Native Ad Library MCP: 635.443 native Anzeigen von Claude & ChatGPT abfragen

Sie können Claude oder ChatGPT jetzt Fragen stellen wie „Welche Werbetreibenden haben diese Woche neue Taboola-Kampagnen im Bereich Versicherungen gestartet, und welche ihrer Anzeigen haben am längsten überlebt?“ – und erhalten Antworten, die aus live erfassten Anzeigendaten berechnet werden, nicht aus dem Trainingsspeicher des Modells. Die Infrastruktur, die dies ermöglicht, ist MCP, und seit Juli 2026 hostet OpenAdLibrary einen MCP-Server unter mcp.openadlibrary.com, der 43 Tools über einen Index von 635.443 nativen Ad-Creatives von 27.256 Werbetreibenden aus 46 Netzwerken bereitstellt. Dieser Leitfaden erklärt, was das bedeutet, was die Tools tun und wie Sie es in etwa fünf Minuten in Ihren KI-Assistenten einbinden.

Meta-Werbetreibende haben dieses Muster bereits: Foreplay hat früher in diesem Jahr einen Ad-Library-MCP für die Meta- und TikTok-Creative-Recherche veröffentlicht. Native Discovery-Netzwerke – Taboola, Outbrain, MGID, Revcontent, der MSN-Feed – hatten nichts, was mit der Geschichte des Kanals übereinstimmt: Es gab bis vor kurzem überhaupt keine öffentliche Native-Ad-Bibliothek (die Hintergrundgeschichte finden Sie in Was ist eine Native-Ad-Bibliothek). Dieser MCP-Server ist diese Bibliothek, die von Agenten aufrufbar gemacht wurde.

Was ist MCP, in einer Minute#

MCP (Model Context Protocol) ist ein offener Standard, der Ende 2024 von Anthropic eingeführt und seitdem von den großen KI-Plattformen übernommen wurde und KI-Assistenten den Aufruf externer Tools ermöglicht. Ein Server veröffentlicht einen Katalog von Tools – „Anzeigen suchen“, „Marke abrufen“, „Trends auflisten“ – jeweils mit typisierten Ein- und Ausgaben. Der KI-Client (Claude, ChatGPT, Cursor, VS Code oder Ihr eigener Agent) liest den Katalog und entscheidet, wann er was aufruft. Sie sprechen mit dem Assistenten in normalem Englisch; er kümmert sich um die API-Mechanik, Paginierung und Folgefragen.

Die praktische Konsequenz: Eine Anzeigenbibliothek ist nicht mehr eine Website, die Sie durchsuchen, sondern wird zu einer Datenquelle, über die Ihr Agent nachdenken kann. Statt zwanzig Minuten lang Filter zu klicken, stellen Sie eine zusammengesetzte Frage, und der Agent verknüpft fünf Tool-Aufrufe, um sie zu beantworten.

Was das OpenAdLibrary MCP bereitstellt#

Der gehostete Server ist eine schlanke, authentifizierte Schicht über derselben öffentlichen Daten-API, die in unserem Überblick über die Native-Ad-Daten-API beschrieben ist – derselbe Index, dieselben Kontingente, derselbe Key. Die 43 Tools gruppieren sich in sechs Cluster:

Hinter diesen Tools sitzt der vollständige Korpus: 171.050 Taboola-Creatives, 92.290 von Outbrain, 54.585 von MGID, 12.821 von Revcontent, plus 1.081.997 nachverfolgte Landingpages und 5.874.698 Anzeigenbeobachtungen (Juli 2026). Jedes Creative trägt das echte Werbetreibenden-Label, Daten zum ersten/letzten Mal gesehen, Netzwerk, Geo und Sprache – das Rohmaterial für jeden der folgenden Anwendungsfälle.

Was Sie damit tatsächlich tun können#

Wettbewerbsforschung ohne Tab-Farm#

Fragen Sie: „Profilieren Sie die Native-Werbung von competitor-brand.com. In welchen Netzwerken sind sie, wie viele Live-Creatives, welche Ansätze fahren sie und was verkaufen ihre Landingpages?“ Der Agent verknüpft get_brand → search_ads → get_landing_page_ads und gibt ein Briefing zurück, für das ein Analyst einen Nachmittag bräuchte. Die manuelle Version dieses Workflows ist dokumentiert in Wie man Wettbewerber-Native-Anzeigen ausspäht – die MCP-Version ist dieselbe Logik, delegiert.

Kreativideenfindung von bewährten Gewinnern#

Die zuverlässigste kreative Vorgabe in der Native-Werbung ist „was bereits überlebt hat“. Fragen Sie: „Finden Sie die am längsten laufenden Health-Anzeigen auf Taboola in den USA, gruppieren Sie ihre Hooks und entwerfen Sie fünf neue Überschriftenansätze, die dieselbe Psychologie nutzen, ohne zu kopieren.“ Langlebigkeit ist der Profitabilitätsindikator – in unserem Index verschwinden etwa 89 Prozent der Bild-Creatives innerhalb von 10 Tagen nach der ersten Beobachtung, die Überlebenden sind also eine vorgefilterte Menge von Dingen, die funktionieren (siehe Anzeigenlebensdauer als Gewinnsignal). Ein Agent mit search_ads plus Ihren Anweisungen zum Verfassen verwandelt diesen Filter in eine kreative Pipeline, und Wie man gewinnende native Ad-Creatives analysiert liefert den Bewertungsrahmen, den Sie in Ihren Prompt einfügen sollten.

Langlebigkeits- und Ermüdungschecks auf Abruf#

Fragen Sie: „Überprüfen Sie jede Anzeige in meiner Watchlist – welche wurde diese Woche nicht mehr beobachtet und welche hat die 21-Tage-Marke überschritten?“ Mit list_watchlist und sync_ads_changes wird dies zu einer geplanten Agentenaufgabe statt zu einer Montagsroutine. Kombinieren Sie es mit den Signalen aus Wie man gewinnende Anzeigen findet und Sie haben einen automatisierten Marktbewegungsbericht.

Vertikalen- und Netzwerk-Scouting#

Fragen Sie: „Vergleichen Sie Taboola vs. MGID für die Unterhaltungsvertikale: Creative-Volumen, Top-Werbetreibende und Neueinsteiger in den letzten 30 Tagen.“ Tools wie get_network_profile, get_share_of_voice und list_new_entrants wurden genau für diese Aggregation entwickelt. Hintergrundinformationen dazu, wie sich die Netzwerke unterscheiden, finden Sie in MGID vs. Taboola – der von Menschen geschriebenen Version.

Einrichtungswalkthrough#

Der Server spricht Streamable HTTP – den aktuellen MCP-Transportstandard – unter https://mcp.openadlibrary.com/mcp und authentifiziert sich mit Ihrem persönlichen API-Key, der als Bearer-Token gesendet wird. Jeder wichtige Client folgt demselben Muster.

Schritt 1 – Key besorgen. Erstellen Sie ein kostenloses Konto, und generieren Sie dann in den Einstellungen einen API-Key. Keys sehen wie oal_... aus und werden einmalig angezeigt. Der kostenlose Tarif ist wirklich eingeschränkt: 2 Anfragen/Tag, genug zum Überprüfen der Verbindung und zum Tätigen einiger Tool-Aufrufe. Ein kostenpflichtiger Plan (29,99 $/Monat) schaltet das Standardkontingent von 5.000 Anfragen/Tag frei.

Schritt 2 – Connector hinzufügen. Fügen Sie in Claude einen benutzerdefinierten Connector hinzu, der auf https://mcp.openadlibrary.com/mcp zeigt, mit Ihrem Key als Authorization-Header. In Claude Code ist es ein Befehl:

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

Cursor, VS Code und die meisten anderen Clients akzeptieren die entsprechende JSON-Konfiguration:

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

Schritt 3 – Testlauf. Fragen Sie Ihren Assistenten: „Wie viele aktive Taboola-Anzeigen erwähnen Hörgeräte, und wer schaltet die meisten?“ Wenn Sie Zahlen mit Werbetreibendennamen zurückbekommen, sind Sie verbunden. Wenn Sie stattdessen einen Authentifizierungsfehler erhalten, fehlt meist das Bearer -Präfix vor dem Key.

Ein paar betriebliche Hinweise, die wissenswert sind. Der Server ist zustandslos und multi-tenant – Ihr Key ist Ihre Identität, und Kontingente und Ratenlimits (120 Anfragen/Minute Burst) werden pro Key durchgesetzt, genau wie bei der rohen REST-API. Es gibt keine separate MCP-Preisgestaltung; es ist derselbe Plan und dasselbe Kontingentpool wie die öffentliche API. Und da der Server ein Durchgriff auf /api/v1 ist, können Sie alles, was Sie im MCP tun können, auch direkt per Skript erledigen – der Vergleich Ad-Spy-Tools mit einer API behandelt, wann REST besser ist als MCP und umgekehrt.

Ein durchgearbeitetes Beispiel: Wettbewerberanalyse in einer Sitzung#

Um dies konkret zu machen, hier ein echtes Sitzungsmuster – die Art von zusammengesetzter Aufgabe, die die Einrichtung rechtfertigt. Angenommen, Sie verkaufen Hörgeräte und möchten die Native-Landschaft verstehen, bevor Sie ein Budget festlegen.

Runde 1: „Durchsuchen Sie den Native-Ad-Index nach Hörgeräteanzeigen auf Taboola und Outbrain in den USA. Wie viele Live-Creatives, und wer sind die fünf größten Werbetreibenden nach Creative-Anzahl?“ Der Agent ruft search_ads mit Netzwerk- und Textfiltern auf, aggregiert und nennt Namen – einschließlich der Shell-Marken, von denen Sie noch nie gehört haben, die sich als Betreiber von Hunderten von Creatives herausstellen.

Runde 2: „Rufen Sie für den größten Werbetreibenden die am längsten beobachteten Creatives und die dahinterliegenden Landingpages ab. Wie ist die Funnel-Struktur?“ Der Agent verknüpft get_brand, search_ads sortiert nach beobachteter Lebensdauer und get_landing_page_ads. Sie erfahren, ob die Gewinner Quiz-Funnel, Advertorials oder gerade Produktseiten nutzen – der Unterschied zwischen dem Kopieren einer Überschrift und dem Verstehen einer Strategie.

Runde 3: „Fügen Sie die drei größten Werbetreibenden zu meiner Watchlist hinzu und speichern Sie diese Suche.“ Der Agent ruft watch_advertiser und save_search auf, sodass die nächste Sitzung mit „Was hat sich in meiner Watchlist geändert?“ beginnt, anstatt von vorne zu beginnen.

Zwanzig Minuten, keine Tabs, und die Ausgabe ist ein schriftliches Briefing, das Sie in ein Kampagnendokument einfügen können. Der äquivalente manuelle Workflow ist real – wir haben ihn dokumentiert in Wie man eine Wettbewerber-Anzeigenanalyse durchführt – aber es ist ein Nachmittag, nicht zwanzig Minuten.

Prompting-Muster, die gute Antworten liefern#

Ad-Daten-Agenten scheitern auf vorhersehbare Weise, und drei Gewohnheiten verhindern die meisten Fehler.

Eingrenzen vor dem Auswerten. „Zeige mir gewinnende Anzeigen“ zwingt den Agenten, Netzwerk, Geo und Vertikale zu erraten, und verbraucht Kontingent für breite Aufrufe. „US-Taboola-Anzeigen in Versicherungen, die 14+ Tage beobachtet wurden“ führt zu einem präzisen Tool-Aufruf beim ersten Versuch – was bei einem gemessenen Key wichtig ist.

Fragen Sie nach den Belegen, nicht nur nach der Schlussfolgerung. Lassen Sie den Agenten Creative-IDs, Daten der ersten Sichtung und Werbetreibenden-Labels zusammen mit seiner Zusammenfassung zurückgeben. Agenten fassen selbstbewusst zusammen; die Disziplin, Zeilen zu zitieren, hält sie ehrlich und macht die Ausgabe im Dashboard überprüfbar.

Bringen Sie den Langlebigkeitsvorbehalt einmal bei. Fügen Sie Ihren Projektanweisungen hinzu: „Tage in Betrieb bedeutet beobachtete Tage innerhalb eines rollierenden ~31-Tage-Fensters; behandeln Sie es als Untergrenze.“ Jede Langlebigkeitsschlussfolgerung, die der Agent downstream zieht, erbt diese Korrektur – dieses Stück Domänenwissen verwandelt rohen Tool-Zugriff in kompetente Analyse.

Für KI-Entwickler: Über die Chat-Clients hinaus#

Nichts am Server setzt eine Chat-Oberfläche voraus. Da er standardmäßiges Streamable-HTTP-MCP spricht, lässt er sich in Agenten-Frameworks – das Claude Agent SDK, das Agents SDK von OpenAI, die MCP-Adapter von LangChain – als Tool-Quelle für vollständig autonome Pipelines einbinden. Die Muster, die wir als funktionierend sehen: ein wöchentlicher Cron-Agent, der eine Watchlist abgeht und eine Wettbewerber-Zusammenfassung per E-Mail versendet; eine Creative-Generierungspipeline, die die zehn am längsten überlebenden Anzeigen in einer Vertikalen als Few-Shot-Kontext abruft, bevor sie Texte entwirft; und interne Slack-Bots, die „Wer wirbt für X?“ für das gesamte Team beantworten, ohne Sitzungslizenzen.

Das Kontingentdesign unterstützt dies bewusst: Keys sind pro Benutzer, Kontingente werden serverseitig durchgesetzt (5.000 Anfragen/Tag Standard, 120/Minute Burst), und die MCP-Schicht ist zustandslos, sodass horizontale Agentenparallelität keine Sitzungsaffinität benötigt. Wenn Sie in einer reinen Code-Pipeline lieber den MCP-Overhead überspringen möchten, existieren dieselben Operationen als einfaches REST unter /api/v1 mit identischer Semantik.

Woher die Daten kommen (und warum Agenten ihnen vertrauen können)#

Die Schlussfolgerungen eines Agenten sind nur so gut wie der darunterliegende Korpus, daher lohnt es sich zu wissen, was die Tools tatsächlich abfragen. Der Index wird erstellt, indem kontinuierlich live Native-Ad-Platzierungen von öffentlichen Publisher-Seiten erfasst werden – die gesponserten Empfehlungseinheiten, die jeder unter Artikeln sieht – über die eigenen Auslieferungs-APIs der Netzwerke, niemals durch Klicken auf Live-Anzeigen (Klicken würde Werbetreibende echtes Geld kosten und ihre Analysen verunreinigen; Erfassung und Klick-Tracing sind absichtlich getrennt). Jedes erfasste Creative wird in voller Qualität gespeichert, nach Vertikale und Sprache klassifiziert, über seine Tracker-Weiterleitungskette zu einem echten Werbetreibenden-Label aufgelöst und – für einen wachsenden Anteil – mit einer nachverfolgten Landingpage verknüpft. Dieser Auflösungsschritt ist für Agenten wichtiger als für Menschen: Wenn Claude meldet, dass eine vage „gesponserte“ Marke tatsächlich ein bestimmter Lead-Gen-Betreiber für Versicherungen ist, liest es das brandLabel-Feld, nicht eine Schätzung.

Umfang und Aktualität sind messbar, nicht behauptet: 5.874.698 Anzeigenbeobachtungen bis heute, wobei allein der Taboola-Teil 167.524 Creatives zeigt, die in den letzten 30 Tagen erstmals beobachtet wurden (Juli 2026). Für Agenten ist diese Aktualität der Unterschied zwischen „hier ist, was einmal in der Native-Werbung funktioniert hat“ und „hier ist, was gerade läuft“ – und es ist der Grund, warum Langlebigkeitschecks, Neueinsteiger-Scans und Trendfragen Antworten liefern, die sich Woche für Woche ändern, so wie ein lebendiger Markt sich tatsächlich verhält.

MCP vs. Dashboard: Wann was verwenden#

Das Dashboard bleibt besser für visuelles Durchsuchen – Scannen von Creative-Rastern, Begutachten von Bildstilen, die Serendipitätsarbeit, die in Wie man gewinnende native Ad-Winkel findet beschrieben ist. Das MCP gewinnt immer dann, wenn die Frage zusammengesetzt ist („finde X, dann prüfe für jedes Y“), geplant (wöchentliche Zusammenfassungen) oder ein anderes System speist (ein Briefing, ein Bericht, ein Modell). Die meisten Praktiker werden letztendlich beides nutzen: Durchsuchen, um Intuition aufzubauen, und an Agenten delegieren, um Wiederholungen zu erledigen.

Eine Vorsichtsmaßnahme für das KI-Entwickler-Publikum: Agenten verstärken Datenqualitätsprobleme. Unser Index beobachtet Anzeigen in einem rollierenden Fenster (derzeit bis zu etwa 31 Tagen kontinuierlicher Beobachtung pro Creative), daher bedeutet „Tage in Betrieb“ beobachtete Tage, nicht die Lebensdauer – weisen Sie Ihren Agenten entsprechend an, sonst werden seine Langlebigkeitsschlussfolgerungen systematisch konservativ sein. Der gleiche Vorbehalt gilt für jede Anzeigenbibliothek, einschließlich der von Meta; der Unterschied ist, ob der Anbieter es Ihnen sagt.

Das Fazit#

„Ad Library MCP“ gab es vor 2026 kaum als Begriff – Foreplay hat ihn für Meta-Anzeigen beansprucht, und native Netzwerke haben jetzt ihren eigenen unter mcp.openadlibrary.com: 43 Tools über 635.443 native Creatives, 1.081.997 Landingpages und eine Workflow-Ebene für Watchlists und gespeicherte Suchanfragen, mit demselben Key und Kontingent wie die öffentliche API ab 29,99 $/Monat mit einer kostenlosen Teststufe. Wenn Sie ein technischer Vermarkter oder ein KI-Entwickler sind, ist das Angebot einfach: Die Wettbewerbs-Anzeigenforschung wird zu einer Agentenaufgabe, und Agenten benötigen eine Datenquelle, die ihr Protokoll spricht. Für Native-Werbung ist dies die Lösung.