廣告投手要失業了？AI 廣告代理人完整建構指南大公開！

透過 MCP 整合 Google Ads、GA4、Meta Ads、Google Search Console + Claude Code / OpenClaw 全自動化

一、總覽：這件事到底可不可行？

截至 2026 年 3 月，你已經可以透過 MCP（Model Context Protocol）將 Google Ads、GA4、Meta Ads、Google Search Console 全部串接到 AI agent 上，並透過 Claude Code 或 OpenClaw 來執行「半自動到高度自動」的廣告操作。但「全自動」仍需要人類監督迴路（human-in-the-loop），特別是涉及預算花費與創意審批的環節。

你可以期待的自動化程度

AI 廣告代理人完整建構指南：用 OpenClaw 和 Claude Code 打造自動化廣告投放系統

廣告投手必看！這份完整建構指南教你如何利用 OpenClaw 與 Claude Code，從零打造24小時自動化廣告投放系統，ROAS 狂飆！

Tenten AIMaria Ning

二、四大 MCP Server 全景地圖

2.1 Google Ads MCP

成熟度：高 — 至少有 5+ 個活躍的開源實作

Google Ads MCP 能做的事：

• 查詢所有帳戶 / Campaign / Ad Group / Keyword 績效
• 建立新 Campaign（Search、Display、Shopping、Video）
• 管理出價策略與預算
• 加入 / 移除關鍵字（含否定關鍵字）
• 轉換追蹤與歸因分析
• 執行 GAQL（Google Ads Query Language）自訂查詢

前置需求：

• Google Ads Developer Token（需申請，Basic Access 即可）
• Google Cloud Project + OAuth 2.0 憑證或 Service Account
• Google Ads Customer ID（MCC 管理帳戶更佳）

2.2 GA4（Google Analytics 4）MCP

成熟度：高 — Google 官方已釋出 MCP Server

GA4 MCP 能做的事：

• 跑標準報表：sessions、users、pageviews、events、conversions
• 即時數據查詢（過去 30 分鐘）
• 按 dimension 拆解：裝置、來源、國家、頁面、campaign
• 查詢可用的 metrics / dimensions metadata
• 與 GSC 數據交叉比對（哪些高排名頁面轉換率低？）

前置需求：

• Google Cloud Project，啟用 GA4 Data API + Admin API
• Service Account JSON key 或 OAuth
• GA4 Property ID

2.3 Meta Ads（Facebook / Instagram）MCP

成熟度：高 — 多個活躍方案，含 Remote MCP

Meta Ads MCP 能做的事：

• 查詢帳戶、Campaign、Ad Set、Ad 的完整績效
• 建立新 Campaign（支援 OUTCOME_AWARENESS / TRAFFIC / SALES 等新版 objective）
• 建立 Ad Set（含受眾定向、預算、排程）
• 建立 Ad（支援單圖、輪播、影片）
• 管理 Custom Audience
• 搜尋興趣、人口統計、地理位置定向選項
• 暫停 / 啟用 / 刪除 Campaign

前置需求：

• Meta Developer App + Marketing API 權限
• System User Access Token（ads_management scope）
• 如需 appsecret_proof：Meta App Secret

重要提醒： Meta token 會過期，Remote MCP（如 Pipeboard）會自動處理 refresh，自建的話需要自己管理。

2.4 Google Search Console MCP

成熟度：高 — 2026 年已有 20+ 個實作

GSC MCP 能做的事：

• 搜尋分析：clicks、impressions、CTR、position
• 按 query / page / country / device / search appearance 拆解
• URL 檢查（索引狀態）
• Sitemap 管理
• Quick Wins 偵測：自動找出排名 4-15 且曝光高的機會關鍵字
• 搭配 GA4 做「高排名但低轉換」交叉分析

前置需求：

• Google Cloud Project，啟用 Search Console API
• Service Account 或 OAuth
• 在 GSC 中將 Service Account email 加為使用者

三、Claude Code vs OpenClaw：該選哪個？

3.1 Claude Code

定位： Anthropic 官方的 agentic coding 工具，在 terminal 中執行

優勢：

• 原生支援 MCP，直接 claude mcp add 加入任何 MCP server
• 與 Anthropic 生態系深度整合，安全性高
• 支援 /loop 排程（但需本機持續運行）
• 新功能 Channels：可透過 Telegram / Discord 遠端操作 Claude Code
• 適合開發者的 workflow：寫 script → 測試 → 部署

限制：

• 需要本機（或 VPS）持續運行 terminal
• Channels 功能仍在早期階段
• 非 24/7 persistent agent（除非搭配背景服務）

廣告自動化場景的典型用法：

# 加入 MCP servers
claude mcp add google-ads npx @hapotech/google-ads-mcp
claude mcp add meta-ads npx meta-ads-mcp
claude mcp add ga4 mcp-server-ga4 --property-id YOUR_ID
claude mcp add gsc npx mcp-server-gsc

# 然後在 Claude Code 中對話
> 分析過去 30 天 Google Ads 和 Meta Ads 的 ROAS，找出表現最差的 campaign，
> 並交叉比對 GA4 的轉換數據，給我優化建議

3.2 OpenClaw

定位： 開源 AI agent 框架，24/7 運行的「個人 AI 助手」

優勢：

• 24/7 持續運行：裝在 VPS 上，永不停機
• 多通道介面：WhatsApp、Telegram、Slack、Discord、iMessage 等 22+ 平台
• Cron 排程：設定每日 / 每週自動執行廣告審查
• Skills 生態系：5,400+ skills，包含 adspirer-ads-agent、adwhiz 等廣告專用 skill
• Multi-agent routing：可以建立專門的「廣告 Agent」、「內容 Agent」、「SEO Agent」
• 模型不鎖定：可用 Claude、GPT-4、Gemini、甚至本地模型

限制：

• 安全風險嚴重：已知 512 個漏洞（8 個 critical），prompt injection 風險高
• 設定複雜度高，需要 DevOps 技能
• Skill marketplace 品質參差不齊（41% skill 含漏洞或惡意 payload）
• 需要 Node.js 22.16+，建議 16GB+ RAM

廣告自動化場景的典型架構：

OpenClaw Gateway (VPS, 24/7)
├── Agent: 廣告管理員
│   ├── MCP: Google Ads (via Adspirer / Composio)
│   ├── MCP: Meta Ads (via Pipeboard)
│   ├── Cron: 每日 9AM 執行績效審查
│   └── Channel: Slack #marketing → 傳送報告 + 等待人工批准
│
├── Agent: 內容生成器
│   ├── MCP: GSC (關鍵字機會)
│   ├── MCP: GA4 (高流量頁面)
│   ├── Cron: 每週一產出內容行事曆
│   └── Channel: Telegram → 傳送草稿審閱
│
└── Agent: SEO 監控
    ├── MCP: GSC (排名變動)
    ├── MCP: GA4 (流量異常)
    ├── Cron: 每日檢查排名變動
    └── Channel: Discord → 即時警報

3.3 比較表

我的建議： 如果你重視安全性和穩定性，用 Claude Code + Channels。如果你需要真正的 24/7 autonomous agent 且願意承擔安全風險，用 OpenClaw + NemoClaw（Nvidia 安全套件）。

四、全自動廣告 + 內容生成 Pipeline 架構

4.1 完整數據迴圈

┌─────────────────────────────────────────────────────┐
│                    數據採集層                          │
│  GSC MCP ──┐                                         │
│  GA4 MCP ──┼── AI Agent ── 統一數據分析               │
│  Google Ads MCP ─┤                                   │
│  Meta Ads MCP ───┘                                   │
└─────────────────────┬───────────────────────────────┘
                      │
┌─────────────────────▼───────────────────────────────┐
│                    分析決策層                          │
│  • 哪些關鍵字排名 4-15 且曝光高？→ 加大 Ads 投放      │
│  • 哪些 Campaign ROAS < 目標？→ 調整預算或暫停        │
│  • GA4 哪些頁面跳出率高？→ 優化 landing page          │
│  • Meta 哪些受眾轉換好？→ 擴大 lookalike              │
└─────────────────────┬───────────────────────────────┘
                      │
┌─────────────────────▼───────────────────────────────┐
│                    執行層                              │
│  • 自動生成廣告文案（多版本 A/B）                      │
│  • 建立新 Campaign / Ad Set / Ad                     │
│  • 調整出價與預算                                     │
│  • 生成 SEO 內容（基於 GSC 機會關鍵字）               │
│  • 所有「花錢」操作 → 傳送至 Slack/Telegram 等待批准    │
└─────────────────────────────────────────────────────┘

4.2 內容生成自動化

AI agent 可以做到的內容生成迴圈：

1. GSC 分析 → 找出 impressions 高但 CTR 低的關鍵字（Quick Wins）
2. GA4 分析 → 找出高流量但轉換低的頁面
3. AI 生成 → 針對機會關鍵字撰寫 SEO 文章 / landing page 文案
4. 廣告文案 → 根據表現好的關鍵字自動產出 Google Ads headlines + descriptions
5. Meta 文案 → 根據受眾特性產出 Facebook/IG 廣告文案
6. 排程發布 → 透過 CMS API 或手動審核後發布

Claude 本身就是頂級的內容生成引擎，搭配真實的 GSC/GA4 數據，產出的內容會比盲猜好非常多。

五、實際建構步驟（Step by Step）

Step 1：選擇 MCP 串接方式

最快路徑（推薦新手）：

• Google Ads → Pipeboard Remote MCP 或 Zapier MCP
• Meta Ads → Pipeboard Remote MCP
• GA4 → Stape Remote MCP 或 Google 官方 MCP
• GSC → AminForou/mcp-gsc（本機）或 Stape Remote

進階路徑（開發者）：

• 全部用 Composio Tool Router（單一 MCP endpoint 管理所有平台）
• 或全部自建（最大控制權，但維護成本高）

Step 2：設定 Claude Code 環境

# 安裝 Claude Code（如果還沒有）
npm install -g @anthropic-ai/claude-code

# 加入 MCP servers（以 Pipeboard 為例）
claude mcp add google-ads --url https://google-ads.mcp.pipeboard.co/
claude mcp add meta-ads --url https://mcp.pipeboard.co/meta-ads-mcp

# 或用本機 MCP
claude mcp add ga4 -- mcp-server-ga4 --property-id 123456789
claude mcp add gsc -- npx mcp-server-gsc

Step 3：設定 OpenClaw（如果選擇 OpenClaw）

# 在 VPS 上安裝
npx openclaw@latest

# 安裝廣告 skill
openclaw skill install adspirer-ads-agent
# 或
openclaw skill install adwhiz

# 設定 Composio plugin（整合所有廣告平台）
# 在 config 中加入：
# plugins.entries.composio.enabled = true
# plugins.entries.composio.config.consumerKey = "your_key"

# 設定排程
openclaw cron add "每日廣告績效審查" --schedule "0 9 * * *"

Step 4：建立自動化 Workflow

每日自動化（建議排程）：

• 09:00 — 拉取昨日所有平台績效數據
• 09:05 — 交叉分析，標記異常（CPC 暴漲、CTR 暴跌、ROAS 低於目標）
• 09:10 — 生成摘要報告，傳送至 Slack/Telegram
• 09:15 — 如有建議調整，列出具體操作等待人工批准

每週自動化：

• 週一 — GSC Quick Wins 分析 + 內容建議
• 週三 — 廣告文案 A/B 測試結果分析 + 新版本生成
• 週五 — 週報生成（跨平台 ROAS / CPA / 轉換趨勢）

六、風險與限制：你必須知道的事

6.1 安全風險

6.2 建議的安全措施

1. 永遠設定預算上限 — 在 Google Ads / Meta Ads 帳戶層級設定每日/每月上限
2. 人工審批花錢操作 — Campaign 上線、預算調整、受眾變更都需人工確認
3. 用 Read-Only 帳戶做分析 — 分析用 ads_read，操作用另一個 token
4. OpenClaw 用 NemoClaw — Nvidia 的安全套件提供 sandbox + prompt 掃描
5. 定期更換 Token — Meta token 特別容易過期，設定自動 refresh
6. 監控 API 呼叫 — 任何非預期的大量 API 呼叫都是紅旗

6.3 平台限制

• Google Ads Developer Token 申請需要時間，Basic Access 有 API 呼叫限制
• Meta Marketing API 有 rate limit，大量操作需要注意
• GA4 Data API 有每日配額限制（免費 tier 有上限）
• GSC API 數據有 2-3 天延遲（data_state: "all" 可取得較新但未確認的數據）

七、成本估算

總結：基礎架構成本約 $25-50/月，最大的花費是 LLM API 用量和廣告投放本身。

八、最佳實踐與建議

做：

• ✅ 先從「分析 + 報告」自動化開始，確認數據正確後再擴展到「操作」
• ✅ 用 Composio 或 Pipeboard 的 Remote MCP 減少維護負擔
• ✅ 建立明確的「人工審批」閘口，特別是花錢的操作
• ✅ 把 GSC + GA4 + Ads 數據交叉分析，這是 AI agent 最大的價值
• ✅ 用 Claude 生成多版本文案，然後設定 A/B 測試讓數據說話
• ✅ 記錄所有 AI 操作的 audit log

不要：

• ❌ 不要一開始就追求「全自動」，先建立信任再逐步放權
• ❌ 不要把所有權限給同一個 token，分離讀取和寫入權限
• ❌ 不要忽略廣告政策審查，AI 生成的文案需要人工過目
• ❌ 不要在 OpenClaw 上存放敏感憑證而不加密
• ❌ 不要期望 AI 能取代廣告策略思考，它是放大器不是替代品

九、推薦的快速起步方案

如果你只想花 30 分鐘搞定：

1. 開 claude.ai → Settings → Integrations
2. 加入 Pipeboard 的 Google Ads + Meta Ads Remote MCP
3. 加入 Stape 的 GA4 Remote MCP
4. 開始對話：「分析我過去 30 天所有平台的廣告績效，找出最值得加碼投放的 campaign」

如果你想建完整 pipeline：

1. 用 Claude Code + 4 個 MCP server 做核心
2. 寫一個 SKILL.md 定義你的廣告管理 workflow
3. 設定 OpenClaw 在 VPS 上 24/7 運行 + NemoClaw 安全層
4. 用 Cron 排程每日分析 + Slack/Telegram 通知
5. 逐步開放自動操作權限（先 read → 再 write → 最後 budget）

十、結論

2026 年的 MCP 生態已經成熟到可以建構一個高效的 AI 廣告代理人。關鍵不是「能不能做」而是「該自動化到什麼程度」。

核心原則：AI 做分析和執行，人做決策和監督。

你的 AI AD Agent 最終會像一個 7/24 不休息的廣告分析師 + 文案寫手 + 媒體購買助理，它每天幫你監控所有平台數據、找出問題和機會、生成建議和草稿，然後等你一句「approved」就執行。這已經是巨大的生產力提升了。

流量密碼全公開！30 個 Claude Code / OpenClaw 廣告優化神級指令大放送

廣告成效卡關？立刻複製這 30 個專為 OpenClaw 與 Claude Code 設計的 AI 廣告優化指令，讓你的 ROAS 輕鬆翻倍，打敗 99% 傳統投手！

Tenten AIMaria Ning

最後更新：2026 年 3 月 27 日 by Tenten
適用對象：使用 Claude Code / OpenClaw 的數位行銷人員與技術團隊

With a sharp eye for data-driven narratives, Maria architects full-funnel content that moves technical buyers to action, Interests: RevOps, martech hacks, Sichuan cooking

Loading...