发布时间：2026-08-31 人气：2次
2026年8月24日，X 上线了 Ads MCP 服务器，在 ads-api.x.com 端点向 AI 智能体开放 23 个工具（PPC Land 于8月27日报道，X 于8月25日发布详细文档）。
这 23 个工具的构成很说明问题：9 个读取账户与库存，2 个返回分析数据，2 个搜索定向分类体系——这些都是"看"。剩下 10 个是"动"：create_campaign、update_line_item、add_targeting_criterion、promote_post，全部作用于由真实支付工具充值的生产广告账户。持有有效 token 的智能体，可以在无人触碰界面的情况下构建并修改广告活动。
但真正值得琢磨的，是设计里内置的那道刹车。
通过该协议创建的广告活动默认为暂停状态，激活需要一次单独的、明确的 activate_campaign 调用。这意味着一个幻觉出来的定向条件，在有人调用激活之前不会产生任何成本。认证采用 OAuth2，使用广告主自己的 token，访问令牌约两小时过期、刷新令牌在使用时轮换、回调监听本地端口，且每个应用与用户组合只允许一次授权——这从机制上杜绝了一家代理商用同一客户凭证并行拉起多个智能体。
把这个设计放在行业时间线里看，更能读出分寸感。谷歌早在2025年10月7日就为其 Ads API 发布了开源的 MCP 服务器，但只读；亚马逊2025年11月13日开放受限封闭测试；Meta 走了另一条路，2026年4月29日开放可写访问并于7月16日扩展到所有开发者；Adform 于2026年7月11日为 FLOW 平台发布 29 项技能，全部只读；TikTok 于2026年5月13日推出自己的 Ads MCP。
X 的落点是：给写入权限，却扣住自动激活。
行业愿意把"做"的权限交给机器，却坚持把"花钱"的最后一道闸留给人。 这个分寸不是保守，而是这一轮 AI 落地最务实的共识。
三份调研能解释这道刹车为什么非留不可。
KPMG 的调研显示，49% 的领导者因为成本超过价值而缩减了智能体部署，只有 35% 声称对智能体的成本有完整可见度。LayerX 于2026年5月的研究则给出另一个维度的失衡：只有 18.24% 的企业员工每周使用 AI 工具，却有 47% 的企业 AI 对话完全发生在企业监督之外。
用不起、看不见、管不住——这三件事叠在一起，决定了当前阶段的人机边界只能画在"激活"这一环。
成本侧的压力还在加大。Zefr 首席 AI 官 Jon Morra 在8月24日的专栏中提出，"token 每个季度都会更便宜"这个假设的时代已经结束了。他提到某前沿模型发布时的成本是其前代的两倍，一些订阅层级也不再捆绑无限用量。他用杰文斯框架解释这种反直觉：更便宜的 token 从未减少 AI 支出，反而把消费放大到更广的应用上；如今单价停止下降，而消费模式仍在持续。
他给出的结构性答案是让模型规模匹配任务难度——品牌安全分类、政策合规检查并不是前沿推理问题。研究界已经开始用"通过成本"（cost-of-pass，即得到正确结果的预期成本）给系统打分，而不是看每 token 的标价。
这对企业的启示很直接：评估一个 AI 应用，不要问它每 token 多少钱，要问它做对一件事总共花多少钱。
比智能体拿到账户更值得警惕的，是流量构成本身翻篇了。
2026年6月，自动化请求占全部网络流量的 57.5%——这是开放互联网上机器数量首次超过人类；美国占全球机器人流量的 53.5%，自动化流量的增长速度是人类活动的 8 倍。HUMAN Security 在2026年4月9日的报告中也得出了类似的交叉结论。
同一时期，运行在 OpenRouter 上的智能体每完成一项任务消耗的 token，几乎是人类用户在同一系统中输入的近五倍，其中超过 85% 来自缓存提示词——机器把大部分算力花在反复读取自己已有的上下文上（数据由 Peter Walker 编制图表，经 a16z Charts of the Week 于8月21日传播）。自2026年2月以来的六个月里，平台上的智能体使用量扩大了 14 倍，且极不均衡：头部十分之一的企业输出的 token 是普通企业的 8 倍，信息行业领先者与中位数的差距拉大到 12 倍。
这条数据对中小企业的杀伤力，比它看起来大得多。
它意味着：你后台里那一半是机器人的访问，正在污染你所有的优化决策。 跳出率、停留时长、页面热度、转化路径——这些指标的分母里混进了大量非人类行为。你以为自己在根据数据优化，实际上可能是在根据噪声做判断。
行业里已经有对应的症状：75.6% 的营销人报告广告预算因机器人而流失，51.1% 将自动竞价算法列为自身技术栈中最大的智能体风险，而只有 5.3% 运营着专门的无效流量平台来核查差异。
雪上加霜的是，谷歌于8月26日确认把所有搜索点击导入自有跳转链接 google.com/goto。对排名追踪工具、SERP API 和归因体系而言，这意味着每次查询可能需要 500 到 1000 次请求才能解析结果——测量工具在变盲，而测量对象在变浑。
在这个背景下，继续把"曝光量""展现量"当核心 KPI，风险正在系统性上升。
这一周流传最广的两个效果数字，都需要仔细解读。
第一个来自 Butler/Till 首席战略官 Scott Ensign 在8月25日 AdExchanger Talks 上描述的案例：一场在 Claude 内部通过 PubMatic Agentic OS 运行的端到端联网电视广告活动，系统阅读自然语言简报、制定媒介策略、搭建活动并优化投放节奏与定向，全程没有传统需求方平台工作流。报道的结果是供应链与技术成本降低 80%，同预算下展示量增加 40%，视频完播率 98%，浪费低于 1%。
数字很漂亮，但 Ensign 本人的解释更值得听：他把程序化质量治理比作一场与症状搏斗了几十年的战争，主张买家必须追问需求的根本原因，并认为人类交易员仍然不可或缺，只是被大幅增强。
换言之，这 80% 的节省，大部分来自"去中介化"——移除了收费层级，而不是模型在交易判断上胜过了人类。 把渠道压缩的收益算成 AI 的功劳，是当前最普遍的一种误读。
第二个数字来自 The Trade Desk 于8月27日发布的 Zuma。公司宣称升级后的 Koa Optimizations 模型在 62 个广告活动中平均降低了 32% 的 CPA。需要注意的是：这个数字比较的是优化层自身的两个版本，而不是平台与对照组的实验；62 个广告活动是样本，不是普查。它证明的是新版本比旧版本强，而不是 AI 比人强。
厂商报效果数字时几乎都会选择对自己有利的比较基准，这不是造假，但读的人得知道分母是什么。对预算有限的中小企业来说，养成"先问对照组在哪"的习惯，比追任何一个漂亮数字都划算。
智能体要买东西，就得有共同语言。这一周明确了谁来仲裁这场争论。
三个候选摆在桌面上：由 AgenticAdvertising.org 治理的 AdCP（Prebid 现在管理其卖方智能体）、IAB Tech Lab 的智能体广告管理协议 AAMP，以及纯粹的 MCP——一些买家干脆直接用这种通用管道，不带任何广告专属层。IAB Tech Lab 于8月20日统计出 AdCP 与 AAMP 之间有 13 项重叠功能，这个数字描述的是重复劳动，而非趋同。
开源项目 Prebid 也在这一周换了领导层，OpenX 首席技术官 Joel Meyer 接任主席。他的工程直觉说得很直白："最好只有一种协议。"而他的阵营立场更值得注意：Prebid 的基础一直是供给侧、尤其是发布商，一个卖方智能体站进 AdCP 阵营的项目，天然倾向于任何能保留发布商对库存描述、定价来源与买方审批控制权的标准。
这个项目身上还带着一个未解的张力。Prebid 之所以存在，是因为在众多买家之间的并行拍卖中，一个分布式、开放的实现凭借经济性击败了专有实现；而智能体购买——正如 Magnite 首席执行官对当前阶段的描述——倾向于一个买家与一个卖家直接交易，这与并行拍卖恰恰相反。
对普通企业来说，这场协议战眼下不需要站队，但要意识到一件事：当买与卖都开始由机器代理，交易的入口就不再是一个网页，而是一段机器能读懂的、结构化的描述。 谁的事实描述得清楚、可验证、可比对，谁就更容易进入智能体的候选集。
同样的逻辑也在淘汰上一代工具。n8n、Zapier 和 Make 这些定义了上一代营销运营的可视化工作流平台，在最近 12 周的流量均出现两位数下滑；而2023年成立、从一开始就按 AI 原生方式构建的 Gumloop，是同类数据集中唯一仍在增长的平台。它们不是输在功能对比上，而是被一种新架构绕开——这种架构在运行时组合工作流，而不是先让人类把流程画出来。
第一，把事实做成机器可读。 官网先完成结构化部署，包括 Schema.org 标记与面向大模型的 llms.txt，把你是谁、做什么、服务哪些区域、有什么资质与案例，写成机器能直接解析的字段。这不是技术洁癖，而是进入任何 AI 推荐与智能体候选集的入场券。先筑官网根基，再谈外部信源分发。
第二，把考核指标从曝光量换成线索质量。 当机器流量已经过半、测量工具还在变盲，曝光数据的可信度在系统性下降。更可靠的做法是看能核验的业务结果：品牌在 AI 回答中的提及率、推荐排名，以及最终落到咨询与成交的转化。
第三，照抄 X 的那道闸。 让 AI 负责生成与执行，把预算激活、对外承诺、客户交付这些不可逆的环节留给人。行业在给机器上权限的同时坚持保留人工激活，这个分寸值得每个企业学。
把这一周连起来的主线其实只有一条：判断力正从有名有姓的人手中转移到系统之中，而法院、监管机构和审计机构以把硬数字写进剩余规则的方式作出回应——十项写入工具、两小时、57.5%、172.1 亿美元、13 项重叠功能。
数字正在代替人来划定边界。对企业而言结论也很朴素：机器接管了越来越多的判断，所以你的事实必须经得起机器的核验；而边界被写成了硬数字，所以你的表述必须经得起人的复核。
重庆传粉科技在服务本地企业时，几乎都要从同一件事开始：先把企业事实整理成机器可读、彼此一致的结构，再去谈投放和分发。顺序反了，后面所有的优化，都只是在噪声上做文章。
客服1