk at MCP-serveren vises i grensesnittet.
Bruk miljøvariabler for å sikre tilgangstokenet ditt:
{
"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 avhengigheter fra requirements.txt
.
Skaff deg en Facebook Access Token.
Rediger Claude-konfigurasjonen slik:
{
"mcpServers": {
"fb-ads-mcp-server": {
"command": "python",
"args": [
"/path/to/your/fb-ads-mcp-server/server.py",
"--fb-token",
"YOUR_FACEBOOK_ACCESS_TOKEN"
]
}
}
}
Lagre og start Claude på nytt. Sjekk servertilkoblingen.
Installer Python 3.10+ og nødvendige avhengigheter.
Skaff deg en Facebook Access Token.
Oppdater Cursor MCP-konfigurasjonen:
{
"mcpServers": {
"fb-ads-mcp-server": {
"command": "python",
"args": [
"/path/to/your/fb-ads-mcp-server/server.py",
"--fb-token",
"YOUR_FACEBOOK_ACCESS_TOKEN"
]
}
}
}
Start Cursor på nytt etter at du har lagret endringene.
Sørg for at Python 3.10+ og nødvendige avhengigheter er installert.
Sikre Facebook Access Tokenet ditt.
Rediger Cline-konfigurasjonsfilen:
{
"mcpServers": {
"fb-ads-mcp-server": {
"command": "python",
"args": [
"/path/to/your/fb-ads-mcp-server/server.py",
"--fb-token",
"YOUR_FACEBOOK_ACCESS_TOKEN"
]
}
}
}
Lagre og start Cline på nytt.
Bruk alltid miljøvariabler for sensitive legitimasjoner (se JSON-eksempler ovenfor).
Bruke MCP i FlowHunt
For å integrere MCP-servere i FlowHunt-arbeidsflyten din, start med å legge til MCP-komponenten i flowen og koble den til AI-agenten din:
Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon, legg inn informasjon om MCP-serveren din med dette JSON-formatet:
{
"facebook-ads-mcp": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Når dette er konfigurert, kan AI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre “facebook-ads-mcp” til det faktiske navnet på MCP-serveren din og bytt ut URL-en med din egen MCP-server-URL.
Seksjon | Tilgjengelighet | Detaljer/Notater |
---|---|---|
Oversikt | ✅ | Oversikt, oppsett og bruksinformasjon funnet |
Liste over prompts | ⛔ | Ingen prompt-maler oppført |
Liste over ressurser | ⛔ | Ingen eksplisitte ressurser beskrevet |
Liste over verktøy | ⛔ | “Available MCP Tools”-seksjon finnes, men ikke detaljert |
Sikring av API-nøkler | ✅ | Instruksjoner for bruk av miljøvariabler |
Samplingstøtte (mindre viktig i vurdering) | ⛔ | Ingen informasjon |
Mellom seksjonene ovenfor tilbyr Facebook Ads MCP-serveren solid oppsettdokumentasjon, men mangler offentlig dokumentasjon på prompts, eksplisitte verktøy og ressurser. Dens styrke er enkel integrasjon og tydelig håndtering av legitimasjon. Basert på dokumentasjonsgrad og transparens, vil jeg gi denne MCP-serveren 5/10.
Har en LISENS | ✅ (MIT) |
---|---|
Har minst ett verktøy | ⛔ |
Antall forks | 14 |
Antall stjerner | 68 |
Facebook Ads MCP-serveren er en bro mellom FlowHunt (og andre AI-agenter) og Facebook Ads-plattformen. Den muliggjør automatisert håndtering av kampanjer, tilgang til ytelsesanalyse og sikker håndtering av legitimasjon i AI-arbeidsflytene dine.
Du kan automatisere kampanjehåndtering, hente sanntids ytelsesrapporter, kjøre masseoperasjoner på annonser og la AI-assistenter analysere og optimalisere Facebook Ads—alt programmatisk.
Du bør bruke miljøvariabler i konfigurasjonsfilene dine for å unngå å eksponere sensitiv legitimasjon. Se eksempelkonfigurasjonene for hver klient ovenfor for detaljer.
Dagens dokumentasjon oppgir ikke spesifikke verktøy eller prompt-maler. Hovedfokuset er å tilby en robust API-bro for Facebook Ads-data og handlinger.
Du trenger Python 3.10+, nødvendige avhengigheter (se requirements.txt), og en Facebook Access Token med riktige tillatelser. Følg trinn-for-trinn-veiledningen for din AI-klient for å konfigurere og starte serveren.
Integrer Facebook Ads MCP-serveren med FlowHunt for å automatisere kampanjeflyter, effektivisere rapporteringen og låse opp AI-drevet optimalisering for annonsearbeidet ditt.
Amazon Ads MCP Server bygger bro mellom AI-assistenter og Amazon Advertising ved å tilby sømløs programmatisk tilgang til kampanjestyring, rapportering, anbefal...
Kubernetes MCP-serveren fungerer som bro mellom AI-assistenter og Kubernetes/OpenShift-klynger, og muliggjør programmatisk ressursstyring, pod-operasjoner og De...
ModelContextProtocol (MCP) Server fungerer som en bro mellom AI-agenter og eksterne datakilder, API-er og tjenester, slik at FlowHunt-brukere kan bygge kontekst...