راهنمای راه‌اندازی MCP گوگل ادز برای تحلیل سریع و دقیق

آخرین به‌روزرسانی: ژوئن 2026

وقتی تحلیل کمپین به اکسپورت CSV، فیلتر دستی و چند تب پراکنده وابسته باشد، تصمیم‌گیری کند می‌شود. MCP گوگل ادز این گلوگاه را کم می‌کند. داده تبلیغاتی را مستقیم به ابزار AI می‌رساند تا سؤال دقیق بپرسی و جواب عملی بگیری. اگر قبلا با مفهوم MCP server در هوش مصنوعی آشنا شده‌ای، این راهنما بخش اجرایی ماجرا را روشن می‌کند.

خلاصه سریع

• اتصال داده‌های گوگل ادز به ابزارهای AI را ساده می‌کند.
• برای تحلیل سریع، نیاز به تنظیم درست دسترسی و سرویس دارید.
• خروجی بهتر زمانی می‌آید که ساختار پرسش‌ها دقیق باشد.
• این راهنما نصب، اتصال و عیب‌یابی را قدم‌به‌قدم پوشش می‌دهد.

MCP گوگل ادز چیست و چه مشکلی را حل می‌کند؟

MCP گوگل ادز یک لایه اتصال است که به مدل هوش مصنوعی اجازه می‌دهد داده‌های حساب Google Ads را با ساختار مشخص بخواند. به جای اینکه گزارش را دانلود کنی، ستون‌ها را تمیز کنی و بعد برای مدل بفرستی، خود مدل می‌تواند مستقیما سراغ کمپین، ادگروپ، کوئری، هزینه، کلیک و کانورژن برود.

فایده اصلی، سرعت تنها نیست. دقت هم بهتر می‌شود، چون پرسش تو روی منبع زنده اجرا می‌شود. مثلا می‌توانی بپرسی کدام ۱۲ کمپین در ۱۴ روز اخیر CPC بالاتر و نرخ تبدیل پایین‌تر از میانگین حساب داشته‌اند. اگر در حال ساخت یک استک AI هستی، سرورهای MCP برای مارکتینگ و سئو دید خوبی از این معماری می‌دهند.

پیش‌نیازهای راه‌اندازی: دسترسی، ابزارها و حساب‌ها

قبل از نصب، سه لایه دسترسی را چک کن. اول، دسترسی استاندارد یا ادمین به Google Ads. دوم، مجوز استفاده از API با developer token. سوم، محیطی که سرور MCP در آن اجرا می‌شود، مثل Claude Desktop، Claude Code یا یک کلاینت سازگار. بیشتر خطاها از همین سه مورد می‌آیند، نه از خود MCP.

علاوه بر این، به OAuth client یا service flow سازگار، شناسه customer account و یک فایل تنظیم نیاز داری. اگر چند اکانت MCC داری، از ابتدا مشخص کن کدام زیرحساب منبع اصلی تحلیل است. برای تیم‌هایی که هم‌زمان روی Ads و Analytics کار می‌کنند، اتصال MCP گوگل آنالیتیکس ۴ هم کنار این راه‌اندازی مفید است.

مراحل نصب و اتصال MCP گوگل ادز

مسیر عملی را کوتاه نگه دار. اول، developer token و OAuth credentials را از Google Cloud و Google Ads API آماده کن. بعد فایل تنظیم MCP را بساز و متغیرهای لازم را وارد کن. اگر از کلاینت Claude استفاده می‌کنی، کانفیگ سرور را در لیست ابزارها ثبت کن تا مدل بتواند endpoint را ببیند.

مراحل پیشنهادی این است:

1. ایجاد یا دریافت developer token.
2. فعال‌سازی Google Ads API در پروژه درست.
3. ساخت OAuth client و گرفتن refresh token.
4. تعریف customer_id و login_customer_id در کانفیگ.
5. اجرای سرور MCP و تست یک درخواست ساده.

یک نمونه کانفیگ حداقلی می‌تواند شبیه این باشد:

{
  "server": "google-ads-mcp",
  "env": {
    "GOOGLE_ADS_DEVELOPER_TOKEN": "xxx",
    "GOOGLE_ADS_CLIENT_ID": "xxx",
    "GOOGLE_ADS_CLIENT_SECRET": "xxx",
    "GOOGLE_ADS_REFRESH_TOKEN": "xxx",
    "GOOGLE_ADS_CUSTOMER_ID": "1234567890",
    "GOOGLE_ADS_LOGIN_CUSTOMER_ID": "0987654321"
  }
}

بعد از اجرا، با یک تست کوچک شروع کن. مثلا بپرس: هزینه، ایمپرشن و کانورژن ۷ روز اخیر برای سه کمپین اول را برگردان. اگر پاسخ خالی بود، اول سطح دسترسی و سپس customer_id را چک کن. برای دیدن نسخه محصول و وضعیت فعلی، صفحه MCP گوگل ادز مرجع خوبی است.

چطور با پرامپت درست از داده‌ها پاسخ دقیق بگیرید

کیفیت جواب، بیشتر از خود ابزار، به شکل سؤال بستگی دارد. بازه زمانی، سطح داده و KPI را شفاف بنویس. جمله مبهم مثل «کمپین‌ها را تحلیل کن» معمولا خروجی شل می‌دهد. در عوض بگو: کمپین‌های سرچ ۳۰ روز اخیر را بر اساس CPA، نرخ تبدیل و سهم هزینه بررسی کن و فقط موارد خارج از میانگین را نشان بده.

یک الگوی خوب این است که هم هدف و هم محدودیت را مشخص کنی. مثال واقعی: «فقط کمپین‌هایی را نشان بده که بیش از ۵۰۰ کلیک و کمتر از ۲ کانورژن داشته‌اند». این سبک پرسش در بسیاری از موارد از گزارش‌گیری دستی دقیق‌تر است. اگر تحلیل را با داده‌های ارگانیک ترکیب می‌کنی، تحلیل سرچ کنسول با Claude Code مکمل خوبی برای همین ورک‌فلو است.

عیب‌یابی خطاهای رایج در اتصال و دسترسی

رایج‌ترین خطا، permission denied است. معمولا یا کاربر OAuth به اکانت Ads دسترسی ندارد، یا login_customer_id اشتباه ثبت شده است. خطای دوم rate limit است. اگر چند درخواست سنگین پشت‌سرهم می‌فرستی، کوئری‌ها را کوتاه‌تر کن و بازه زمانی را محدود نگه دار. همه چیز لازم نیست در یک پرامپت حل شود.

دسته بعدی، داده ناسازگار است. مثلا مدل هزینه را در سطح کمپین می‌خواند اما تو انتظار داده search term داری. اول سطح گزارش را چک کن. سپس نام فیلدها را با API schema تطبیق بده. اگر خروجی عجیب بود، یک درخواست پایه بزن و عددها را با رابط Google Ads مقایسه کن.

بهترین سناریوهای استفاده برای تیم‌های مارکتینگ

اولین سناریو، کشف افت عملکرد است. مثلا تیم پرفورمنس هر صبح می‌پرسد کدام کمپین‌ها در ۳ روز اخیر بیشترین افت conversion rate را داشته‌اند. سناریوی دوم، آماده‌سازی گزارش مدیر است. به جای اسلایدسازی دستی، مدل می‌تواند خلاصه سه تغییر مهم، سه ریسک و دو اقدام پیشنهادی را از روی داده زنده بسازد.

سناریوی سوم، اتصال بین کانال‌ها است. وقتی Ads را کنار SEO و GA4 می‌گذاری، هم‌پوشانی نیت و شکاف فرود را بهتر می‌بینی. این برای تیم‌هایی که روی استراتژی سئو ۲۰۲۶ و جست‌وجوی AI کار می‌کنند، فقط یک مزیت جانبی نیست. به تصمیم بودجه و لندینگ هم جهت می‌دهد.

چک‌لیست نهایی قبل از استفاده روزانه

دسترسی API، refresh token، customer_id و login_customer_id را دوباره چک کن. یک پرامپت تست ثابت داشته باش که هر روز همان را اجرا کنی. اگر جواب آن درست بود، بقیه مسیر معمولا سالم است. همچنین لاگ درخواست‌ها را نگه دار تا خطاهای مقطعی را با خطاهای ساختاری قاطی نکنی.

اگر تیم کوچک است، از روز اول سراغ تحلیل‌های پیچیده نرو. با سه گزارش ثابت شروع کن، بعد دامنه سؤال‌ها را بازتر کن. همین رویکرد، هزینه خطا را پایین نگه می‌دارد.

سوالات متداول

آیا برای MCP گوگل ادز به مهارت برنامه‌نویسی نیاز دارم؟

نه لزوما. برای راه‌اندازی اولیه، کمی کار فنی مثل تنظیم متغیرهای محیطی و OAuth لازم است. اما این بخش معمولا یک بار انجام می‌شود. بعد از آن، استفاده روزانه بیشتر شبیه نوشتن پرامپت دقیق است. اگر تیم تو یک نفر فنی دارد، بقیه اعضا معمولا بدون کدنویسی مستقیم از خروجی استفاده می‌کنند.

MCP گوگل ادز چه داده‌هایی را می‌تواند بخواند؟

بسته به پیاده‌سازی، معمولا داده‌های کمپین، ادگروپ، آگهی، کلمه کلیدی، هزینه، کلیک، ایمپرشن، CTR، CPC، کانورژن و بعضی ابعاد زمانی را می‌خواند. محدودیت اصلی از API و سطح دسترسی می‌آید. اگر یک فیلد در رابط Ads دیده می‌شود، لزوما به همان شکل برای MCP آماده نیست و باید سطح گزارش را درست انتخاب کنی.

آیا می‌توان از آن برای گزارش‌گیری روزانه استفاده کرد؟

بله، اگر دو شرط را رعایت کنی. اول، پرامپت‌های ثابت و قابل تکرار بسازی. دوم، یک نقطه کنترل دستی داشته باشی. مثلا هر روز فقط سه KPI کلیدی را با رابط خود Google Ads تطبیق بده. این کار جلوی خطاهای خاموش را می‌گیرد و باعث می‌شود گزارش روزانه به یک اتوماسیون قابل اتکا تبدیل شود.

چطور مطمئن شوم اتصال من امن است؟

کلیدها را داخل فایل عمومی، گیت ریپو یا نوت تیمی نگه ندار. از secret manager یا متغیر محیطی امن استفاده کن. دسترسی OAuth را به حساب‌های ضروری محدود کن و tokenها را دوره‌ای بچرخان. اگر از کلاینت اشتراکی استفاده می‌کنی، لاگ‌ها را بررسی کن تا داده حساس کمپین ناخواسته در تاریخچه ابزار باقی نماند.

اگر پاسخ AI نادرست بود، از کجا شروع به بررسی کنم؟

اول پرامپت را چک کن، نه مدل را. بیشتر خطاها از بازه زمانی مبهم، سطح گزارش اشتباه یا KPI نامشخص می‌آیند. بعد، همان سؤال را با درخواست کوچک‌تر تکرار کن. اگر هنوز اختلاف بود، اعداد پایه مثل cost و clicks را در Google Ads مقایسه کن. وقتی عدد پایه درست شد، سراغ تحلیل ترکیبی برو.

آیا این راه‌اندازی روی تیم‌های کوچک هم به‌صرفه است؟

اگر تیم کوچک هر هفته چند ساعت صرف اکسپورت، تمیزکاری و خلاصه‌نویسی گزارش می‌کند، بله. سود اصلی برای تیم کوچک از صرفه‌جویی زمان می‌آید، نه از پیچیدگی بیشتر. فقط باید دامنه پروژه را کنترل کنی. با یک حساب، چند پرامپت ثابت و یک سناریوی گزارش شروع کن. بعد اگر جواب گرفت، اتصال‌های دیگر را اضافه کن.

قدم بعدی منطقی، ساخت یک پرامپت استاندارد برای ۷ روز اخیر و مقایسه خروجی آن با گزارش دستی همین هفته است. اگر اختلاف‌ها کم بود، تازه وقت استفاده روزانه است. اگر زیاد بود، مشکل معمولا در تنظیم سطح داده یا تعریف KPIها است، نه در اصل MCP.