mcp-ad-server 0.0.5

MCP服务器用于处理广告投放数据

广告投放数据平台 MCP 服务

项目概述

这是一个基于 Model Context Protocol (MCP) 的广告投放数据服务器，为 LLM 应用提供智能的广告数据查询和分析能力。通过标准化的MCP协议，LLM可以直接调用广告投放相关的数据查询工具，获取业务洞察和决策支持。

✨ 核心特性

• 🔧 MCP工具集成：提供广告查询、素材分析、指标推荐等MCP工具
• 📊 指标工具：提供获取与验证指标的工具（推荐功能暂未启用）
• 🎯 多维数据查询：支持按时间、媒体、分组等维度查询数据
• 📈 89个业务指标：涵盖投放、转化、留存、财务等全链路指标
• 🔗 标准协议支持：完全遵循MCP协议，支持Claude Desktop等客户端
• ⚡ 异步高性能：基于异步架构，支持并发数据查询

🚀 快速开始

# 1. 克隆项目
git clone <repository-url> && cd mcp

# 2. 设置API Token
export BI_API_TOKEN="your_token_here"

# 3. 安装并运行测试
uv sync && uv run python tests/test_server.py

Claude Desktop集成

{
  "mcpServers": {
    "mcp-ad-server": {
      "command": "uvx",
      "args": ["mcp_ad_server"],
      "env": {"BI_API_TOKEN": "your_token"}
    }
  }
}

⚠️ 重要提示：如果遇到 spawn python ENOENT 错误，请使用完整的 Python 路径（用 which python3 查找）而非 python 命令。Claude Desktop 的 PATH 环境变量与终端不同。

📁 项目结构

mcp/
├── 📄 README.md                    # 项目说明（本文档）
├── 📄 USER_GUIDE.md               # 用户使用手册
├── 📄 DEVELOPMENT.md             # 开发者指南
├── 📄 ARCHITECTURE.md            # 系统架构设计
├── 🚀 run_server.py               # 服务启动脚本
├── 🧪 tests/                      # 测试文件
│   ├── test_server.py                # 集成测试
│   ├── test_config.py                # 配置测试
│   └── test_dotenv.py                # 环境变量测试
│
├── 💻 src/mcp_ad_server/          # 主要源码
│   ├── main.py                       # 服务器主入口
│   ├── config.py                     # 配置管理
│   ├── services/                     # 业务服务层
│   │   └── api_client.py                # BI API客户端
│   ├── managers/                     # 数据管理层
│   │   ├── base.py                      # Manager基础类
│   │   ├── indicator_manager.py         # 指标管理器
│   │   └── propmap_manager.py           # 字段映射管理器
│   ├── tools/                        # MCP工具实现
│   │   ├── ad_query.py                  # 广告查询工具
│   │   ├── material_query.py            # 素材查询工具
│   │   └── indicator_query.py           # 游戏指标查询工具
│   ├── resources/                    # MCP资源实现
│   │   ├── indicator_resources.py       # 指标资源
│   │   ├── mapping_resources.py         # 映射资源
│   │   └── config_resources.py          # 配置资源
│   └── prompts/                      # MCP提示实现（计划中）
│
├── 📊 src/mcp_ad_server/data/    # 内置数据文件（运行时默认读取）
│   ├── indicators/               # 89个指标定义文件
│   ├── groups/                   # 7个指标分组文件
│   └── propmap/                  # API字段映射文件
│
└── 📚 docs/                       # 原始API文档
    └── api/                          # API接口文档
        ├── GetAdCountList/              # 广告数据统计接口
        └── GetMaterialCountList/        # 素材数据统计接口

🛠️ MCP 工具功能

1. query_ad_data - 广告数据查询

查询广告投放效果数据，支持多维度筛选和分组统计。

参数：

• start_date/end_date: 查询时间范围 (YYYY-MM-DD)
• indicators: 查询指标列表（中文名称）
• media: 媒体渠道筛选（gdt、tt、bd等）
• group_key: 分组维度（广告ID、项目ID等）
• hours_24: 24小时维度查询，支持单天和多天并发查询

返回结构：

• data.columns: 列名列表（已做中文映射）
• data.rows: 二维数组格式的数据行，对应columns顺序
• data.total: 当前返回的数据条数
• data.summary: 汇总数据（如果存在）

2. query_material_data - 素材数据查询

查询广告素材效果和质量数据，支持素材质量筛选。

参数：

• start_date/end_date: 查询时间范围
• indicators: 查询指标列表
• creative_users: 创意人筛选
• producers: 制作人筛选
• is_low_quality: AD优/低质素材筛选
• is_inefficient: 低效素材筛选

返回结构：同广告数据查询

3. 游戏指标工具 - 指标验证与查询

基于游戏兼容性的指标验证和查询工具。

可用工具：

• get_available_indicators - 获取指定游戏的可用指标
• validate_indicators - 验证指标在指定游戏中是否可用

✨ 系统特性

🔧 数据处理特性

• 自动总计项处理: 智能识别和分离后端返回的总计数据
• LLM优化数据结构: 提供中文映射的数据格式，便于LLM理解和分析
• 参数别名兼容: 支持历史参数名向下兼容（如 appid ↔ app_id）
• Pydantic类型安全: 完整的参数验证和数据类型转换

📊 数据返回格式

{
  "success": true,
  "data": {
    "columns": ["日期", "消耗", "新增注册", "新增付费"],
    "rows": [
      ["2024-01-01", 100.5, 50, 5],
      ["2024-01-02", 120.0, 60, 8],
      ["2024-01-03", 80.0, 40, 3]
    ],
    "total": 3,            // 当前返回的数据条数
    "summary": {...}       // 汇总数据（如果后端提供）
  },
  "metadata": {...}        // 查询元数据
}

🔄 版本管理

• API客户端版本: v0.0.5
• BI API版本: v0.2.07
• 语义化版本控制: 主版本兼容性保证

📋 MCP 资源访问

指标相关资源

• mcp://indicators/{指标名称} - 获取单个指标详细定义
• mcp://groups/{组ID} - 获取指标组信息
• mcp://config/groups - 获取所有指标组概览

配置相关资源

• mcp://propmap/{API名称} - 获取API字段映射关系
• mcp://config/media - 获取支持的媒体渠道
• mcp://config/group_keys - 获取支持的分组维度

📊 指标体系架构

目前的业务场景指标组

指标组	核心用途	主要指标示例
投放启动决策	判断是否开始投放新广告	激活率、注册成本、创角成本、3秒播放率
投放效果监控	监控投放中广告实时效果	消耗、点击率、新增注册、新增付费
短期价值评估	评估首日到7日用户价值	首日ROI、7日ROI、新增付费率、新增ARPPU
深度价值分析	评估用户长期价值	累计ROI、留存率、生命周期价值
平台数据对账	核对各平台上报数据	平台充值、平台付费人数、数据差异
终止决策预警	判断是否需要停止投放	成本预警、ROI预警、质量预警
财务核算结算	财务结算相关	分成后ROI、实际消耗、结算金额

🔌 客户端集成示例

Claude Desktop 使用

配置完成后，可直接在Claude Desktop中进行对话查询：

请帮我分析一下2025年1月1-7日腾讯广点通渠道的广告投放效果，
重点关注ROI表现和用户转化情况。

程序化调用

# 使用MCP Python SDK
from mcp import ClientSession

async with ClientSession("stdio", ["python", "run_server.py"]) as session:
    # 查询广告数据
    result = await session.call_tool("query_ad_data", {
        "start_date": "2025-01-01",
        "end_date": "2025-01-07",
        "indicators": ["消耗", "新增注册", "首日ROI"],
        "media": ["gdt"]
    })

    # 获取游戏可用指标
    available_indicators = await session.call_tool("get_available_indicators", {
        "app_id": "59",
        "query_type": "ad_query"
    })

    # 验证指标兼容性
    validation = await session.call_tool("validate_indicators", {
        "indicators": ["消耗", "展现", "点击"],
        "app_id": "59"
    })

🌐 支持的媒体渠道

渠道代码	渠道名称	渠道代码	渠道名称
gdt	广点通	tt	今日头条
bd	百度	bdss	百度搜索
bz	B站	zh	知乎
uc	UC	dx	抖小广告量
sphdr	视频号达人	xt	星图
gg	谷歌	nature	自然量

📚 文档指南

本项目提供完整的文档体系，请根据您的角色选择合适的文档：

角色	推荐文档	用途
最终用户/运营	USER_GUIDE.md	安装使用、功能操作、业务应用
开发者/贡献者	DEVELOPMENT.md	开发环境、编码规范、扩展开发
架构师/技术负责人	ARCHITECTURE.md	系统设计、组件架构、技术决策

🚀 阅读建议

1. 想要快速使用服务：直接阅读 USER_GUIDE.md 的"快速开始"部分
2. 想要贡献代码：先阅读 ARCHITECTURE.md 了解设计，再看 DEVELOPMENT.md 学习开发规范
3. 想要了解技术架构：重点阅读 ARCHITECTURE.md

🔧 技术特点

• 现代Python架构：基于Python 3.11+
• 模块化设计：清晰的层次分离，Manager模式管理数据
• 标准协议支持：遵循MCP协议规范
• 高性能异步：使用Python 3.11+ TaskGroup实现多天24小时数据并发查询，查询性能提升10-20倍
• 模块化扩展：清晰的组件注册机制，便于添加新工具和资源
• 完整测试覆盖：包含单元测试和集成测试

📈 更新日志

• 2025-08-14：指标验证系统重构和PropMap架构优化，升级至 v0.0.5
  • 指标系统从全局改为游戏类型分组（棋牌/非棋牌）架构
  • PropMap文件反向重构，管理器重写，提升可维护性
  • API客户端验证逻辑优化，实现动态条件性指标注入，基于group_key智能添加指标，与前端表现一致。
• 2025-08-13：数据处理层重构和版本管理优化，素材数据完善，后端接口参考代码上传，docs/根据代码进行了接口文档的更新， v0.0.4。
  • 对指标等错误进行了规范的错误提示。
  • 现在数据查询会自动按日期倒序返回，且只输出筛选后的指标。
    • 如果使用了group_key分组，会默认返回并映射group_key在最后的返回中。
• 2025-08-12: 清理推荐逻辑冗余代码，统一文件和函数命名规范，版本升级至v0.0.3，目前已经可以通过uvx mcp_ad_server快速在任一机器上接入mcp。
  • 迁移数据目录到src/mcp_ad_server/data支持打包分发
  • 实现client层数据排序（普通数据按日期倒序，24小时数据按小时正序）
  • 使用Python 3.11+ asyncio.TaskGroup优化多天24小时查询并发处理
• 2025-08-11: 完善API客户端功能，支持参数别名兼容、自动总计项处理、Pydantic数据验证
• 2025-08-07: 重构文档体系，实现完整MCP服务架构
• 2025-08-07: 初始化项目结构，整理指标体系
• 2025-08-05: 添加API响应示例文件

🤝 技术支持

如有问题或建议，请联系：

• 技术问题：钉钉 AI 开发团队
• 业务咨询：广告投放团队
• 功能建议：通过内部反馈渠道提交

📋 TODO (低优先级)

• 指标配置优化：当前card_games/non_card_games结构中可能存在指标重复，可考虑抽取为分层指标集(base + extensions)以简化配置和维护

---

注意：本项目中的指标分组和推荐算法为测试版本，实际使用时需要与投放团队对接校准业务逻辑。