Google ha abierto un servidor Model Context Protocol (MCP) que expone acceso de solo lectura a la API de Google Ads para aplicaciones agentes y LLM. El repositorio googleads/google-ads-mcp implementa un servidor MCP en Python que presenta dos herramientas hoy: búsqueda (consultas GAQL sobre cuentas de anuncios) y list_accessible_customers (enumeración de recursos de clientes). Incluye configuración a través de pipx, tokens de desarrollador de Google Ads, alcances OAuth2 (https://www.googleapis.com/auth/adwords) e integración Gemini CLI/Code Assist a través de una configuración de cliente MCP estándar. El proyecto está etiquetado como “Experimental”.
Entonces, ¿por qué es importante?
MCP está surgiendo como una interfaz común para conectar modelos a sistemas externos. Al enviar un servidor de referencia para la API de anuncios, Google reduce el costo de integración para los agentes de LLM que necesitan telemetría de campaña, ritmo de presupuesto y diagnóstico de rendimiento sin pegamento SDK personalizado.
¿Cómo funciona? (vista de desarrollador)
Protocolo: MCP estandariza las “herramientas” que los modelos pueden invocar con parámetros y respuestas escritos. El servidor Ads MCP anuncia herramientas asignadas a las operaciones de la API de Google Ads; Los clientes de MCP (Gemini CLI/Code Assist, otros) los descubren y los llaman durante una sesión. Autenticación y alcances: habilita la API de Google Ads en un proyecto en la nube, obtiene un token de desarrollador y configura las credenciales predeterminadas de la aplicación o el cliente Ads Python. El alcance requerido es AdWords. Para jerarquías de cuentas de administrador, establezca un ID de cliente de inicio de sesión. Cableado del cliente: agregue una entrada ~/.gemini/settings.json que apunte a la invocación del servidor MCP (pipx ejecute git+https://github.com/googleads/google-ads-mcp.git google-ads-mcp) y pase las credenciales a través de env vars. Luego consulte a través de /mcp en Gemini o solicitando campañas, rendimiento, etc.
Señal del ecosistema
El servidor de Google llega en medio de una adopción más amplia de MCP entre proveedores y clientes de código abierto, lo que refuerza a MCP como un camino pragmático hacia la interoperabilidad de agente a SaaS. Para los equipos de PPC y de crecimiento que experimentan con flujos de trabajo agentes, el servidor de referencia es una forma sencilla de validar el control de calidad asistido por LLM, la clasificación de anomalías y los informes semanales sin otorgar privilegios de escritura.
Conclusiones clave
Google abrió un servidor MCP API de Google Ads de solo lectura, que muestra dos herramientas: búsqueda (GAQL) y list_accessible_customers. Detalles de implementación: proyecto Python en GitHub (googleads/google-ads-mcp), licencia Apache-2.0, marcado como Experimental; instale/ejecute a través de pipx y configure OAuth2 con el alcance https://www.googleapis.com/auth/adwords (token de desarrollo + ID de cliente de inicio de sesión opcional). Funciona con clientes compatibles con MCP (por ejemplo, Gemini CLI/Code Assist) para que los agentes puedan emitir consultas GAQL y analizar cuentas de anuncios a través de indicaciones en lenguaje natural.
Conclusión
En términos prácticos, el servidor MCP API de Google Ads de código abierto de Google brinda a los equipos una ruta de solo lectura basada en estándares para que los agentes de LLM ejecuten consultas GAQL en cuentas de Ads sin cableado SDK personalizado. El repositorio con licencia de Apache está marcado como experimental, expone la búsqueda y la lista de clientes_accesibles y se integra con clientes MCP como Gemini CLI/Code Assist; el uso en producción debe tener en cuenta el alcance de OAuth (adwords), la gestión de tokens de desarrollador y la advertencia de exposición de datos indicada en el archivo README.
Consulte la página de GitHub y el blog técnico. No dude en consultar nuestra página de GitHub para tutoriales, códigos y cuadernos. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 100.000 ML y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.
Michal Sutter es un profesional de la ciencia de datos con una Maestría en Ciencias de Datos de la Universidad de Padua. Con una base sólida en análisis estadístico, aprendizaje automático e ingeniería de datos, Michal se destaca en transformar conjuntos de datos complejos en conocimientos prácticos.
🙌 Siga MARKTECHPOST: agréguenos como fuente preferida en Google.