关键词

Facebook广告广告分析市场情报创意洞察Gemini AI

项目简介

Facebook广告库MCP服务器是一个强大的后端服务，旨在将Facebook的公共广告库数据以标准化的方式提供给大型语言模型（LLM）客户端。通过连接此服务器，您可以让您的LLM助手搜索特定品牌或公司的广告活动、分析广告创意（图片和视频）、比较竞争对手的策略，并获取有关广告效果的深入洞察。

主要功能点

  • 广告数据检索：根据品牌名称或平台ID搜索并获取当前正在运行的Facebook广告。
  • 批量处理：支持同时查询多个品牌或平台ID，提高数据获取效率。
  • 广告图片分析：下载并智能缓存广告图片，为LLM提供详细的视觉分析提示，以识别图片中的元素、文字、颜色和构图。
  • 广告视频分析（批量优化）：利用Google Gemini AI的视频理解能力，下载并分析广告视频。支持单视频和批量视频分析，通过优化提示节省大量API成本。
  • 智能缓存管理：对已下载和已分析的图片/视频进行智能缓存，减少重复API调用并提高响应速度。
  • API信用管理：自动检测ScrapeCreators API信用耗尽情况，并提供充值链接，确保服务不中断。
  • 缓存统计与清理：提供查看缓存使用情况（文件数量、存储大小）和清理旧缓存文件的功能，便于维护。

安装步骤

  1. 克隆仓库： 
    git clone https://github.com/talknerdytome-labs/facebook-ads-library-mcp.git
cd facebook-ads-library-mcp
  2. 运行安装脚本（推荐）：
    • macOS/Linux: './install.sh'
    • Windows: 'install.bat' 该脚本会自动创建Python虚拟环境、安装依赖项并设置配置文件。
  3. 配置API密钥： 编辑项目根目录下由安装脚本生成的 '.env' 文件，添加您的API密钥：
    • 'SCRAPECREATORS_API_KEY=您的ScrapeCreators密钥' (在 scrapecreators.com 获取)
    • 'GEMINI_API_KEY=您的Gemini密钥' (可选，用于视频分析，在 Google AI Studio 获取)

服务器配置（给MCP客户端使用）

请将以下JSON配置添加到您的MCP客户端（如Claude Desktop或Cursor）的配置文件中。这些配置告诉客户端如何启动并连接到Facebook广告库MCP服务器。

{
  "mcpServers": {
    "fb_ad_library": {
      "command": "{{PATH_TO_PROJECT}}/facebook-ads-library-mcp/venv/bin/python",
      "args": [
        "{{PATH_TO_PROJECT}}/facebook-ads-library-mcp/mcp_server.py"
      ]
    }
  }
}

重要提示：

  • 请将 '{{PATH_TO_PROJECT}}' 替换为您实际克隆本仓库的完整路径。例如，如果您的仓库在 '/Users/username/projects/facebook-ads-library-mcp'，则替换为 '/Users/username/projects'。
  • 'command' 字段指向虚拟环境中的Python解释器，确保隔离性。
  • 'args' 字段指向服务器启动脚本 'mcp_server.py'。
  • API密钥将自动从 '.env' 文件加载，无需在此处添加。

完成配置后，请重启您的Claude Desktop或Cursor客户端，Facebook广告库集成将作为可用工具显示。

基本使用方法

一旦MCP服务器成功连接到您的LLM客户端，您就可以通过自然语言提示来使用它。以下是一些示例提示：

  • 查询品牌广告量和类型： "AnthropicAI目前投放了多少广告？视频和图片的比例是多少？"
  • 分析品牌广告文案： "AnthropicAI现在广告中使用的主要信息是什么？"
  • 深入分析视频广告： "分析Nike的视频广告，并提取其视觉叙事策略、节奏和品牌信息技术。"
  • 比较多个品牌策略（批量分析）： "比较Nike、Adidas和Under Armour当前的广告策略。展示它们的广告量、信息主题和创意方法。"
  • 进行深度文案对比： "对'AnthropicAI'、'Perplexity AI'和'OpenAI'之间的文案进行深入比较。给我一个易于转发的总结。"

信息

分类

AI与计算

访问项目