mcpField
A
Adbutler

Adbutler

远程服务
github.com/adbutler商业与营销11 周前更新
代码仓库

关于 Adbutler

Adbutler 是供 AI 助手和 MCP 客户端管理 AdButler 账户的 MCP 服务,覆盖广告活动、广告、报告、定向等 API 操作,并提供常见任务的预设提示词。

主要功能

  1. 01管理广告活动、广告和版位
  2. 02处理 VAST 视频与程序化广告
  3. 03配置定向和报告
  4. 04管理草稿、合同和商品目录
  5. 05提供九种工作流提示词
  6. 06搜索并调用 API 端点

适用场景

  1. 01启动广告活动
  2. 02查看广告效果报告
  3. 03配置零售媒体或 VAST 视频广告
  4. 04发布前将广告活动暂存为草稿

MCP 相关

它向 MCP 客户端开放 AdButler v2 API 操作和工作流提示词。可通过托管 HTTP 或 SSE 端点连接,也可运行本地 stdio 服务。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://mcp.adbutler.com/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

全部服务地址
Streamable HTTPhttps://mcp.adbutler.com/mcp
SSEhttps://mcp.adbutler.com/sse
安装包
npm@adbutler/mcp-server2.8.0

工具

200
参数类型必填说明
limitnumber否返回结果的最大数量(默认 100,最大 100)
offsetnumber否分页偏移量

详细介绍

AdButler MCP 服务

npm License: MIT

通过任意 AI 助手管理整个 AdButler 账户,包括 Claude、ChatGPT、Cursor、Windsurf、Cline,以及其他任何 Model Context Protocol 客户端。

此 MCP 服务开放了完整的 AdButler v2 API,包含 600 多个工具,涵盖广告主、广告系列、广告位、创意素材、投放位置、VAST 视频广告、程序化广告 / RTB、报告、定向、草稿、合同、产品目录等;此外还提供 9 个预置工作流提示词,引导 AI 完成发起广告系列或设置零售媒体等常见任务。

可以询问什么

“为 Pepsi 创建一个新的广告系列,定向加拿大用户,终身预算为 $5,000,并将其分配到我的 Homepage Banner 广告位。”

“显示过去 7 天 CTR 表现最差的前 10 个广告项。”

“设置一个 VAST 4.2 前贴片广告系列,包含一个可跳过的 30 秒创意素材和三个伴随横幅。”

“指导我创建新的程序化交易。”

“审核我的广告单元——哪些广告位没有有效的投放位置?”

AI 会将这些请求转换为正确的 AdButler API 调用序列,执行调用并显示结果。

安装

有两种选择。大多数用户适合使用托管版本——无需任何设置,只需粘贴 URL。

选项 A — 托管版(推荐)

使用 AdButler 的托管 MCP 服务。无需安装,无需 Node,也无需 npm。

托管服务同时支持现代 Streamable HTTP(/mcp)和旧版 SSE(/sse)传输方式。新客户端应优先使用 Streamable HTTP;SSE 仍可用于向后兼容。

客户端配置
Claude Desktop / Code添加 MCP 服务,URL 填写 https://mcp.adbutler.com/mcp(旧版客户端可使用 /sse),并添加请求头 Authorization: Bearer YOUR_ADBUTLER_API_KEY
CursorSettings → Features → Model Context Protocol → 添加服务,并填写上述 URL 和身份验证请求头
任意 MCP 客户端Streamable HTTP:https://mcp.adbutler.com/mcp  ·  SSE:https://mcp.adbutler.com/sse — 通过 Authorization: Bearer … 或 ?api_key=… 传递 API 密钥
选项 B — 本地 stdio(npm)

在本地将服务作为 Node 进程运行。如果你希望避免 API 密钥经过任何外部服务,或要连接到可自托管的 AdButler,此选项会很有用。

Claude Desktop

将以下内容添加到 ~/Library/Application Support/Claude/claude_desktop_config.json(macOS)或 %APPDATA%\Claude\claude_desktop_config.json(Windows):

{
  "mcpServers": {
    "adbutler": {
      "command": "npx",
      "args": ["-y", "@adbutler/mcp-server"],
      "env": {
        "ADBUTLER_API_KEY": "your_api_key_here"
      }
    }
  }
}
Claude Code
claude mcp add adbutler --env ADBUTLER_API_KEY=your_api_key_here -- npx -y @adbutler/mcp-server
Cursor / Windsurf / Cline

添加到客户端的 MCP 配置中:

{
  "mcpServers": {
    "adbutler": {
      "command": "npx",
      "args": ["-y", "@adbutler/mcp-server"],
      "env": { "ADBUTLER_API_KEY": "your_api_key_here" }
    }
  }
}

获取 AdButler API 密钥

AdButler Dashboard → Settings → API Keys → 创建新密钥。该密钥与 AdButler v2 REST API 使用的密钥相同。

身份验证

AdButler MCP 适用于新老客户。你看到的内容取决于是否已经配置 API 密钥。

已经是 AdButler 客户?(已有 API 密钥)

选择以下任一方式:

选项 1 — 在连接配置中设置 API 密钥(推荐:可跨会话保留)

连接时传入密钥,之后每个会话都会自动完成身份验证,无需在聊天中分享密钥。

  • Claude Code — claude mcp add adbutler --transport http https://mcp.adbutler.com/mcp --header "Authorization: Bearer YOUR_API_KEY"
  • Claude Desktop — 编辑 claude_desktop_config.json → 在服务 URL 旁添加 headers: { "Authorization": "Bearer YOUR_API_KEY" }
  • Cursor — MCP 服务设置 → Headers → 添加 Authorization: Bearer YOUR_API_KEY
  • claude.ai 自定义连接器(不支持自定义标头)— 使用 URL 格式:https://mcp.adbutler.com/mcp?api_key=YOUR_API_KEY
  • 任何客户端 — 在 /mcp(Streamable HTTP)或 /sse(旧版 SSE)上使用 Authorization: Bearer … 标头或 ?api_key=… 查询参数

重新连接后,即可立即使用全部 600 多个工具。

选项 2 — 在聊天中配置(托管服务上仅限当前会话)

无需身份验证即可连接到托管 MCP 服务,你会看到四个引导工具。然后在聊天中输入:

“配置我的 AdButler API 密钥:your_api_key_here”

你的 AI 会调用 setup_api_key 工具,根据你的账户验证密钥并解锁所有 AdButler 工具。之后你可能需要断开连接并重新连接,以刷新客户端的工具列表。

⚠️ 在托管服务上,以这种方式配置的密钥仅在会话结束前有效——新聊天、客户端重启或服务端重新连接后,都会要求你再次提供密钥。如果你发现自己反复在聊天中粘贴密钥(而且 AI 还提醒你不要在对话中分享机密信息),请改用选项 1:在连接设置中配置一次密钥,即可永久保留。

故障排除:“我的 API 密钥无法保持配置状态”

这意味着你在聊天中(选项 2)向托管服务输入了密钥。托管服务会刻意将密钥的作用范围限定在当前会话内——托管服务采用多租户架构,绝不会将你的密钥写入磁盘。解决方法是在客户端连接配置中进行一次性设置(见上文选项 1):Claude Code / Claude Desktop / Cursor 使用标头,claude.ai 自定义连接器使用 ?api_key= URL 参数。完成后,重新连接和新聊天都会自动进行身份验证。

刚接触 AdButler?(尚无账户)

无需身份验证即可连接到托管 MCP 服务。聊天会引导你通过 create_trial_account 注册免费试用 → 查看电子邮件 → 使用验证码调用 verify_trial_email。API 密钥会自动配置。

本地 stdio 安装

如果你通过 npx 在本地运行,请在客户端 MCP 配置的 env 块中设置 ADBUTLER_API_KEY(见上文选项 B)。设置工具同样可用,而且本地环境会在不同会话之间保留密钥。

包含内容

9 个工作流提示词

预先构建的技能提示词,可引导 AI 端到端完成完整工作流。在客户端中将它们作为 MCP 提示词调用(例如 /launch-campaign)。

提示词功能
launch-campaign端到端引导广告活动启动流程——广告主 → 广告活动 → 广告项 → 创意素材 → 定向 → 广告位
retail-media-setup为电商网站设置赞助商品 / 零售媒体
reporting使用合适的维度和筛选条件生成自定义报告
vast-video构建包含线性创意素材和伴随创意素材的 VAST 视频广告
programmatic配置程序化交易、竞价方和需求来源
targeting构建地理位置 / 平台 / 数据键 / 列表定向
contracts创建 IO 合同并将其分配给广告活动
channels将广告区域组合为频道并分配广告活动
drafts将完整广告活动暂存为草稿,然后再正式投放
3 个后备元工具(搜索、描述、调用)

当你需要的端点没有专用工具封装,或用户询问的是某个字段(例如“优先级”“频次上限”)而非资源时,可以使用这 3 个应急工具来弥补空缺:

工具功能
search_adbutler_api在完整的 AdButler OpenAPI 规范中按关键词搜索匹配的端点
describe_adbutler_api获取某个端点的完整架构(参数、请求体、响应)
call_adbutler_api按方法和路径调用任意端点,并自动应用会话身份验证

这些工具与下方的专用工具相辅相成(而非取代它们)——当专用工具明显匹配时,大模型仍会优先使用专用工具。

覆盖完整 AdButler API 的 600 多个工具
领域工具数示例
展示广告100+list_advertisers、create_campaign、create_image_ad_item、create_native_ad_item、create_placement、create_schedule、create_campaign_assignment
VAST 2/3/4 视频156vast_create_creative、vast_create_linear_media、vast_create_companion、vast_create_placement、vast_create_schedule,以及完整的 VAST 4.2 子资源覆盖
广告位与发布50+create_zone、create_zone_catalog、create_zone_email、create_native_template、create_publisher、ORTB 原生素材
定向37create_geo_target、create_platform_target、create_data_key、create_data_list、create_postal_code_target
报告39get_display_report、get_vast_report、get_event_logs、自定义报告配置、定时报告
程序化广告 / RTB25create_demand_source、create_demand_endpoint、create_bidder、create_pmp_deal
产品目录20create_product_db_catalog、bulk_upload_products、广告项与目录项关联
草稿48将广告活动、广告项、广告位和排期暂存为草稿;原子化发布
合同43广告投放订单、合同文件、签名请求、付款
账户与安全27用户、角色、重定向域名、信标签名密钥、SFTP 连接
广告投放2serve_ad、live_website_preview

覆盖 AdButler v2 OpenAPI 规范的 100%(604/604 个端点)。

遥测

mcp.adbutler.com 上的托管服务会收集使用情况分析数据,以便我们了解哪些工具最受欢迎、确定改进优先级并诊断故障。每次工具调用会记录:

  • 工具名称(例如 list_zones、create_campaign)——绝不记录工具参数
  • 账户 ID(每个会话根据 /self 获取一次)
  • API 密钥指纹(SHA-256,截取前 16 个十六进制字符)——用于识别所用密钥,不会存储密钥本身
  • 传输方式(HTTP 或 SSE)、MCP 客户端名称和版本(例如 Claude Desktop)、调用耗时、成功 / 错误状态
  • 发生错误时:上游 HTTP 状态码、错误类别(例如 forbidden、network)以及错误消息文本(截断至 1000 个字符)

我们绝不收集:工具参数、响应正文、原始 API 密钥、IP 地址、请求正文。监测机制只能看到工具名称、耗时,以及(发生故障时)MCP 服务或 AdButler API 生成的错误消息。

自行安装的副本——npm 包、stdio、自行部署的实例——不会收集任何数据。 只有在设置了 ANALYTICS_INGEST_URL 环境变量时,监测机制才会运行;而该变量仅在 mcp.adbutler.com 上的托管端点中设置。

如果你希望退出托管服务的分析数据收集,可以通过 stdio 运行自己的副本,或自行托管 SSE/HTTP 服务。

开发

供贡献者使用的本地源码:

git clone https://github.com/adbutler/mcp-server
cd mcp-server
npm install
npm run build
ADBUTLER_API_KEY=your_key node dist/index.js

使用官方 MCP 检查器进行检查:

npx @modelcontextprotocol/inspector node dist/index.js

Resources

License

MIT

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。