AI умеет не только отвечать на вопросы, но и работать с внешними данными и инструментами: искать информацию в базах, читать файлы, обращаться к сервисам и выполнять действия. С конца 2025 года это дошло и до digital-рекламы: Google, Meta, TikTok, Snapchat, Amazon и Pinterest начали открывать рекламные кабинеты для внешних AI-агентов через единый стандарт — MCP (Model Context Protocol).
В статье разбираем: что такое MCP, чем он отличается от API, как выглядит работа через него на практике и что меняется для рекламодателя.
Что такое MCP
MCP (Model Context Protocol) — открытый протокол, который определяет, как AI-приложение подключается к внешним данным и инструментам: файлам, базам данных, сервисам. Он задаёт единый формат запроса и ответа, поэтому под каждый новый сервис не нужна отдельная интеграция.
Основные компоненты MCP
Протокол опирается на несколько элементов:
- Хост — приложение, в котором работает AI-модель: Claude, ChatGPT, Gemini, Cursor и другие. Хост управляет подключениями и решает, какие действия разрешено выполнить.
- Клиент — служебная часть хоста, которая держит соединение с одним сервером и передаёт запросы. Например, если вы подключили к Claude рекламные кабинеты Meta и TikTok, хост создал два клиента — по одному на сервер, и настраивать их отдельно не нужно.
- Сервер — прослойка перед конкретным сервисом. Данные он не хранит: его задача — принять запрос, перевести его в вызов API этого сервиса и вернуть результат по стандартному интерфейсу. В рекламе серверы публикуют сами площадки: MCP-сервер TikTok работает поверх TikTok Marketing API, сервер Meta — поверх Marketing API Meta.
Сервер, в свою очередь, может предоставлять три типа возможностей:
- Инструменты — действия, которые модель может вызвать. Например, «выдать статистику по кампаниям» или «создать аудиторию».
- Ресурсы — данные, которые можно прочитать: документы, записи, выгрузки.
- Промпты — заготовленные шаблоны запросов под типовые задачи.
Зачем нужен MCP
Рекламодатель ежедневно работает с несколькими системами: рекламными кабинетами, аналитикой, CRM, таблицами с бюджетами. Раньше, чтобы AI-агент мог обращаться к каждой из них, под каждый сервис приходилось писать отдельную интеграцию и повторять эту работу для каждого нового приложения.
MCP убирает эту проблему. Рекламная платформа один раз реализует поддержку протокола — и любой хост, который его понимает, может запросить статистику по кампании, проверить настройки аккаунта или сопоставить расходы с плановыми показателями.
💡 Для рекламодателя это означает не набор разрозненных AI-функций в каждом сервисе, а единый способ подключить ассистента ко всем рабочим системам сразу — от рекламных кабинетов Meta или TikTok до внутренних CRM и таблиц.
Как работает MCP
Когда модели нужны внешние данные, клиент отправляет запрос MCP-серверу, тот выполняет действие (например, читает файл или делает запрос к базе данных) и возвращает результат. Модель получает его как часть контекста и использует при формировании ответа.
Что значит «агент» в рекламном кабинете
Работа через MCP может строиться и на одном запросе, и на комплексной задаче.
Одиночный запрос: «покажи расход по кампаниям за вчера». Модель делает один запрос к серверу и возвращает результат.
Комплексная задача: «разберись, почему за неделю просел CPA». Готового ответа на такой запрос нет, нужно выполнить несколько действий.
Здесь включается режим агента.
AI-модель сама определяет, какие действия нужно выполнить и в какой последовательности, используя доступные инструменты. Вам не нужно отдельно запрашивать каждый следующий шаг: вы формулируете задачу один раз, а агент выполняет необходимую цепочку действий и возвращает готовый результат.
Как это выглядит на практике
Чтобы получить более точный и полезный результат, комплексную задачу можно сформулировать сразу с нужными критериями и форматом ответа:
«Сравни последние 7 дней с предыдущими 7. Найди кампании, где CPA вырос больше чем на 20%, и покажи таблицей: кампания, CPA за оба периода, рост в процентах, что менялось в настройках».
Получив такой запрос, агент самостоятельно запрашивает нужные данные, проводит сравнение, отбирает подходящие кампании и подтягивает историю изменений. Вам не нужно отдельно писать: «теперь сравни периоды», «теперь найди кампании выше 20%».
В результате вы сразу получаете готовый анализ, а затем можете продолжить диалог — например, попросить сделать разбивку найденных кампаний по плейсментам.
💡 Чем больше шагов агент выполняет сам, тем меньше прозрачен его путь к результату. Поэтому первые выводы стоит лично сверять с кабинетом.
Чем MCP отличается от API
API — это интерфейс, через который один сервис по чётко описанным правилам обращается к другому. MCP решает похожую задачу, но для AI-модели: он даёт ей возможность самой понять, какой инструмент вызвать и с какими параметрами, а не просто выполнить заранее прописанный запрос.
Из этого следуют 3 вывода, которые стоит держать в голове.
- Возможности не расширяются. MCP работает поверх того же API площадки. Если действие недоступно через API, агент его не выполнит.
- Права остаются вашими. Агент видит ровно те аккаунты и данные, к которым есть доступ у пользователя, авторизовавшего подключение. MCP не расширяет права и не обходит лимиты.
- Результаты не всегда предсказуемы. Агент может по-разному интерпретировать один и тот же запрос. Поэтому его выводы стоит сверять с данными в кабинете.
Что меняется для рекламодателя
MCP позволяет работать с рекламными платформами через AI-интерфейс: вместо переключения между кабинетами и ручной сборки нужной информации рекламодатель формулирует задачу в чате, а AI-агент ее решает.
На практике это меняет несколько рабочих процессов:
1. Отчётность — по запросу. Не нужно каждый раз выгружать данные и собирать таблицы.
2. Диагностика — быстрее. Aгент может проверить показатели и настройки аккаунта, найти аномалии или просадки и помочь сформулировать возможные причины.
3. Данные нескольких площадок — в одном окне. Можно подключить несколько серверов к одному хосту и не переключаться между кабинетами. Но сведение остаётся за человеком: у площадок разные окна атрибуции и разные определения конверсии, поэтому агент складывает два отчёта, а не два результата.
4. Меньше рутины для команд и агентств. Сбор отчётов, мониторинг пейсинга, регулярные проверки аккаунтов и другие повторяющиеся задачи можно частично передать AI.
5. Проще работать с новыми инструментами. Aгент может помочь разобраться в настройках и возможностях незнакомой рекламной платформы, снизив порог входа для команды.
Ценность MCP не сводится к тому, что агент «посмотрит статистику». У Meta, TikTok и Amazon серверы уже поддерживают “запись” — то есть создание и изменение кампаний. Уровень доступа стоит проверять по конкретной площадке отдельно.
💡 Подробнее о типовых задачах, которые уже решаются через MCP разобрали в нашей статье.
Заключение
Мы советуем начинать тест с одной площадки и одного повторяющегося сценария — так быстрее станет понятно, где MCP реально экономит время.
.jpg)
.jpg)
.jpg)
