面向开发者 · 已支持 Claude / Cursor

MCP 集成指南

通过 Model Context Protocol，让 Claude、Cursor 或你的 AI 代理直接读取并操作 DEXUN AdWhiz 的三平台广告账户。

什么是 MCP？

MCP（Model Context Protocol）是 Anthropic 在 2024 年推出的开放标准，定义了 AI 应用如何安全地访问外部数据源和工具。你可以把它理解为「AI 时代的 USB-C」—— 一个统一接口，让任何 MCP 客户端（Claude Desktop、Cursor、自建代理）都能调用任何 MCP server（DEXUN AdWhiz、Notion、GitHub 等）的能力。

DEXUN AdWhiz MCP server 暴露了 100+ 个细粒度工具，覆盖 Google Ads / Meta Ads / TikTok Ads 三平台的查询和操作。所有调用都通过 OAuth 2.0 鉴权，跟我们的 dashboard 共享同一权限模型。

快速开始

三步接入，5 分钟内你的 AI 助手就能管广告账户。

1

在 Claude Desktop 中配置

编辑 claude_desktop_config.json（位置：macOS ~/Library/Application Support/Claude/，Windows %APPDATA%\Claude\），添加：

# Claude Desktop config: ~/.../claude_desktop_config.json
{
  "mcpServers": {
    "dexun-adwhiz": {
      "command": "npx",
      "args": ["-y", "@dexun/adwhiz-mcp@latest"],
      "env": {
        "DEXUN_API_KEY": "dxk_live_..."
      }
    }
  }
}
2

在 Cursor 中配置

通过项目级 .cursor/mcp.json 或全局配置：

# Cursor: ~/.cursor/mcp.json (or Project → Settings → MCP)
{
  "mcpServers": {
    "dexun-adwhiz": {
      "command": "npx",
      "args": ["-y", "@dexun/adwhiz-mcp@latest"],
      "env": { "DEXUN_API_KEY": "dxk_live_..." }
    }
  }
}
3

验证连接

重启 Claude 或 Cursor，然后试试这条提示词。如果看到 AI 调用了 campaign.list 等工具并返回真实数据，说明集成成功。

问 Claude：

「看一下我连接的所有广告账户，找出过去 7 天表现最差的三个广告组，给出具体的暂停建议。」

工具清单（按类别）

MCP server 一共暴露 100+ 个工具，分为以下六大类。每个工具都有完整的 JSON Schema 描述，AI 会自动决定何时调用。

CMP

广告系列读写

  • campaign.list
  • campaign.get
  • campaign.update_budget
  • campaign.update_bid_strategy
  • campaign.pause
  • campaign.resume
AI

AI 推荐

  • recommendation.generate
  • recommendation.list
  • recommendation.apply
  • recommendation.dismiss
  • recommendation.simulate
KW

关键词与受众

  • keyword.list
  • keyword.add
  • keyword.pause
  • audience.list
  • audience.create_lookalike
M

数据查询

  • metrics.get_summary
  • metrics.compare_periods
  • metrics.by_keyword
  • metrics.by_ad_group
  • metrics.search_terms
CR

创意素材

  • creative.list
  • creative.generate_copy
  • creative.test_variant
  • tiktok.list_spark_ads
A

审计与回滚

  • audit.list_changes
  • audit.get_change
  • change.rollback
  • change.diff

完整工具列表（含参数和返回格式）可通过 mcp.list_tools() 在你的 AI 客户端中即时查询。

示例会话

一段真实的 Claude 对话，展示如何用自然语言完成跨平台投放优化：

我目前在 Google Ads、Meta、TikTok 三平台同时跑量。给我一个全局健康度概览。

正在查询你的三个连接账户。Google Ads 整体 ROAS 4.2x（健康），Meta ROAS 2.8x（一般，主要被「Lookalike 1%」拖到 ROAS 1.6x），TikTok ROAS 5.4x（强劲，Spark Ads 表现尤其好）。

campaign.listmetrics.get_summary

Meta 那边的 Lookalike 怎么办？

已生成 3 条推荐：①把 Lookalike 1% 预算的 60% 转移到 TikTok Spark Ads（预期 ROAS 提升 0.8x）；②收紧 Lookalike 受众到 0.5%；③暂停 5 个 CPA > $30 的 ad set。预计周收益 +$8,200。

recommendation.generate

执行第一条。

已通过 recommendation.apply 执行。Meta Lookalike 1% 预算从 $1,044/周降至 $418，TikTok Spark Ads 新增 $626/周预算。所有更改已记录到 audit log，可随时回滚。

recommendation.apply

安全与权限

  • MCP server 仅在本地运行，dxk_ API key 不会上传到任何第三方
  • 所有对 Google / Meta / TikTok 平台的调用都通过你在 dashboard 中的 OAuth 授权完成
  • 默认开启「审批模式」—— AI 提出建议时不会直接执行，需要你在 dashboard 或对话中确认
  • 每一次工具调用都写入审计日志，可在 dashboard「审计」标签下查阅
  • 随时通过 dashboard「设置 → API Keys」吊销 MCP 访问权限