Seorang perunding pemasaran pertumbuhan berhenti menghabiskan seluruh petang untuk menarik data daripada empat belas tab pelayar dan hamparan kerja yang tidak berkesudahan dengan membina pelayan Model Context Protocol (MCP). Pelayan tersebut membolehkan pembantu AI mengambil dan bertindak ke atas data daripada Google Ads, Meta, GA4 dan Search Console. Ia kini menjana laporan bulanan, menjalankan audit dan melaksanakan pengoptimuman tanpa bantuan manual, sekali gus membebaskan pemasar untuk fokus pada strategi berbanding pengurusan data yang rumit.

Mengapa peralihan ini penting

Pelaporan pada platform carian berbayar, media sosial dan analitik dahulunya merupakan satu proses manual yang rumit: buka setiap papan pemuka, salin nombor ke dalam hamparan kerja, selaraskan percanggahan, kemudian tulis cerapan. Usaha tersebut memakan masa yang berharga dan memperkenalkan ralat manusia. MCP mengubah aliran kerja dengan memberikan AI akses terus kepada bahasa pertanyaan (query languages) asli dan API platform tersebut, mengubah "beritahu saya nombornya" kepada "pergi dapatkan nombor itu untuk saya."

Asas teknikal

MCP ialah protokol yang membolehkan pembantu berkuasa LLM memanggil alatan luaran sebagai sebahagian daripada penaakulannya. Dalam praktiknya, perunding tersebut menyediakan perkhidmatan web kecil yang mendedahkan bahasa pertanyaan mentah bagi setiap platform (Google Ads → GAQL) dan titik akhir (endpoints) REST standard untuk Meta, GA4 dan Search Console. AI membina pertanyaan, menghantarnya ke pelayan, menerima hasil berstruktur dan boleh mengeluarkan operasi penulisan (write-operations) yang diikuti dengan pembacaan pengesahan (verification reads).

Tiga pilihan reka bentuk yang membuahkan hasil

  • Dedahkan bahasa pertanyaan asli dan bukannya pembungkus nipis (thin wrappers) – Percubaan pertama menulis fungsi berasingan untuk setiap keperluan data (contohnya, get_campaigns). Sudut pelaporan baharu dengan cepat membesarkan kod sumber (codebase). Dengan mendedahkan GAQL secara langsung, satu titik akhir membolehkan AI merangka sebarang pertanyaan yang diperlukan. Komposisi GAQL pembantu tersebut mengatasi skrip manual perunding, dan corak yang sama berfungsi untuk platform lain.
  • Sahkan setiap penulisan dengan pembacaan – API sering mengembalikan penanda kejayaan walaupun perubahan tidak berjaya dilaksanakan. Pelayan kini membaca semula selepas setiap penulisan; jika nilai yang dijangkakan hilang, ia akan merekodkan kegagalan dan memberi amaran kepada pengguna. Langkah kawalan (guardrail) ini menghalang ralat senyap yang boleh merosakkan data prestasi.
  • Senggara log ralat markdown – Setiap pepijat, medan yang tersalah taip atau peraturan yang salah difahami akan direkodkan dalam learned-errors.md. AI membaca fail ini pada permulaan setiap sesi, mengajar dirinya sendiri tentang apa yang tidak perlu diulangi.

Tiga perangkap yang membuang masa

  • Pertembungan nama antara alatan dan import – Sebuah fungsi berkongsi nama yang sama dengan modul yang diimport, menyebabkan pelayan terhenti (crash) semasa masa larian (runtime). Memberikan setiap import alias yang berbeza telah menghapuskan konflik tersebut.
  • Mengabaikan muat semula panas (hot reloads) – Pelayan MCP memuatkan kod sekali sahaja semasa pelancaran. Perubahan pada kod sumber tidak berkesan sehingga keseluruhan proses klien dimulakan semula, yang membawa kepada berjam-jam penyahpepijatan (debugging) kod yang tidak berfungsi. Menambah aliran kerja mulakan semula penuh selepas setiap suntingan telah menyelesaikan masalah tersebut.
  • Kebergantungan (dependencies) yang hilang – Satu import yang tersasar dan tiada dalam persekitaran maya (virtual environment) menyebabkan pelayan terhenti semasa permulaan. Semakan pra-penerbangan (pre-flight checks) kini memasang dan mengesahkan semua pakej yang diperlukan sebelum mulakan semula, sekali gus mengesan isu lebih awal.

Kesimpulan

Sebuah pelayan MCP yang ringkas boleh mengubah ritual pelaporan yang memenatkan kepada aliran kerja automatik yang sedia untuk diaudit, tetapi ia memerlukan amalan pengekodan yang berdisiplin dan kesediaan untuk menyenggara perkhidmatan kecil. Pemasar yang melaburkan masa untuk penyediaan akan menukar kerja rutin hamparan kerja yang membosankan dengan analisis strategik.