Чем управляет коннектор

Один адрес коннектора связывает ИИ-клиента с вашими рекламными кабинетами. Подключается к Claude и ChatGPT, а также к российским платформам — Yandex AI Studio и GigaChat. Мы не перепродаём доступ к ИИ: за модель вы платите её владельцу, а за коннектор — нам.

Как подключить

npx @modelcontextprotocol/inspector
# transport: Streamable HTTP
# url: https://app.adcab.ru/mcp

Статистика по заголовкам и картинкам

Срезы по заголовкам, текстам и изображениям агент строит сам — для обычных объявлений. У комбинаторных объявлений единых перфоманс-кампаний статистики по отдельным элементам нет в API Директа: она есть только в Мастере отчётов в интерфейсе. Выгрузите там отчёт с нужными группировками, пришлите файл или таблицу в чат — агент разберёт её сам и посчитает итоги: сложит строки по заголовку или картинке и пересчитает CTR, цену клика и цену конверсии из сумм.

Cursor, Codex, VS Code и другие клиенты

Отдельной настройки под каждую программу нет. Подойдёт любой клиент, который подключает удалённые MCP-серверы со входом через OAuth: ему нужен только адрес коннектора. При первом подключении откроется вход в AdCab.

codex mcp add adcab --url https://app.adcab.ru/mcp

codex mcp login adcab

{
  "mcpServers": {
    "adcab": { "url": "https://app.adcab.ru/mcp" }
  }
}

{
  "servers": {
    "adcab": { "type": "http", "url": "https://app.adcab.ru/mcp" }
  }
}

Для других клиентов: транспорт — Streamable HTTP, вход — OAuth с автоматической регистрацией клиента. Если программа не умеет входить через OAuth, подключите её по ключу доступа: заголовок Authorization: Bearer adcab_…. Правки в рекламе из любого клиента работают одинаково: сначала черновик, в аккаунт — после вашего подтверждения.

Российские модели

Эти платформы не умеют входить в AdCab по кнопке, поэтому подключаются по личному ключу доступа. Выпустите ключ на странице Ключи доступа — отдельный для каждой платформы, чтобы при необходимости отозвать только его.

pip install langchain-gigachat langchain-mcp-adapters langgraph

import asyncio, os
from langchain_gigachat.chat_models import GigaChat
from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent

async def main():
    client = MultiServerMCPClient({
        "adcab": {
            "url": "https://app.adcab.ru/mcp",
            "transport": "streamable_http",
            "headers": {"Authorization": "Bearer " + os.environ["ADCAB_KEY"]},
        }
    })
    tools = await client.get_tools()
    model = GigaChat(model="GigaChat-2-Max",
                     credentials=os.environ["GIGACHAT_CREDENTIALS"])
    agent = create_react_agent(model, tools)
    answer = await agent.ainvoke(
        {"messages": [("user", "Покажи мои рекламные аккаунты")]})
    print(answer["messages"][-1].content)

asyncio.run(main())

Читают

Готовят черновики

Подтверждение