AI 廣告工作流工具箱：CLI、MCP 與 AI skill 的分工與選型
一套 AI 廣告工作流該配哪些工具？本文拆解 CLI 終端執行、MCP 對話式閘道與 AI skill 三層分工，說明官方連結器的第一方認證邊界、資安與治理原則，並點出工具只負責搬運、投放精準度仍取決於受眾標籤與第一方數據品質的選型邏輯。
廣告工具全面開放的這一年，落差跑到了資料端
2026 年，廣告投放的工具端門檻幾乎被拆平了。過去要打通 Meta 的廣告系統，得先申請開發者帳號、送審、等上好幾天；2026 年 4 月 29 日，Meta 官方在部落格公告推出 Ads CLI，把這條路縮短成一段可以直接下的指令。
同一時間，另一個訊號往反方向走。廣告產業媒體 AdExchanger 有一篇專欄點出，AI 代理正照著沒人重新查證過的舊資料做決策：多數行銷自動化環境的資料層是三到五年前建的，同意記錄也在舊法規下收，而代理正用機器的速度做發送、排除與鎖定。
工具越好用，餵進去的東西越沒人把關，這中間的落差就越危險。當每個品牌都能在幾分鐘內接上同一套廣告工具，比的就不再是誰接得到，而是誰餵得準。
工具能換，餵給工具的受眾名單不能亂
工具可以換，餵給工具的受眾名單不能亂，這是我們 91APP 團隊服務品牌客戶時最常給出的一句提醒。在客戶的廣告檢討會上，最近最常被問到的是：要不要也換一套 AI 工具來投廣告？每次的回答都一樣。我們看過不少品牌把新工具接上去，成效卻沒動，追下去，問題幾乎都出在那份被丟進去的名單本身，工具反而是無辜的。這也是我們想把這套工具箱好好講清楚的原因。
AI 廣告工作流的三層工具：CLI、MCP、AI skill
一套 AI 廣告工作流其實由三層工具組成，各司其職。第一次接觸的人容易把它們混為一談，但分清楚分工，選型時才不會用錯工具。
先把幾個名詞定義清楚。Ads AI Connectors 是 Meta 在 2026 年推出的產品家族，把既有的 Marketing API 包成 AI 代理能可靠呼叫的介面，底下同時含兩種介面。Meta Ads CLI 是其中的終端式介面，讓開發者與 AI 代理（例如 Claude Code）在終端機以指令操作廣告，做 campaign 的建立、拉成效數據（insights）、管理商品目錄等。MCP（Model Context Protocol，模型脈絡協定）是 Anthropic 提出的開放標準，讓 AI 應用以統一方式連上外部資料與工具，屬對話式介面。AI skill 則是把重複的領域判斷（例如怎麼選受眾、怎麼審 Pixel）寫成 AI 代理能重複調用的規則資產。
| 工具層 | 定義 |
|---|---|
| CLI（終端執行） | 在終端機以指令跑廣告操作，適合可重複、多步驟的批次任務 |
| MCP（對話式閘道） | 讓 AI 在對話中呼叫廣告與資料工具的開放介面，適合即時查詢與摘要 |
| AI skill（判斷資產） | 把領域判斷寫成可重複調用的規則，決定 AI 動作的品質 |
前兩層是搬運，把資料拉出來、把動作送出去；第三層是判斷，決定這些動作值不值得做。我們在拆解「AI 行銷自動化到底是不是神話」的那篇文章裡談過同一件事，工具負責搬運，價值留在人的判斷。而把判斷固化下來的做法，就是把重複的服務判斷寫成 AI skill，讓它變成換人也不走鐘的資產。
三個真實事件，看懂工具端這一年怎麼變
工具端這一年的開放牽動的是一整條線，從終端指令到對話式介面都在變。三個公開事件放在一起看，脈絡就清楚了。
Meta Ads CLI：把廣告操作變成一段可預測的指令
Meta Ads CLI 把廣告操作收斂成一段可預測的指令。2026 年 4 月 29 日，Meta 把它正式端上檯面，歸在 Ads AI Connectors 家族底下。根據 Meta 的官方文件，透過 CLI 建立的資源預設是暫停（PAUSED）狀態，要人再確認才會上線，用意是避免誤上線、誤扣款；認證走 Meta Business 的系統用戶存取權杖，官方連結器提供第一方認證邊界，開發者不必在本地儲存第三方 app 金鑰。功能面上，它能建立與調整廣告的 campaign、ad set、ad、creative，拉指定區間與分組的成效數據，管理商品目錄，設定 Pixel 與 dataset。
它的能力也有邊界。依它的定位，CLI 本身不含自動最佳化與排程層，也受 Marketing API 的速率限制影響；要不要上線、什麼時候停損，節奏仍然由人來管。工具負責可靠地執行指令，這種刻意的克制，正是它能被信任的原因。
MCP：從一家公司的提案變成產業共用的介面
對話式那一層的故事更早開始。2024 年 11 月，Anthropic 提出 Model Context Protocol，把它定位成連接 AI 與外部資料、工具的開放標準，用一套協定取代每接一個資料來源就要重寫一次的零碎整合。後來 OpenAI 與 Google 陸續採用，Anthropic 更進一步把 MCP 捐給 Linux Foundation 底下的 Agentic AI Foundation，讓它成為不綁單一廠商的中立標準。
這件事的意義，是對話式閘道有了共同語言，品牌不必為每個工具重寫接法。Meta 的 Ads AI Connectors 同時提供 CLI（終端式，給 Claude Code）與 MCP 介面（對話式，給 Claude Desktop、ChatGPT），就是站在這個標準上。eMarketer 分析師 Jacob Bourne 在 Digiday 形容，這一步既是開放，也是把廣告主更牢留在生態系裡的一著。
買方的資料治理落差：工具跑得比查證快
工具端越開放，資料端的落差就越明顯。AdExchanger 的另一篇專欄主張，第一方數據會定義廣告的代理時代，理由很實際：如果訊號是匿名的、機率式的、治理不良的，代理沒辦法安全地朝成果最佳化；如果訊號是第一方、有授權、可稽核的，代理才敢放心配置預算。Search Engine Land 的分析也指向同一個方向：AI 會朝它收到的訊號最佳化，訊號好壞直接決定成效，掌握乾淨第一方數據的廣告主因此更有優勢。
配上前面那篇談沒人查證過的資料的觀察，方向就清楚了。當代理開始自己配預算，治理就從合規負擔變成成效要求。能說清楚代理被允許做什麼、每個動作為什麼發生、出錯能不能在幾分鐘內回復的團隊，會贏過只是把所有開關打開的團隊。工具讓執行變快，查證卻沒跟上，落差就是這樣被撐大的。
工具好上手的表象底下，成效由三件事決定
工具容易上手，不代表成效容易拿到；真正把成效撐起來的是認證邊界、安全預設與資料品質這三件事。
表象很誘人：幾分鐘接上，一段指令就能拉報表、建廣告。往下看機制，會發現設計者處處在踩煞車，關鍵落在三個地方。
- 認證邊界。這裡先把第一方數據講清楚：指品牌自己在取得顧客同意下收集的資料，例如會員資料、訂單、站內行為，相對於向外部購買的第三方資料。官方連結器把認證留在 Meta Business 這道第一方邊界內，不用把第三方金鑰散落各處，這是資安上實實在在的差別。
- 安全預設。資源預設暫停、受速率限制、沒有持久排程，工具刻意不幫你自動上線、不幫你長期空轉，把不可逆的決定留給人。
- 受眾名單與資料品質。同一套 CLI 與 MCP 人人可接，拉得出的成效數據格式也一樣，差別只在餵進去的受眾名單與資料品質。這一件才是真正拉開差距的地方。
選型因此不能只比工具功能，更要問清楚幾個問題：基本查詢夠不夠快、後台任務有沒有真的執行、建議有沒有用到品牌自己的資料、多輪對話穩不穩。工具的好壞在功能表上看得到，資料與判斷的差距只有問對問題才問得出來。
受眾標籤的品質，才是餵給 AI 代理的真正燃料
AI 代理能自動拉成效數據、自動建受眾、自動審 Pixel 與 CAPI，但這些動作的成效上限，是那份受眾標籤的品質決定的。
先定義兩個詞。CDMP 是 91APP 的顧客數據暨行銷平台（Customer Data & Marketing Platform），把品牌跨線上線下的第一方數據歸戶整理，再長出能直接用的名單。受眾標籤則是用購買與行為數據標記出來的顧客分群，包含高購買意圖名單、會員生命週期分群、站內即時購買意圖分級、以 LIFT 相對優勢標記的名單，以及從 AI 搜尋進站的顧客標籤。
以一個導入 CDMP 的品牌為例，透過 OMO 歸戶把線上線下會員整合起來，站內即時算出的高購買意圖名單餵進投放，廣告代理才有夠準的對象可以投。LIFT 代表相對優勢：它衡量一份名單比大盤好多少，屬於機率上的領先，用來排出哪份名單值得優先投，對單一結果不做保證。回到最根本的一層，工具搬運資料，資料的底層邏輯還是由歸戶品質決定，歸戶乾淨，代理才有好料可用。這也是我們在談 CDMP 如何用資料底座撐起顧客成功時反覆強調的：先把第一方數據理乾淨，AI 才有發揮的空間。
先理乾淨第一方數據，再決定接哪套工具
工具箱不必一次到位，但順序不能顛倒：先盤第一方數據，再談接工具，最後把治理寫進流程。以下四個動作，建議照序推進。
- 先盤點第一方數據底座，再談接哪套工具。做法是把會員、訂單、站內行為的歸戶狀況盤一次，並確認誰負責這層資料的查證。預期效果是避免把 AI 代理接上一批沒人查過的舊名單。週期抓 2 到 4 週。
- 用 AI skill 把常用的受眾判斷寫成可重複的規則。做法是把「怎麼選高購買意圖名單、怎麼審 Pixel 與 CAPI」這類判斷，整理成 AI 代理能調用的 skill。預期效果是換人也不走鐘、判斷品質穩定。週期是持續累積。這一項也正是 CDMP 這類資料底座最能發揮價值的地方。
- 分工用 CLI 與 MCP，別讓一套工具做全部。做法是即時查詢與摘要走 MCP，可重複的批次執行走 CLI。預期效果是查得快、跑得穩，減少手動失誤。週期是 1 到 2 週先小規模試跑再放大。
- 把治理寫進流程，讓每個代理動作可回溯、可回復。做法是明訂代理被允許做什麼、保留動作紀錄、沿用「先暫停再確認」這類安全預設。預期效果是出錯能在幾分鐘內回復，治理成為成效的一部分。週期與導入同步進行。
工具會越來越像水電，你的名字寫在判斷上
工具端的門檻只會越拆越低，接上一套 AI 廣告工作流，很快會像接水電一樣理所當然。當每個品牌手上的工具都差不多，能拉開差距的，是那份沒人能照抄的受眾名單，以及願意為資料品質負責的人。
開場那道落差不必然是壞消息。它剛好把價值，從「誰接得到工具」搬回到「誰把顧客理解得更深」。工具搬運資料的活兒交給機器，把顧客讀懂這件事，機器搬不走，這正是台灣品牌現在最值得押上時間的地方。
常見問題 FAQ
Q1. AI 廣告工作流需要哪些工具？
一套 AI 廣告工作流通常由三層工具組成：CLI 負責終端的批次執行，MCP 負責對話式的即時查詢，AI skill 負責把領域判斷變成可重複的規則。前兩層搬運資料與執行動作，第三層決定動作品質，三者分工才算完整。
Q2. CLI 和 MCP 有什麼差別，該用哪個？
差別在使用情境。MCP 適合即時查詢與摘要，像在對話中問昨天哪個 campaign 花最多；CLI 適合可重複、多步驟的批次操作，像用一份規格檔一次建立多組廣告。實務上多是即時分析走 MCP、批次執行走 CLI。
Q3. Meta Ads CLI 是什麼，安全嗎？
Meta Ads CLI 是 Meta 在 2026 年 4 月推出的終端工具，屬 Ads AI Connectors 產品家族，讓開發者與 AI 代理以指令操作廣告。安全設計上，透過它建立的資源預設為暫停狀態，需要人再確認才會上線，認證也走 Meta Business 的第一方邊界，降低誤上線與金鑰外洩的風險。
Q4. 官方連結器和第三方工具在資安上差在哪？
主要差在認證邊界。官方連結器讓認證留在平台的第一方系統，不必在本地儲存第三方 app 金鑰，出錯與外洩的面積較小；第三方工具的做法各不相同，導入前要確認它把權杖存在哪、誰能存取、能不能稽核。
Q5. 什麼是 AI skill，為什麼重要？
AI skill 是把重複的領域判斷寫成 AI 代理能調用的規則資產，例如怎麼選受眾、怎麼審 Pixel。它重要，是因為工具人人可接，但判斷的品質才決定成效，把判斷固化成 skill 能讓結果穩定、換人也不走鐘。
Q6. 導入 AI 廣告工具前，最該先準備什麼？
最該先準備的是乾淨、可稽核的受眾名單與顧客數據平台底座。AI 代理照著資料做決策，如果餵進去的是沒人查證過的舊名單，工具再好也投不準，先盤好第一方數據，再談接哪套工具。