Native Ad Library MCP: Forespørg 1M+ Native Annoncer Fra Claude & ChatGPT

Ja — der er en MCP-server til annoncebiblioteker: OpenAdLibrary hoster en på mcp.openadlibrary.com, der eksponerer 43 værktøjer over et indeks på 1.041.637 native annoncekreativer — 615.327 af dem live inden for de sidste 30 dage — på tværs af 50 netværk, pr. juli 2026, til Claude og enhver anden MCP-kompatibel klient, på en gratis API-nøgle. I praksis betyder det, at du kan stille Claude eller ChatGPT spørgsmål som "hvilke annoncører lancerede nye Taboola-kampagner i forsikring denne uge, og hvilke af deres annoncer har overlevet længst?" — og få svar beregnet fra live fangede annoncedata, ikke modellens træningshukommelse. Denne guide forklarer hvad det betyder, hvad værktøjerne gør, og hvordan man forbinder det til din AI-assistent på omkring fem minutter.

Opdateret juli 2026.

Meta-annoncører har allerede dette mønster: Foreplay udgav en ad library MCP til Meta- og TikTok-kreativresearch tidligere i år. Native discovery-netværk — Taboola, Outbrain, MGID, Revcontent, MSN-feedet — havde intet, hvilket er konsistent med kanalens historie: der var intet offentligt native annoncebibliotek overhovedet indtil for nylig (baghistorien er i hvad er et native annoncebibliotek). Denne MCP-server er det bibliotek, gjort kaldbart af agenter.

Hvad er MCP, på et minut#

MCP (Model Context Protocol) er en åben standard, introduceret af Anthropic i slutningen af 2024 og siden adopteret på tværs af de store AI-platforme, der lader AI-assistenter kalde eksterne værktøjer. En server udgiver en katalog over værktøjer — "søg annoncer", "hent brand", "list trending" — hver med typede inputs og outputs. AI-klienten (Claude, ChatGPT, Cursor, VS Code eller din egen agent) læser kataloget og beslutter hvornår den skal kalde hvad. Du taler med assistenten på almindeligt engelsk; den håndterer API-mekanikken, paginering og opfølgende kald.

Den praktiske konsekvens: et annoncebibliotek holder op med at være en hjemmeside du browser og bliver en datakilde din agent kan ræsonnere over. I stedet for tyve minutter med at klikke filtre, stiller du ét sammensat spørgsmål, og agenten kæder fem værktøjskald sammen for at besvare det.

Hvad OpenAdLibrary MCP'en eksponerer#

Den hostede server er et tyndt, autentificeret lag over den samme offentlige data-API beskrevet i vores native ad data API oversigt — samme indeks, samme kvoter, samme nøgle. De 43 værktøjer grupperes i seks klynger:

Bag disse værktøjer ligger det fulde korpus: 352.392 Taboola-kreativer, 150.462 fra Outbrain og 96.139 fra MGID pr. juli 2026, plus mere end en million tracede landingssider og annonceobservationer i millioner. Hvert kreativ bærer det rigtige annoncørlabel, first-seen/last-seen datoer, netværk, geo og sprog — råmaterialet til hvert use case nedenfor.

Hvad du faktisk kan gøre med det#

Konkurrentresearch uden tab-farmen#

Spørg: "Profilér competitor-brand.coms native annoncering. Hvilke netværk er de på, hvor mange live kreativer, hvilke vinkler kører de, og hvad sælger deres landingssider?" Agenten kæder get_brand → search_ads → get_landing_page_ads og returnerer en briefing, der ville tage en analytiker en eftermiddag. Den manuelle version af denne workflow er dokumenteret i hvordan man spionerer på konkurrenters native annoncer — MCP-versionen er den samme logik, delegeret.

Kreativ idegenerering fra beviste vindere#

Det mest pålidelige kreativbrief i native annoncering er "hvad der allerede har overlevet." Spørg: "Find de længstkørende sundhedsannoncer på Taboola i USA, gruppér deres hooks, og udkast fem nye overskriftvinkler, der bruger den samme psykologi uden at kopiere." Levetid er profitabilitetsproxien — i vores indeks forsvinder 59% af native kreativer efter deres første dag, og kun 10,7% overlever 30 dage, pr. juli 2026, så overleverne er et forfiltreret sæt af ting der virker (se annoncelevedtid som et vindersignal). En agent med search_ads plus dine udkastningsinstruktioner gør det filter til en kreativpipeline, og hvordan man analyserer vindende native annoncekreativer leverer scoringsrammen værd at indsætte i din prompt.

Levetid og træthedstjek på anmodning#

Spørg: "Tjek hver annonce på min watchlist — hvilke stoppede med at blive observeret denne uge, og hvilke krydsede 21 dages kørsel?" Med list_watchlist og sync_ads_changes bliver dette en planlagt agentopgave snarere end en mandagspligt. Par det med hvordan man finder vindende annoncer signaler, og du har en automatiseret markedsbevægelsesrapport.

Vertical- og netværksrekognoscering#

Spørg: "Sammenlign Taboola vs MGID for entertainment-verticalen: kreativvolumen, topannoncører og nye tilkommere inden for de sidste 30 dage." Værktøjer som get_network_profile, get_share_of_voice og list_new_entrants blev bygget til netop denne aggregering. For baggrund om hvordan netværkene adskiller sig, er MGID vs Taboola den menneskeskrevne version.

Opsætningsgennemgang#

Serveren taler Streamable HTTP — den nuværende MCP-transportstandard — på https://mcp.openadlibrary.com/mcp, og autentificerer med din personlige API-nøgle sendt som et Bearer-token. Hver større klient følger samme mønster.

Trin 1 — få en nøgle. Opret en gratis konto, og lav derefter en API-nøgle i Indstillinger. Nøgler ligner oal_... og vises én gang. Gratisniveauet er virkelig begrænset: 2 forespørgsler/dag, nok til at verificere forbindelsen og køre et par værktøjskald. En betalt plan ($29,99/måned) låser op for standardkvoten på 5.000 forespørgsler/dag.

Trin 2 — tilføj connectoren. I Claude, tilføj en brugerdefineret connector, der peger på https://mcp.openadlibrary.com/mcp med din nøgle som Authorization headeren. I Claude Code er det én kommando:

claude mcp add --transport http openadlibrary \
  https://mcp.openadlibrary.com/mcp \
  --header "Authorization: Bearer oal_YOUR_KEY"

Cursor, VS Code og de fleste andre klienter accepterer den tilsvarende JSON-konfiguration:

{
  "mcpServers": {
    "openadlibrary": {
      "url": "https://mcp.openadlibrary.com/mcp",
      "headers": { "Authorization": "Bearer oal_YOUR_KEY" }
    }
  }
}

Trin 3 — smoke test. Spørg din assistent: "Brug openadlibrary-værktøjerne, hvor mange live Taboola-annoncer nævner høreapparater, og hvem kører flest?" Hvis du får tal tilbage med annoncørnavne, er du forbundet. Hvis du får en autentifikationsfejl i stedet, er den sædvanlige årsag et manglende Bearer præfiks på nøglen.

Et par operationelle bemærkninger værd at vide. Serveren er stateless og multi-tenant — din nøgle er din identitet, og kvoter og rate limits (120 forespørgsler/minut burst) håndhæves per nøgle, præcis som på den rå REST API. Der er ingen separat MCP-prissætning; det er den samme plan og samme kvotepulje som den offentlige API. Og fordi serveren er en pass-through over /api/v1, kan alt hvad du kan i MCP'en også scriptes direkte — ad spy tools with an API sammenligningen dækker hvornår REST slår MCP og omvendt.

Et gennemarbejdet eksempel: konkurrentnedbrydning i én session#

For at gøre dette konkret, her er et rigtigt sessionsmønster — den slags sammensat opgave der retfærdiggør opsætningen. Antag du sælger høreapparater og vil forstå det native landskab før du forpligter budget.

Tur 1: "Søg i native annonceindekset efter høreapparatannoncer på tværs af Taboola og Outbrain i USA. Hvor mange live kreativer, og hvem er de top fem annoncører efter kreativtælling?" Agenten kalder search_ads med netværks- og tekstfiltre, aggregerer og navngiver navne — inklusive de shell-brands du aldrig har hørt om, der viser sig at køre hundredvis af kreativer.

Tur 2: "For topannoncøren, hent deres længst-observerede kreativer og landingssiderne bag dem. Hvad er trichterstrukturen?" Agenten kæder get_brand, search_ads sorteret efter observeret levetid, og get_landing_page_ads. Du lærer om vinderne kører quiz-trichtere, advertorials eller ligeud produktsider — forskellen mellem at kopiere en overskrift og forstå en strategi.

Tur 3: "Tilføj de top tre annoncører til min watchlist og gem denne søgning." Agenten kalder watch_advertiser og save_search, så næste uges session starter med "hvad ændrede sig i min watchlist?" i stedet for at starte forfra.

Tyve minutter, ingen faner, og outputtet er en skrevet briefing du kan indsætte i et kampagnedokument. Den tilsvarende manuelle workflow er reel — vi dokumenterede den i how to do competitor ad analysis — men det er en eftermiddag, ikke tyve minutter.

Prompting-mønstre der giver gode svar#

Annoncedata-agenter fejler på forudsigelige måder, og tre vaner forhindrer de fleste fejl.

Afgræns før du fejer. "Vis mig vindende annoncer" tvinger agenten til at gætte på netværk, geo og vertical, brænder kvote på brede kald. "US Taboola-annoncer i forsikring observeret 14+ dage" får et præcist værktøjskald ved første forsøg — hvilket betyder noget på en målert nøgle.

Spørg om beviset, ikke kun konklusionen. Lad agenten returnere kreativ-ID'er, first-seen datoer og annoncørlabels sammen med dens resumé. Agenter opsummerer selvsikkert; disciplinen med at citere rækker holder dem ærlige og gør outputtet verificerbart i dashboardet.

Lær levetidsforbeholdet én gang. Tilføj til dine projektinstruktioner: "dages kørsel betyder observerede dage inden for et rullende ~31-dages vindue; behandl det som et gulv." Hver levetidskonklusion agenten drager nedstrøms arver den korrektion — det stykke domæneviden er hvad der forvandler rå værktøjsadgang til kompetent analyse.

Til AI-byggere: ud over chat-klienterne#

Intet ved serveren antager en chat-UI. Fordi den taler standard Streamable HTTP MCP, plugger den ind i agent-rammer — Claude Agent SDK, OpenAI's Agents SDK, LangChains MCP-adapters — som en værktøjskilde til fuldt autonome pipelines. Mønstrene vi ser virke: en ugentlig cron-agent der går en watchlist igennem og mailer en konkurrentdigest; en kreativgenereringspipeline der henter de ti længst-overlevende annoncer i en vertical som few-shot kontekst før udkastning; og interne Slack-bots der besvarer "hvem annoncerer X?" for hele holdet uden seat-licenser.

Kvotedesign understøtter bevidst dette: nøgler er per bruger, kvoter håndhæves server-side (5.000 forespørgsler/dag standard, 120/minut burst), og MCP-laget er stateless, så horisontal agent-concurrency behøver ikke session affinity. Hvis du hellere vil springe MCP-overhead over i en ren kode-pipeline, findes de samme operationer som ren REST på /api/v1 med identisk semantik.

Hvor dataene kommer fra (og hvorfor agenter kan stole på det)#

En agents konklusioner er kun så gode som korpusset under, så det er værd at vide hvad værktøjerne faktisk forespørger. Indekset er bygget ved kontinuerligt at fange live native annonceplaceringer fra offentlige publishersider — de sponserede anbefalingsenheder alle ser under artikler — via netværkenes egne leverings-API'er, aldrig ved at klikke live annoncer (klik ville opkræve annoncører rigtige penge og forurene deres analytics; fangst og click-tracing er adskilt af design). Hvert fanget kreativ lagres i fuld kvalitet, klassificeret efter vertical og sprog, løst gennem dens tracker-omdirigeringskæde til et rigtigt annoncørlabel, og — for en stigende andel — linket til en traced landingsside. Den opløsningstrin betyder mere for agenter end mennesker: når Claude rapporterer at et vagt "sponsored" brand faktisk er en specifik forsikrings lead-gen-operatør, læser den brandLabel-feltet, ikke gætter.

Skala og friskhed er målbare snarere end påstået: 615.327 af korpussets 1.041.637 kreativer blev observeret live inden for de sidste 30 dage — Taboola-skiven alene står for 254.020 af disse live kreativer — pr. juli 2026. For agenter er den friskhed forskellen mellem "her er hvad der virkede i native annoncering engang" og "her er hvad der kører lige nu" — og det er hvorfor levetidstjek, nye-tilkommer-scanninger og trendspørgsmål returnerer svar der ændrer sig uge til uge, som et levende marked faktisk opfører sig.

MCP vs dashboardet: hvornår man bruger hvad#

Dashboardet forbliver bedre til visuel browsing — scanning af kreativgitter, visuel vurdering af billedstile, det serendipitetsarbejde beskrevet i how to find winning native ad angles. MCP'en vinder når spørgsmålet er sammensat ("find X, så for hver, tjek Y"), planlagt (ugentlige digests), eller fodrer et andet system (et brief, en rapport, en model). De fleste praktikere ender med at bruge begge: browse for at bygge intuition, deleger til agenter for gentagelse.

En advarsel til AI-bygger-publikummet: agenter forstærker datakvalitetsproblemer. Vores indeks observerer annoncer i et rullende vindue (for nuværende op til omkring 31 dages kontinuerlig observation per kreativ), så "dages kørsel" betyder observerede dage, ikke levetid — instruér din agent i overensstemmelse hermed, eller dens levetidskonklusioner vil være systematisk konservative. Samme forbehold gælder for hvert annoncebibliotek, inklusive Metas; forskellen er om leverandøren fortæller dig det.

Bundlinjen#

"Ad library MCP" eksisterede knap nok som en sætning før 2026 — Foreplay gjorde krav på den for Meta-annoncer, og native netværk har nu deres egen på mcp.openadlibrary.com: 43 værktøjer over 1.041.637 native kreativer (juli 2026), mere end en million tracede landingssider, og et workflow-lag til watchlists og gemte søgninger, på samme nøgle og kvote som den offentlige API fra $29,99/måned med en gratis testniveau. Hvis du er en teknisk markedsfører eller en AI-bygger, er salgstalen enkel: konkurrentannonceresearch bliver en agentopgave, og agenter har brug for en datakilde der taler deres protokol. For native annoncering er dette den.