Biblioteca de Anúncios Nativos MCP: Consulta de 635.443 Anúncios Nativos via Claude & ChatGPT

Você agora pode perguntar ao Claude ou ao ChatGPT questões como "which advertisers launched new Taboola campaigns in insurance this week, and which of their ads have survived longest?" — e obter respostas calculadas a partir de dados de anúncios capturados ao vivo, não da memória de treinamento do modelo. A infraestrutura que torna isso possível é o MCP, e a partir de julho de 2026 o OpenAdLibrary hospeda um servidor MCP em mcp.openadlibrary.com expondo 43 ferramentas sobre um índice de 635.443 criativos de anúncios nativos de 27.256 anunciantes em 46 redes. Este guia explica o que isso significa, o que as ferramentas fazem e como integrá‑las ao seu assistente de IA em cerca de cinco minutos.

Os anunciantes do Meta já utilizam esse padrão: a Foreplay lançou um MCP de biblioteca de anúncios para pesquisa criativa do Meta e TikTok no início deste ano. As redes de descoberta nativa — Taboola, Outbrain, MGID, Revcontent, o feed MSN — não tinham nada, o que é consistente com a história do canal: não havia biblioteca pública de anúncios nativos até recentemente (o contexto está em what is a native ad library). Este servidor MCP é essa biblioteca, tornada chamável por agentes.

O que é MCP, em um minuto#

MCP (Model Context Protocol) é um padrão aberto, introduzido pela Anthropic no final de 2024 e adotado pelas principais plataformas de IA, que permite que assistentes de IA chamem ferramentas externas. Um servidor publica um catálogo de ferramentas — "search ads", "get brand", "list trending" — cada uma com entradas e saídas tipadas. O cliente de IA (Claude, ChatGPT, Cursor, VS Code ou seu próprio agente) lê o catálogo e decide quando chamar o quê. Você conversa com o assistente em inglês simples; ele cuida da mecânica da API, paginação e chamadas de follow‑up.

A consequência prática: uma biblioteca de anúncios deixa de ser um site que você navega e passa a ser uma fonte de dados que seu agente pode analisar. Em vez de vinte minutos clicando em filtros, você faz uma pergunta composta e o agente encadeia cinco chamadas de ferramenta para respondê‑la.

O que o OpenAdLibrary MCP expõe#

O servidor hospedado é uma camada fina e autenticada sobre a mesma API pública de dados descrita em nossa visão geral da native ad data API — mesmo índice, mesmas cotas, mesma chave. As 43 ferramentas se agrupam em seis clusters:

Por trás dessas ferramentas está o corpus completo: 171.050 criativos da Taboola, 92.290 do Outbrain, 54.585 do MGID, 12.821 do Revcontent, além de 1.081.997 landing pages rastreadas e 5.874.698 observações de anúncios (julho de 2026). Cada criativo traz o rótulo real do anunciante, datas de primeira e última visualização, rede, geo e idioma — o material bruto para todos os casos de uso abaixo.

O que você realmente pode fazer com isso#

Pesquisa de concorrentes sem abrir múltiplas abas#

Pergunte: "Profile competitor-brand.com's native advertising. Which networks are they on, how many live creatives, what angles are they running, and what do their landing pages sell?" O agente encadeia get_brand → search_ads → get_landing_page_ads e devolve um briefing que levaria uma tarde para um analista. A versão manual desse fluxo está documentada em how to spy on competitor native ads — a versão MCP é a mesma lógica, delegada.

Ideação criativa a partir de vencedores comprovados#

O briefing criativo mais confiável em publicidade nativa é "o que já sobreviveu". Pergunte: "Find the longest-running health ads on Taboola in the US, cluster their hooks, and draft five new headline angles that use the same psychology without copying." Longevidade é o proxy de lucratividade — em nosso índice cerca de 89 % dos criativos de imagem desaparecem em 10 dias de primeira observação, então os sobreviventes são um conjunto pré‑filtrado de coisas que funcionam (veja ad longevity as a winning signal). Um agente com search_ads mais suas instruções de redação transforma esse filtro em um pipeline criativo, e how to analyze winning native ad creatives fornece a estrutura de pontuação para colar no seu prompt.

Verificações de longevidade e fadiga sob demanda#

Pergunte: "Check every ad in my watchlist — which stopped being observed this week, and which crossed 21 days running?" Com list_watchlist e sync_ads_changes, isso se torna uma tarefa agendada do agente em vez de uma rotina de segunda‑feira. Combine com os sinais de how to find winning ads e você tem um relatório automatizado de movimentação de mercado.

Exploração vertical e de rede#

Pergunte: "Compare Taboola vs MGID for the entertainment vertical: creative volume, top advertisers, and new entrants in the last 30 days." Ferramentas como get_network_profile, get_share_of_voice e `list_new_entrants foram criadas exatamente para essa agregação. Para entender como as redes diferem, veja MGID vs Taboola.

Guia de configuração passo a passo#

O servidor usa HTTP Streamable — o padrão de transporte MCP atual — em https://mcp.openadlibrary.com/mcp, e autentica com sua chave API pessoal enviada como token Bearer. Todos os principais clientes seguem o mesmo padrão.

Etapa 1 — obtenha uma chave. Create a free account, depois gere uma chave API em Configurações. As chaves têm o formato oal_... e são mostradas uma única vez. O plano gratuito é realmente limitado: 2 solicitações/dia, suficiente para validar a conexão e executar algumas chamadas de ferramenta. Um plano pago ($29.99/mês) desbloqueia a cota padrão de 5.000 solicitações/dia.

Etapa 2 — adicione o conector. No Claude, adicione um conector personalizado apontando para https://mcp.openadlibrary.com/mcp com sua chave como cabeçalho Authorization. No Claude Code isso é um único comando:

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

Cursor, VS Code e a maioria dos outros clientes aceitam a configuração JSON equivalente:

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

Etapa 3 — teste rápido. Pergunte ao seu assistente: "Using the openadlibrary tools, how many live Taboola ads mention hearing aids, and who runs the most?" Se receber números e nomes de anunciantes, está tudo configurado. Se receber um erro de autenticação, verifique se o prefixo Bearer está presente na chave.

Algumas notas operacionais úteis. O servidor é sem estado e multi‑tenant — sua chave é sua identidade, e cotas e limites de taxa (burst de 120 solicitações/minuto) são aplicados por chave, exatamente como na API REST bruta. Não há precificação separada para MCP; ele usa o mesmo plano e pool de cotas da public API. E como o servidor é um passthrough sobre /api/v1, tudo que pode ser feito via MCP também pode ser scriptado diretamente — a comparação em ad spy tools with an API mostra quando REST supera MCP e vice‑versa.

Exemplo prático: desmontagem de concorrente em uma sessão#

Para tornar isso concreto, aqui está um padrão de sessão real — o tipo de tarefa composta que justifica a configuração. Suponha que você venda aparelhos auditivos e queira entender o cenário nativo antes de alocar orçamento.

Turno 1: "Search the native ad index for hearing aid ads across Taboola and Outbrain in the US. How many live creatives, and who are the top five advertisers by creative count?" O agente chama search_ads com filtros de rede e texto, agrega e apresenta nomes — incluindo marcas desconhecidas que rodam centenas de criativos.

Turno 2: "For the top advertiser, pull their longest-observed creatives and the landing pages behind them. What is the funnel structure?" O agente encadeia get_brand, search_ads ordenado por tempo de observação, e get_landing_page_ads. Você descobre se os vencedores usam funis de quiz, advertoriais ou páginas de produto direto — a diferença entre copiar um título e entender uma estratégia.

Turno 3: "Add the top three advertisers to my watchlist and save this search." O agente chama watch_advertiser e save_search, de modo que a sessão da próxima semana começa com "what changed in my watchlist?" em vez de recomeçar do zero.

Vinte minutos, sem abas, e o resultado é um briefing escrito que você pode colar em um documento de campanha. O fluxo manual equivalente foi documentado em how to do competitor ad analysis — mas leva uma tarde, não vinte minutos.

Padrões de prompt que geram boas respostas#

Agentes de dados de anúncios falham de maneiras previsíveis, e três hábitos evitam a maioria das falhas.

Defina o escopo antes de varrer. "Show me winning ads" força o agente a adivinhar rede, geo e vertical, consumindo cotas em chamadas amplas. "US Taboola ads in insurance observed 14+ days" gera uma chamada de ferramenta precisa logo na primeira tentativa — o que importa em uma chave limitada.

Peça a evidência, não só a conclusão. Faça o agente retornar IDs de criativos, datas de primeira visualização e rótulos de anunciantes junto ao resumo. Agentes resumem com confiança; a disciplina de citar linhas mantém‑nos honestos e torna a saída verificável no dashboard.

Ensine a ressalva de longevidade uma vez. Adicione às instruções do projeto: "days running means observed days within a rolling ~31‑day window; treat it as a floor." Cada conclusão de longevidade que o agente tira downstream herda essa correção — esse conhecimento de domínio transforma acesso bruto a ferramentas em análise competente.

Para construtores de IA: além dos clientes de chat#

Nada no servidor assume uma interface de chat. Como ele usa HTTP Streamable MCP padrão, pode ser integrado a frameworks de agentes — Claude Agent SDK, OpenAI Agents SDK, adaptadores MCP do LangChain — como fonte de ferramentas para pipelines totalmente autônomos. Os padrões que vemos funcionando: um agente cron semanal que percorre uma watchlist e envia um digest de concorrentes por e‑mail; um pipeline de geração criativa que recupera os dez anúncios mais duradouros em uma vertical como contexto few‑shot antes de redigir; e bots internos no Slack que respondem "who is advertising X?" para toda a equipe sem licenças de assento.

O design de cotas apoia isso deliberadamente: chaves são por usuário, cotas são aplicadas no servidor (5.000 solicitações/dia padrão, burst de 120/minuto), e a camada MCP é sem estado, de modo que concorrência horizontal de agentes não requer afinidade de sessão. Se preferir pular a sobrecarga do MCP em um pipeline puro de código, as mesmas operações existem como REST simples em /api/v1 com semântica idêntica.

De onde vêm os dados (e por que os agentes podem confiar neles)#

As conclusões de um agente são tão boas quanto o corpus subjacente, então vale a pena entender o que as ferramentas realmente consultam. O índice é construído capturando continuamente placements de anúncios nativos ao vivo de páginas públicas de publishers — as unidades de recomendação patrocinada que todos veem sob artigos — via APIs de entrega das redes, nunca clicando em anúncios ao vivo (clicar cobraria dinheiro real dos anunciantes e poluiria suas análises; captura e rastreamento de cliques são separados por design). Cada criativo capturado é armazenado em qualidade total, classificado por vertical e idioma, resolvido através de sua cadeia de redirecionamento de rastreador para um rótulo real de anunciante, e — para uma parcela crescente — ligado a uma landing page rastreada. Essa etapa de resolução importa mais para agentes que para humanos: quando Claude relata que uma marca "sponsored" vaga é na verdade um operador específico de geração de leads de seguros, ele está lendo o campo brandLabel, não adivinhando.

Escala e frescor são mensuráveis, não apenas declarados: 5.874.698 observações de anúncios até hoje, com a fatia Taboola mostrando 167.524 criativos observados pela primeira vez nos últimos 30 dias (julho de 2026). Para agentes, essa frescura faz a diferença entre "aqui está o que funcionou em publicidade nativa uma vez" e "aqui está o que está rodando agora" — e é por isso que verificações de longevidade, varreduras de novos entrantes e perguntas de tendência retornam respostas que mudam semana a semana, como o mercado ao vivo realmente se comporta.

MCP vs o dashboard: quando usar cada um#

O dashboard continua melhor para navegação visual — varrer grades de criativos, observar estilos de imagem, o trabalho de serendipidade descrito em how to find winning native ad angles. O MCP vence sempre que a pergunta é composta ("encontre X, depois para cada, verifique Y"), programada (digests semanais) ou alimenta outro sistema (um briefing, um relatório, um modelo). A maioria dos profissionais acabará usando ambos: navegar para construir intuição, delegar a agentes para repetição.

Um alerta para o público de construtores de IA: agentes amplificam problemas de qualidade de dados. Nosso índice observa anúncios em uma janela móvel (atualmente até cerca de 31 dias de observação contínua por criativo), então "days running" significa dias observados, não vida útil total — instrua seu agente adequadamente, ou suas conclusões de longevidade serão sistematicamente conservadoras. A mesma ressalva vale para toda biblioteca de anúncios, inclusive a do Meta; a diferença está em o fornecedor contar ou não essa informação.

Conclusão final#

"Ad library MCP" quase não existia como expressão antes de 2026 — a Foreplay a reivindicou para anúncios do Meta, e as redes nativas agora têm a sua em mcp.openadlibrary.com: 43 ferramentas sobre 635.443 criativos nativos, 1.081.997 landing pages, e uma camada de fluxo de trabalho para watchlists e buscas salvas, na mesma chave e cotas da API pública a partir de $29.99/mês com um tier gratuito de teste. Se você é um marketer técnico ou um construtor de IA, o argumento é simples: a pesquisa de anúncios concorrentes está se tornando uma tarefa de agente, e agentes precisam de uma fonte de dados que fale seu protocolo. Para publicidade nativa, esta é a solução.