😇

Meta広告MCPでClaude Codeに広告運用を任せたら、人間がほぼ不要になった話

2026/05/18に公開

2026年4月29日、Metaが「Ads AI Connectors」をオープンベータで公開しました。
業界第3社目（Google → Amazon → Meta）にして、読み書き両対応で公開した最初の広告プラットフォームです。
リリース直後から自社のB2B SaaSで2週間触ってみたら、「広告運用は人がやる仕事」という常識がひっくり返り始めました。
この記事は、リリース直後から AI 半自動で2週間運用してみた実体験ベースで書きます。

 何が起きたのかMeta公式ブログのタイトルはこうです。
Introducing Ads CLI: A Command-Line Interface for Meta Ads
要約すると、Metaが自分の手で広告運用をAIに明け渡し始めたということです。
公開されたのは2つ。

MCPサーバー（Metaがホスト）: https://mcp.facebook.com/ads。Claude Desktop / ChatGPT / Cursor / Claude Code から接続できます

Ads CLI（ローカルバイナリ）: PyPI で pip install meta-ads。Python 3.12+ が必要
これがどれくらい新鮮かというと、業界第3社目です。


プラットフォーム
リリース時期
書き込み対応


Google Ads MCP
2025年10月
読み中心

Amazon Advertising API
2025年11月
限定的

Meta Ads AI Connectors
2026年4月29日

読み書き両対応 ✅

読み書き両対応を最初から出した広告プラットフォームは Meta が世界初です。
Meta の AI Connectors は MCP と CLI の2形態が同時提供されています。両方とも内部的には Marketing API を叩いています。

 どう変わるのか具体的に何がどう変わるかというと、ここまで違います。


項目
従来（Marketing API直叩き）
Meta Ads AI Connectors


Developer App 登録
必要
不要

App Review 申請
必要（数日かかる）
不要

長期トークン保管・ローテーション
必要
不要

セットアップ所要時間
25分以上＋数日
MCP 5分 / CLI 10〜15分

認証フロー
アクセストークン手動発行
Meta Business OAuth（Shopify / Mailchimp と同じ）

「先週のROAS教えて」と聞く
不可能（コード書く）
自然言語で5秒

私は Meta Marketing API の Developer App 登録経験者なので、この差はびっくりしました。広告運用の参入障壁が一晩で消えた感覚です。

 安全装置：作ったエンティティはPAUSEDで生まれる書き込み対応を最初から公開するなら、当然事故対策が要ります。Metaの設計がうまいのは、新規作成された campaign / ad set / ad はすべてデフォルトで PAUSED 状態で生成されることです。
CLIの --no-input --force フラグはプロンプトをスキップするだけで、PAUSED解除はしません。
つまり、AIエージェントが暴走しても予算は飛びません。「人間が手で有効化する」フローが設計で固定されています。
これ、書き込み対応を出す広告プラットフォーム側の責任の取り方として正解の設計です。実際のCLI出力ではこう見えます。

 何ができるのか：MCP の 29ツール全カタログ
公式MCPは29ツールを5カテゴリで提供しています。実際にClaude Codeから接続すると、補助系2機能（get_errors / get_help_article）を含めて31機能が見えます。
カテゴリ別に整理します。

 🎯 Campaign Management（5ツール）配信エンティティの作成・更新。


ツール名
役割


ads_create_campaign
キャンペーン作成（objective / budget / special_ad_categories）

ads_create_ad_set
広告セット作成（targeting / budget）

ads_create_ad
広告作成

ads_activate_entity
配信 ON/OFF（PAUSED → ACTIVE 切り替え）

ads_update_entity
予算・名前等の更新


 📦 Product Catalog（10ツール）EC事業者向けの商品カタログ管理。


ツール名
役割


ads_catalog_create
カタログ作成

ads_catalog_get_catalogs
カタログ一覧

ads_catalog_get_details
カタログ詳細

ads_catalog_get_diagnostics
カタログ診断（エラー検出）

ads_catalog_get_feed_rules
フィードルール

ads_catalog_get_product_details
商品詳細

ads_catalog_get_product_feed_details
商品フィード詳細

ads_catalog_get_product_set_products
商品セット内の商品

ads_catalog_get_product_sets
商品セット一覧

ads_catalog_get_products
商品一覧

💡 コマース広告（DPA / Advantage+ Shopping）を回しているなら、catalog_get_diagnostics だけで触る価値があります。MCPに「フィード品質を確認して」と聞くだけで、Catalog Manager UI を目視確認していた作業が消えます。

 👥 Accounts / Pages / Assets（3ツール）

ツール名
役割


ads_get_ad_accounts
アクセス可能な広告アカウント一覧

ads_get_ad_account_pages
指定アカウントに紐付くPage


ads_get_user_pages / ads_get_pages_for_business

ユーザー / Business 配下のPage


 📊 Dataset Quality & Diagnostics（4ツール）CAPI / Pixel の計測信号品質診断。


ツール名
役割


ads_get_dataset_details
データセット詳細

ads_get_dataset_quality
データ品質スコア

ads_get_dataset_stats
データセット統計

ads_get_ad_entities
配信エンティティ一括取得

💡 CAPIを入れているなら get_dataset_quality を週次でチェックする運用にすると、計測ロスが早期に拾えます。

 🚀 Insights & Performance（7ツール）ここがMCPの本領です。「先週どうだった?」と自然言語で聞くだけで動きます。


ツール名
役割


ads_insights_advertiser_context
全体パフォーマンス要約

ads_insights_anomaly_signal
異常値検知

ads_insights_performance_trend
トレンド分析（時系列）

ads_insights_auction_ranking_benchmarks
オークションランキング

ads_insights_industry_benchmark
業界ベンチマーク比較

ads_get_opportunity_score
改善機会スコア

ads_get_help_article
ヘルプ記事取得

industry_benchmark は他のツールでは取れない Meta公式のアパレル系ベンチマーク です。例えば、自社の CTRはベンチマークと比較すると約n倍なのかとかが分かります

 CLI の 7サブコマンドCLI は PyPI で pip install meta-ads 一発で入ります。Python 3.12+ 必須、2026年4月30日に v1.0.1 がオープンベータ公開されました。
CLIは MCP と同じ Marketing API を叩きますが、シェル / cron / CI/CD から呼べるのが違いです。サブコマンドは7つ。
meta auth                # 認証管理
meta ads campaign        # キャンペーン管理（list/get/create/update/delete）
meta ads adset           # 広告セット管理
meta ads ad              # 広告管理
meta ads creative        # クリエイティブ管理
meta ads catalog         # 商品カタログ管理
meta ads insights        # パフォーマンス分析
実際のコマンド例。
# 直近7日のキャンペーンパフォーマンス
meta ads insights get \
  --level campaign \
  --fields impressions,clicks,ctr,spend,actions \
  --date-preset last_7d \
  --output json

# キャンペーン作成（PAUSEDで生成される）
meta ads campaign create \
  --name "Summer Sale" \
  --objective OUTCOME_SALES \
  --daily-budget 5000

# 予算一括更新
meta ads adset update --id ADSET_ID --daily-budget 10000
認証は環境変数で固定するだけ。
export ACCESS_TOKEN=your_access_token
export AD_ACCOUNT_ID=act_123456789
公式ドキュメントでも「広告CLI」として位置付けられています。

 ここからが本題：Notion / BigQuery / GA4 / Clarity を全部つなぐと何が起きるかここまでは「Meta公式が広告運用を AI に開放した」話でした。本当に面白いのはここからです。
Claude Codeは MCP を複数同時接続できます。つまり、Meta以外の計測ツールも全部繋いで横断分析させられるということです。
そこで私は、Claude Code を指令塔にして、Meta MCP / Notion MCP / Microsoft Clarity / GA4 → BigQuery → BigQuery MCP を全部つなぎ、広告~LPまでの数値検証を全てClaude Codeにやらせて、広告の運用記録をNotionで行うことにしました！
各レイヤーが担う役割。

Meta MCP: 広告側の数字（impression / click / spend / CTR / ROAS / 異常値）

Notion MCP:数値の記録と運用メモの書き込みと参照

BigQuery: GA4 から流したイベントデータの履歴クエリ

GA4 API: LPでのコンバージョン経路 / 滞在時間 / 直帰率

Microsoft Clarity: LPでのヒートマップ / セッションリプレイ / 離脱箇所
つなぐと、こういう問いに1コマンドで答えが返ってきます。
「先週パフォーマンスが落ちた広告セット A について、Meta側のCTR推移と、LP着地後のClarity セッション、GA4のCV経路を突き合わせて、原因を特定して」
人間がこれを手でやると、
Meta Ads Manager でCTR推移を確認（5分）
Clarity で該当期間のセッションリプレイを5本見る（15分）
GA4で該当広告セットのCV経路を確認（10分）
3つを突き合わせて仮説を立てる（15分）
合計45分。これを Claude Code が3分で終わらせます。
実際に Claude Code に「今日の広告成果を見て、LP側は Clarity と BigQuery から拾って分析して」と一行投げたときの応答がこれです（数字とキャンペーン名はモザイク）。
過去7日との比較、疲弊判定、改善案の優先度付けまで自動。これを毎朝5分で読むだけで運用が回り始めます。

 🌅 朝7時：Daily Brief（人間は寝てる）cronで自動実行されるシェルスクリプト。
#!/bin/bash
# 1. 前日のMeta広告データをBigQueryに取り込み
meta ads insights get --level adset --fields all --date-preset yesterday --output json > /tmp/yesterday.json
bq load --source_format=NEWLINE_DELIMITED_JSON dataset.meta_daily /tmp/yesterday.json

# 2. Claude Code を起動して分析させる
claude --skill meta-daily-brief
Claude Code側のSkillはこうです。
---
name: meta-daily-brief
description: 前日のMeta広告パフォーマンスを横断分析してNotionに書き込む
allowed-tools:
  - mcp__meta__ads_insights_anomaly_signal
  - mcp__meta__ads_insights_performance_trend
  - mcp__bigquery__query
  - mcp__notion__create_page
  - mcp__clarity__get_sessions
---

前日のMeta広告データを以下の手順で分析しろ:

1. anomaly_signal で異常値を検出
2. 異常があった広告セットを BigQuery で過去30日と比較
3. その期間の Clarity セッションを5件取得して LP 行動を確認
4. 結論を Notion の Daily Log DB に書き込む
5. 重要度が高ければ Slack に通知

 💡 朝9時：人間は結論だけ確認（5分）私は朝9時に Notion を開きます。Daily Log DB のページにこう書かれています。
2026-05-XX Daily Brief
Day 1 → Day 2 で配信主役が交代しました
Day 1 トップ広告（CTR 2.27%）が Day 2 で 0.57% に落ち、別広告（Day 1: 2.13%）が 2.84% に伸びる
Meta の学習フェーズが2日目で最適化方向を切り替える瞬間を観察
業界ベンチマーク比較: 自社 CTR は Meta アパレル系ベンチマークの約1.7倍（n=895 imps、限定サンプル）
これを読んで、私が判断するのは「予算カットの承認」だけです。実行はCLI が走ります。
meta ads adset update --id ADSET_ID --daily-budget $(( CURRENT_BUDGET * 70 / 100 ))

 🚨 14時：配信疲弊検知（人間は別の仕事中）クリエイティブ疲弊は CTR の傾きで見ます。MCPの performance_trend を呼んで、直近3日のCTR傾きが負なら Slack に通知。
# pseudo-code
for adset in active_adsets:
    trend = mcp.performance_trend(adset_id=adset.id, days=7)
    if trend.slope < -0.05:
        slack.post(f"⚠️ {adset.name} のCTRが下降中（傾き {trend.slope}）")
私はSlackを見て、Notionの該当ページに「新クリエイティブ準備」とタスクを追加するだけ。

 📈 月次：Cycle Review（4エージェント協議）月末は Claude Code の Subagent 機能で4観点の並列分析を回します。
Agent 1: パフォーマンス系（CAC / ROAS / 推移）
Agent 2: 競合・業界系（industry_benchmark との差）
Agent 3: LP系（Clarity + GA4 から行動分析）
Agent 4: 戦略系（次サイクルの仮説）
4エージェントの結論を統合した月次レポートが、Notionの Cycle Reviews DB に自動で書き込まれます。私は最後の合意形成だけ。

 2週間触ってわかったことここで実体験ベースで「効いたこと」「効かなかったこと」を残しておきます。リリースからまだ2週間なので、長期の数字ではなく「初期に見えてきた手応え」として読んでください。

 効いたこと
 工数が圧倒的に減りました朝の分析にかかる時間が大幅に減りました。「人間が見るべき場所」だけ Notion に集約されているので、Meta Ads Manager / Clarity / GA4 のUIを開かない日が出てきました。

 見落としていた示唆が3件出ました2週間で、人間が気づいていなかった示唆をAIが3件発見しました。

キャンペーン Active化前の bot 流入 30件：Meta広告審査クローラー or 別経路の可能性。要監視シグナルとして記録

問いかけ表現は Meta 品質アルゴリズムに抑制される：ある広告の配信比率がわずか2%。ポリシー判定の可能性

Meta CTR と LP内エンゲージメントが逆相関するケース：Meta 最適化の盲点。CPL 最適化への切替を検討するシグナル

 業界ベンチマークが武器になりましたindustry_benchmark で出る Meta公式のアパレル系ベンチマークと比較すると、自社の CTR 1.68% は約1.7倍。2日間サンプルなので長期断定はできないものの、API で一発で「ベンチマーク比較値」が拾える運用は強い武器になります。

 気をつけたこと
 「動かしながら学ぶ」場合は途中停止の判断速度が重要LP の詰まりが配信2日目で判明し、Day 2 で Pause、Day 3 はスキップしました。配信学習の途中で止めるのは勇気がいりますが、AI に分析を投げると「今止めるべきか続けるべきか」の根拠が即取れるので、判断速度が上がります。
→ 結論：人間が引き返す判断を素早くするための材料を、AI に集めさせる。

 AI生成コピーは「直球系」は強いが「問いかけ系」は配信が絞られたClaude にコピーを4本生成させました。直球系2本（A/C）は Meta CTR がアパレル系ベンチマークの約1.7倍、問いかけ系2本（B/D）は Meta が配信を絞りました（配信比率2%）。
AI 生成自体は十分使えます。ただし Meta 品質ポリシー（Hard sell / 過剰な問いかけ表現）の肌感は、人間が一度確認する 必要があります。
→ 結論：AI生成は OK、品質ポリシーチェックは人間。

 まとめ2週間触ってみた結論です。
✅ Meta MCP は5分でセットアップできる
✅ CLI は PAUSED デフォルトで安全に書き込める
✅ Notion / BigQuery / GA4 / Clarity と組み合わせると、朝の分析時間を大幅に短縮できる
✅ 業界ベンチマークが Meta公式値で取れるので、自社の位置付けを数値で語れる
⚠️ 「動かしながら学ぶ」場合の途中停止判断は速度が命。AI に分析材料を集めさせる
⚠️ AI 生成コピー自体は使えるが、Meta 品質ポリシーの肌感は人間が一度確認する
明日からの一歩。

Meta Business OAuth でMCPを接続してみてください（5分）
Claude Desktop に組み込んで、まず「先週のROASを教えて」と聞いてみてください
気に入ったら CLI も入れて cron で日次運用にしてみてください
「広告運用は属人化された職人芸」だった時代の終わりは、後から振り返るとここが境界線です。

 参考ソースIntroducing Ads CLI: A Command-Line Interface for Meta Ads (Meta公式blog, 2026/4/29)
Ads CLI Overview - Meta for Developers
Meta Ads AI Connectors - Meta for Business News
meta-ads · PyPI
Marketing API - Get Started Authorization

ツール名	役割
`ads_insights_advertiser_context`	全体パフォーマンス要約
`ads_insights_anomaly_signal`	異常値検知
`ads_insights_performance_trend`	トレンド分析（時系列）
`ads_insights_auction_ranking_benchmarks`	オークションランキング
`ads_insights_industry_benchmark`	業界ベンチマーク比較
`ads_get_opportunity_score`	改善機会スコア
`ads_get_help_article`	ヘルプ記事取得

プラットフォーム	リリース時期	書き込み対応
Google Ads MCP	2025年10月	読み中心
Amazon Advertising API	2025年11月	限定的
Meta Ads AI Connectors	2026年4月29日	読み書き両対応 ✅

項目	従来（Marketing API直叩き）	Meta Ads AI Connectors
Developer App 登録	必要	不要
App Review 申請	必要（数日かかる）	不要
長期トークン保管・ローテーション	必要	不要
セットアップ所要時間	25分以上＋数日	MCP 5分 / CLI 10〜15分
認証フロー	アクセストークン手動発行	Meta Business OAuth（Shopify / Mailchimp と同じ）
「先週のROAS教えて」と聞く	不可能（コード書く）	自然言語で5秒

ツール名	役割
`ads_create_campaign`	キャンペーン作成（objective / budget / special_ad_categories）
`ads_create_ad_set`	広告セット作成（targeting / budget）
`ads_create_ad`	広告作成
`ads_activate_entity`	配信 ON/OFF（PAUSED → ACTIVE 切り替え）
`ads_update_entity`	予算・名前等の更新

ツール名	役割
`ads_catalog_create`	カタログ作成
`ads_catalog_get_catalogs`	カタログ一覧
`ads_catalog_get_details`	カタログ詳細
`ads_catalog_get_diagnostics`	カタログ診断（エラー検出）
`ads_catalog_get_feed_rules`	フィードルール
`ads_catalog_get_product_details`	商品詳細
`ads_catalog_get_product_feed_details`	商品フィード詳細
`ads_catalog_get_product_set_products`	商品セット内の商品
`ads_catalog_get_product_sets`	商品セット一覧
`ads_catalog_get_products`	商品一覧

ツール名	役割
`ads_get_ad_accounts`	アクセス可能な広告アカウント一覧
`ads_get_ad_account_pages`	指定アカウントに紐付くPage
`ads_get_user_pages` / `ads_get_pages_for_business`	ユーザー / Business 配下のPage

ツール名	役割
`ads_get_dataset_details`	データセット詳細
`ads_get_dataset_quality`	データ品質スコア
`ads_get_dataset_stats`	データセット統計
`ads_get_ad_entities`	配信エンティティ一括取得

何が起きたのか

どう変わるのか

安全装置：作ったエンティティはPAUSEDで生まれる

何ができるのか：MCP の 29ツール全カタログ

🎯 Campaign Management（5ツール）

📦 Product Catalog（10ツール）

👥 Accounts / Pages / Assets（3ツール）

📊 Dataset Quality & Diagnostics（4ツール）

🚀 Insights & Performance（7ツール）

CLI の 7サブコマンド

ここからが本題：Notion / BigQuery / GA4 / Clarity を全部つなぐと何が起きるか

🌅 朝7時：Daily Brief（人間は寝てる）

💡 朝9時：人間は結論だけ確認（5分）

🚨 14時：配信疲弊検知（人間は別の仕事中）

📈 月次：Cycle Review（4エージェント協議）

2週間触ってわかったこと

効いたこと

工数が圧倒的に減りました

見落としていた示唆が3件出ました

業界ベンチマークが武器になりました

気をつけたこと

「動かしながら学ぶ」場合は途中停止の判断速度が重要

AI生成コピーは「直球系」は強いが「問いかけ系」は配信が絞られた

まとめ

参考ソース

Discussion