Native Ad Library MCP: Spør 635,443 Native Ads Fra Claude & ChatGPT

Du kan nå spørre Claude eller ChatGPT spørsmål som "hvilke annonsører lanserte nye Taboola-kampanjer i forsikring denne uken, og hvilke av adsene deres har overlevd lengst?" — og få svar beregnet fra live innsamlede ad-data, ikke modellens treningsminne. Rørledningen som gjør dette mulig er MCP, og fra juli 2026 hoster OpenAdLibrary en MCP-server på mcp.openadlibrary.com som eksponerer 43 verktøy over et indeks på 635,443 native ad-kreativer fra 27,256 annonsører på tvers av 46 nettverk. Denne guiden forklarer hva det betyr, hva verktøyene gjør, og hvordan du kobler den til din AI-assistent på omtrent fem minutter.

Meta-annonsører har allerede dette mønsteret: Foreplay leverte en ad library MCP for Meta og TikTok kreativforskning tidligere i år. Native discovery-nettverk — Taboola, Outbrain, MGID, Revcontent, MSN-feeden — hadde ingenting, noe som er konsistent med kanalens historie: det var ikke noe offentlig native ad-bibliotek i det hele tatt før nylig (bakgrunnshistorien er i hva er et native ad-bibliotek). Denne MCP-serveren er det biblioteket, gjort tilgjengelig for agenter.

Hva er MCP, på ett minutt#

MCP (Model Context Protocol) er en åpen standard, introdusert av Anthropic i slutten av 2024 og siden adoptert på tvers av de store AI-plattformene, som lar AI-assistenter kalle eksterne verktøy. En server publiserer en katalog av verktøy — "søk ads", "hent merkevare", "list trender" — hver med typede innganger og utdata. AI-klienten (Claude, ChatGPT, Cursor, VS Code, eller din egen agent) leser katalogen og bestemmer når den skal kalle hva. Du snakker med assistenten på vanlig engelsk; den håndterer API-mekanikkene, pagineringen og oppfølgingskallene.

Den praktiske konsekvensen: et ad-bibliotek slutter å være et nettsted du blar gjennom og blir en datakilde agenten din kan resonnere over. I stedet for tjue minutter med å klikke filtre, stiller du ett sammensatt spørsmål og agenten lenker fem verktøykall for å svare på det.

Hva OpenAdLibrary MCP eksponerer#

Den hostede serveren er et tynt, autentisert lag over den samme offentlige data-API-en beskrevet i vår native ad data API oversikt — samme indeks, samme kvoter, samme nøkkel. De 43 verktøyene grupperes i seks klynger:

Bak disse verktøyene ligger hele korpuset: 171,050 Taboola-kreativer, 92,290 fra Outbrain, 54,585 fra MGID, 12,821 fra Revcontent, pluss 1,081,997 sporede landingssider og 5,874,698 ad-observasjoner (juli 2026). Hvert kreativ bærer den ekte annonsøretiketten, første-sett/siste-sett datoer, nettverk, geo og språk — råmaterialet for hvert brukstilfelle nedenfor.

Hva du faktisk kan gjøre med det#

Konkurrentforskning uten fanetrøbbel#

Spør: "Profilér competitor-brand.coms native annonsering. Hvilke nettverk er de på, hvor mange live kreativer, hvilke vinklinger kjører de, og hva selger landingssidene deres?" Agenten lenker get_brand → search_ads → get_landing_page_ads og returnerer en briefing som ville tatt en analytiker en ettermiddag. Den manuelle versjonen av denne arbeidsflyten er dokumentert i hvordan spionere på konkurrenters native ads — MCP-versjonen er samme logikk, delegert.

Kreativ idegenerering fra beviste vinnere#

Den mest pålitelige kreativbeskrivelsen i native annonsering er "hva som allerede har overlevd." Spør: "Finn de lengstlevende helseadsene på Taboola i USA, gruppér krokkene deres, og utkast fem nye overskriftvinkler som bruker samme psykologi uten å kopiere." Levetid er proxyen for lønnsomhet — i vårt indeks forsvinner omtrent 89 prosent av bildekreativene innen 10 dager etter første observasjon, så de som overlever er et forhåndsfiltrert sett av ting som fungerer (se ad longevity som et vinnersignal). En agent med search_ads pluss dine utkastinstruksjoner gjør det filteret om til en kreativpipeline, og hvordan analysere vinnende native ad-kreativer leverer poengsettingsrammeverket verdt å lime inn i prompten din.

Levetids- og utmattelsessjekker på forespørsel#

Spør: "Sjekk hver ad i overvåkningslisten min — hvilke sluttet å bli observert denne uken, og hvilke krysset 21 dager i drift?" Med list_watchlist og sync_ads_changes blir dette en planlagt agentoppgave i stedet for en mandagsjobb. Par det med hvordan finne vinnende ads signaler og du har en automatisk markedsbevegelsesrapport.

Bransje- og nettverksrekognosering#

Spør: "Sammenlign Taboola vs MGID for underholdningsbransjen: kreativvolum, toppannonsører, og nye inntrengere de siste 30 dagene." Verktøy som get_network_profile, get_share_of_voice og list_new_entrants ble bygget for nettopp denne aggregeringen. For bakgrunn om hvordan nettverkene skiller seg, er MGID vs Taboola den menneskeskrevne versjonen.

Oppsettsgjennomgang#

Serveren snakker Streamable HTTP — den nåværende MCP-transportstandarden — på https://mcp.openadlibrary.com/mcp, og autentiserer med din personlige API-nøkkel sendt som et Bearer-token. Hver større klient følger samme mønster.

Trinn 1 — få en nøkkel. Opprett en gratis konto, og lag deretter en API-nøkkel i Innstillinger. Nøkler ser ut som oal_... og vises én gang. Gratisnivået er virkelig begrenset: 2 forespørsler/dag, nok til å verifisere tilkoblingen og kjøre et par verktøykall. En betalt plan ($29.99/måned) låser opp standardkvoten på 5,000 forespørsler/dag.

Trinn 2 — legg til tilkoblingen. I Claude, legg til en tilpasset tilkobling som peker på https://mcp.openadlibrary.com/mcp med nøkkelen din som Authorization-header. 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 aksepterer tilsvarende JSON-konfigurasjon:

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

Trinn 3 — røyktest. Spør assistenten din: "Bruk openadlibrary-verktøyene, hvor mange live Taboola-ads nevner høreapparater, og hvem kjører flest?" Hvis du får tall tilbake med annonsørnavn, er du koblet til. Hvis du får en autentiseringsfeil i stedet, er den vanlige årsaken et manglende Bearer -prefiks på nøkkelen.

Noen få operative merknader verdt å vite. Serveren er tilstandsløs og flerbruker — nøkkelen din er din identitet, og kvoter og hastighetsbegrensninger (120 forespørsler/minutt burst) håndheves per nøkkel, nøyaktig som på den rå REST API-en. Det er ingen separat MCP-prising; det er samme plan og samme kvotepool som den offentlige API-en. Og fordi serveren er en gjennomgang over /api/v1, kan alt du kan gjøre i MCP også skriptes direkte — ad spy tools with an API sammenligningen dekker når REST slår MCP og omvendt.

Et gjennomarbeidet eksempel: konkurrentanalyse i én økt#

For å gjøre dette konkret, her er et ekte øktsmønster — den typen sammensatt oppgave som rettferdiggjør oppsettet. Anta at du selger høreapparater og vil forstå det native landskapet før du forplikter budsjett.

Runde 1: "Søk i native ad-indekset etter høreapparat-ads på tvers av Taboola og Outbrain i USA. Hvor mange live kreativer, og hvem er de fem beste annonsørene etter kreativantall?" Agenten kaller search_ads med nettverks- og tekstfiltre, aggregerer, og navngir navn — inkludert skallmerkene du aldri har hørt om som viser seg å kjøre hundrevis av kreativer.

Runde 2: "For toppannonsøren, hent deres lengst observerte kreativer og landingssidene bak dem. Hva er funnelstrukturen?" Agenten lenker get_brand, search_ads sortert etter observert levetid, og get_landing_page_ads. Du lærer om vinnerne kjører quiz-funneler, advertorials eller rett-frem-produktsider — forskjellen mellom å kopiere en overskrift og forstå en strategi.

Runde 3: "Legg de tre beste annonsørene til overvåkningslisten min og lagre dette søket." Agenten kaller watch_advertiser og save_search, så neste ukes økt starter med "hva endret seg i overvåkningslisten min?" i stedet for å starte på nytt.

Tjue minutter, ingen faner, og utdataene er en skriftlig briefing du kan lime inn i et kampanjedokument. Den tilsvarende manuelle arbeidsflyten er ekte — vi dokumenterte den i how to do competitor ad analysis — men det er en ettermiddag, ikke tjue minutter.

Promptemønstre som gir gode svar#

Ad-data-agenter feiler på forutsigbare måter, og tre vaner forhindrer de fleste feil.

Avgrens før du feier. "Vis meg vinnende ads" tvinger agenten til å gjette på nettverk, geo og bransje, og brenner kvote på brede kall. "US Taboola-ads i forsikring observert 14+ dager" får et presist verktøykall på første forsøk — noe som betyr noe på en målt nøkkel.

Be om beviset, ikke bare konklusjonen. La agenten returnere kreativ-IDer, første-sett-datoer og annonsøretiketter sammen med sin oppsummering. Agenter oppsummerer selvsikkert; disiplinen med å sitere rader holder dem ærlige og gjør utdataene verifiserbare i dashbordet.

Lær agenten levetidsforbeholdet én gang. Legg til i prosjektinstruksjonene dine: "dager i drift betyr observerte dager innen et rullende ~31-dagers vindu; behandle det som et gulv." Hver levetidskonklusjon agenten trekker nedstrømms arver den korreksjonen — den biten med domeneerfaring er det som gjør rå verktøytilgang om til kompetent analyse.

For AI-utviklere: utover chatklientene#

Ingenting med serveren forutsetter et chat-grensesnitt. Fordi den snakker standard Streamable HTTP MCP, plugges den inn i agentrammeverk — Claude Agent SDK, OpenAI's Agents SDK, LangChains MCP-adaptere — som en verktøykilde for fullstendig autonome pipeliner. Mønstrene vi ser fungerer: en ukentlig cron-agent som går gjennom en overvåkningsliste og e-poster en konkurrentsammendrag; en kreativgenereringspipeline som henter de ti lengst overlevende adsene i en bransje som few-shot kontekst før utkasting; og interne Slack-boter som svarer på "hvem annonserer for X?" for hele teamet uten setelisenser.

Kvotedesign støtter dette bevisst: nøkler er per bruker, kvoter håndheves på serversiden (5,000 forespørsler/dag standard, 120/minutt burst), og MCP-laget er tilstandsløst, så horisontal agent-samtidighet trenger ikke sesjonsaffinitet. Hvis du heller vil hoppe over MCP-overhead i en ren-kode-pipeline, finnes de samme operasjonene som ren REST på /api/v1 med identisk semantikk.

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

En agents konklusjoner er bare så gode som korpuset under, så det er verdt å vite hva verktøyene faktisk spør etter. Indeksen er bygget ved kontinuerlig å fange live native ad-plasseringer fra offentlige publisher-sider — de sponsede anbefalingsenhetene alle ser under artikler — via nettverkenes egne leverings-API-er, aldri ved å klikke på live ads (å klikke ville belaste annonsører ekte penger og forurense deres analyse; fangst og klikksporing er adskilt med vilje). Hvert fanget kreativ lagres i full kvalitet, klassifisert etter bransje og språk, løst gjennom sin tracker-omdirigeringskjede til en ekte annonsøretikett, og — for en økende andel — koblet til en sporet landingsside. Den oppløsningssteget betyr mer for agenter enn for mennesker: når Claude rapporterer at et vagt "sponset" merke faktisk er en spesifikk forsikrings lead-gen-operatør, leser den brandLabel-feltet, ikke gjetter.

Skala og ferskhet er målbar heller enn påstått: 5,874,698 ad-observasjoner til dags dato, med Taboola-delen alene som viser 167,524 kreativer første gang observert innen de siste 30 dagene (juli 2026). For agenter er den ferskheten forskjellen mellom "her er hva som fungerte i native annonsering en gang" og "her er hva som kjører akkurat nå" — og det er hvorfor levetidssjekker, nye-inntrenger-skanninger og trendspørsmål returnerer svar som endrer seg uke til uke, slik et levende marked faktisk oppfører seg.

MCP vs dashbordet: når du skal bruke hva#

Dashbordet forblir bedre for visuell browsing — skanne kreativruter, øye på bildestiler, den serendipitetsarbeidet beskrevet i hvordan finne vinnende native ad-vinkler. MCP vinner når spørsmålet er sammensatt ("finn X, så for hver, sjekk Y"), planlagt (ukentlige sammendrag), eller mater et annet system (en briefing, en rapport, en modell). De fleste praktikere vil ende opp med å bruke begge deler: bla for å bygge intuisjon, deleger til agenter for repetisjon.

En advarsel for AI-utviklerpublikummet: agenter forsterker datakvalitetsproblemer. Vårt indeks observerer ads i et rullende vindu (for tiden opp til omtrent 31 dager med kontinuerlig observasjon per kreativ), så "dager i drift" betyr observerte dager, ikke levetid — instruér agenten din tilsvarende, eller dens levetidskonklusjoner vil være systematisk konservative. Samme forbehold gjelder for hvert ad-bibliotek, inkludert Metas; forskjellen er om leverandøren forteller deg det.

Bunnlinjen#

"Ad library MCP" eksisterte knapt som et uttrykk før 2026 — Foreplay gjorde krav på det for Meta-ads, og native nettverk har nå sin egen på mcp.openadlibrary.com: 43 verktøy over 635,443 native kreativer, 1,081,997 landingssider, og et arbeidsflytlag for overvåkningslister og lagrede søk, på samme nøkkel og kvote som den offentlige API-en fra $29.99/måned med en gratis testnivå. Hvis du er en teknisk markedsfører eller en AI-utvikler, er budskapet enkelt: konkurrentad-forskning blir en agentoppgave, og agenter trenger en datakilde som snakker deres protokoll. For native annonsering, er dette den.