Conectei o Claude ao Meta Ads via MCP: o que funciona e o que quebra

O que é o MCP da Meta, em uma frase

Em 29 de abril de 2026 a Meta lançou um servidor MCP oficial em mcp.facebook.com/ads. MCP (Model Context Protocol) é o padrão da Anthropic para conectar um modelo de linguagem a ferramentas externas por chamadas estruturadas. Na prática: em vez de você copiar relatório do Gerenciador e colar no chat, o Claude chama a API da Meta direto e devolve a resposta na conversa.

O servidor oficial expõe 29 ferramentas: leitura de campanhas, conjuntos e anúncios, criação de criativo, ajuste de orçamento, pausar e ativar. Existe também uma Ads CLI da Meta voltada a agentes e um servidor da comunidade no GitHub (o Pipeboard, com algo em torno de 772 stars). O conteúdo de setup saturou em inglês ao longo de maio e junho de 2026, com tutorial pra todo lado. Não é isso que falta. Falta alguém dizer o que acontece quando você usa de verdade, com dinheiro de cliente na conta.

Conectar leva 10 minutos: o passo a passo

O setup em si é trivial, e é por isso que ele saturou. Eu rodei o caminho do servidor oficial dentro do Claude. São cinco passos, e nenhum deles é a parte que importa:

O que a IA acerta com folga

Leitura e síntese. Pedir ao Claude pra puxar campanhas ativas, calcular o CPA médio dos últimos 7 dias por conjunto e ordenar por desempenho funciona bem: ele lida com dado tabular, identifica outlier e devolve um diagnóstico estruturado em segundos. Comparação entre períodos também é forte. "Compare o CPM desta semana com a passada e me diga se tem sinal de leilão competitivo" volta com número, variação e uma leitura do que aquilo significa.

Geração de briefing e roteiro de teste é o segundo ponto forte. Dado um conjunto de métricas, o modelo sugere o próximo teste lógico (qual variável isolar, qual orçamento, qual duração pra atravessar a learning phase), com qualidade proporcional ao contexto que você entregou. E a montagem de relatório formatado, que sozinha já justifica conectar: o que antes era exportar planilha, limpar coluna e formatar pro cliente vira uma pergunta no chat.

O que quebra ou é arriscado delegar

Execução de mutação sem revisão. Pausar campanha, aumentar orçamento, criar conjunto: tecnicamente o MCP permite tudo isso com uma frase em linguagem natural. O problema não é técnico. É que o modelo executa sobre o dado que tem, e o dado da Meta não reflete a realidade com fidelidade suficiente pra automatizar esse tipo de decisão. O CPA numa janela de 7 dias com atribuição de visualização é diferente do CPA real. Se o modelo pausa com base nesse número sem ajuste de incrementalidade, ele pausa campanha que está funcionando.

E tem o contexto de negócio, que é invisível pro modelo. Ele não sabe que você tem lançamento amanhã, que aquele conjunto de CPA alto é holdout intencional, que o cliente liberou um orçamento maior só esta semana. A sugestão sai tecnicamente coerente e operacionalmente errada. Some a isso a learning phase, porque um aumento acima de ~20% reinicia o aprendizado e o modelo pode executar isso sem te alertar, e a velocidade da automação: o estrago acontece antes de você abrir o Gerenciador pra conferir.

Já vi a lógica disso numa conta que eu gerencio, antes de qualquer MCP existir. A campanha aparecia com CPA péssimo na janela de 7 dias e a regra automática teria cortado. Era holdout. Pausar teria cegado a medição de incrementalidade da conta inteira. Nenhum modelo lendo só a coluna saberia disso.

A árvore: o que deixar a IA fazer e o que não

Não é tudo ou nada. A linha não passa entre "usar IA" e "não usar IA": passa entre ler e escrever, e dentro de escrever, entre o que tem contexto suficiente na conta e o que não tem. Esta é a árvore que eu uso pra decidir o que delegar ao modelo via MCP:

Por que HITL não é limitação de produto

HITL (human in the loop) é o modelo em que a IA propõe e o humano aprova antes da mutação. A narrativa comum trata isso como fase de transição, do tipo "enquanto a IA não é confiável o suficiente". Está errada, e atrapalha quem decide. O problema não é a confiabilidade do modelo. É que as condições raramente são ideais: dado inflado, contexto ausente, sazonalidade, holdout, teto de conta, promoção ativa. Qualquer um desses invalida a decisão ótima que o modelo tomaria com dado limpo.

O gestor sênior não aprova manualmente porque desconfia da IA. Ele aprova porque tem contexto que o modelo não tem e que não cabe num prompt. A aprovação é o ponto exato onde esse contexto entra na decisão. O fluxo certo não é "IA age, humano monitora". É "IA analisa e propõe, humano valida com um clique, sistema executa". A velocidade está na análise, não na execução sem revisão. Quem inverte isso confunde rapidez com eficiência, e paga a diferença em campanha pausada por engano.

Como usar MCP de um jeito que faz sentido

Use a leitura sem moderação: puxar dado, montar diagnóstico e gerar relatório é o uso de maior ROI e nenhum risco. Separe proposta de execução, ou seja, configure o Claude pra gerar a lista de ações recomendadas com justificativa, e execute por um sistema com aprovação explícita, não direto na conta. E dê contexto estruturado no começo de cada sessão: CPA alvo, holdouts, conjuntos em learning phase, teto autorizado. Sem isso o modelo está adivinhando.

Por último, desconfie da automação total vendida como padrão de mercado. Os guias de setup mostram o Claude pausando e escalando sozinho como se fosse o caso de uso principal, e é justamente o mais arriscado. O MCP da Meta funciona, o Claude lê e sintetiza bem, conectar é o passo fácil. O passo que decide se você ganha ou perde dinheiro é onde você coloca o freio.