我用 GPT 搭建了两个 AI Agent，协助投放 Facebook 广告（策略篇）
上周，一位朋友用 GPT 自定义应用搭建了一套 Facebook 广告投放流程。
他只需给出投放需求，系统就能自动创建广告系列和多个广告组；不同广告组匹配不同受众，自动创建类似受众，按照账户既有习惯完成命名，并复用已有的出单帖子 ID。整个流程没有出现报错。
相比之下，我此前尝试过 MCP、指令流和 Claude 等方案，体验并不稳定。下面分享一下我的判断，以及目前更适合落地的思路。
MCP 接入广告后台，主要卡在哪里？
先说结论：就现阶段而言，MCP 更适合拉取广告数据、辅助分析，不太适合稳定完成广告创建和批量投放。
问题不完全出在指令本身。
从今年 2 月开始，我一直在尝试通过 MCP 对接 Facebook 广告后台，Claude 和 GPT 都测试过。实际使用中，主要遇到三个问题。虚拟卡
1. 受众读取不稳定
在选择受众或创建类似受众时，系统经常报错，常见提示包括“受众为空”或“权限不足”。
对于广告创建而言，受众本身就是核心环节。一旦这一步无法稳定执行，后续流程再完整也没有意义。
2. 无法复用已有帖子 ID
很多账户都有已经验证过、能够出单的帖子。实际扩量时，通常希望将这些帖子复用到新的广告组中。
但在 MCP 流程中，这项操作并不稳定，往往只能重新创建广告，难以直接复用现有帖子 ID。
3. 调用成本和执行稳定性不足
Claude 通过 MCP 通道操作时，Token 消耗较大，响应速度也偏慢；GPT 通过插件调用时，同样会出现较频繁的报错。
对于偶尔做一次分析，这些问题或许还能接受；但对于需要持续创建、调整和管理广告的场景，稳定性才是第一优先级。
替代思路：换接口，不换目标
既然 MCP 的稳定性不足，问题不一定在“让 AI 投广告”这件事本身，而在于连接方式。
我的替代方案是：通过 Facebook 开发者账号申请 API 权限和密钥，再在 GPT 中创建自定义应用，将密钥、账户结构和投放逻辑写入应用配置中，让 GPT 能够直接调用广告后台能力。
大致流程可以分为四步：
- 将个人账号升级为开发者账号；
- 申请 API Token，并完成有效期延长等配置；
- 在 GPT 中创建自定义应用，配置接口和密钥；
- 将账户投放逻辑整理成明确的架构指令，写入应用。
整个过程需要一定的摸索成本。熟悉相关流程后，通常两小时左右可以完成；如果是第一次操作，预留半天会更从容一些。
不过，连接成功只是开始。真正决定效果的，是后续如何设计 Agent 的职责和决策逻辑。
关键一步：建立两个独立的 AI Agent
我的建议是，不要只做一个“万能投手”。
在 GPT 中建立两个独立的自定义应用：一个专门负责测试，另一个专门负责扩量。
原因很简单：测试和扩量，本质上是两套完全不同的决策系统。
测试的目标，是用尽可能少的预算、尽可能短的时间，筛选出具备转化潜力的素材；扩量的目标，则是在 ROI 不明显下滑的前提下，将预算持续推高。
如果把这两件事交给同一个 Agent，指令很容易互相冲突。它很难同时判断：此刻应该谨慎控制成本，还是应该主动加大预算。虚拟卡
拆分之后，逻辑就清晰得多。
Agent 一：负责测试素材
第一个 Agent 只做一件事：将新素材上线测试，获取初步数据，并筛选出具备出单能力的素材。
它不负责扩量，也不承担长期趋势判断，而是专注于完成高效率的素材筛选。
在架构中，可以提前写清楚测试规则。例如：
- 每条新素材给予 3 天测试周期；
- 当花费达到账户平均 CPI 的 1.2 至 1.5 倍，仍未产生订单时，执行关停；
- 时间周期或花费阈值满足任一条件，即按照预设规则处理。
具体数值需要根据账户历史数据调整，但核心思路不变：让测试 Agent 有明确的执行边界，而不是在数据不足时反复犹豫。
它更像一个素材筛选器，目标是快速识别哪些创意值得进入下一阶段。
Agent 二：负责扩量
第二个 Agent 接收第一个 Agent 筛选出的优质素材和受众，专门负责后续扩量。
它的工作逻辑与测试 Agent 完全不同，需要围绕账户历史表现建立更完整的规则，包括：
- 使用什么广告结构；
- 新系列从什么预算起步；
- 预算按照什么节奏递增；
- 何时增加广告组；
- 何时降预算或收缩投放；
- 如何结合 ROI 数据动态调整。
以我的账户为例，新系列通常以 500 美金预算起步，再按照 500 → 1,200 → 2,400 → 5,000 的梯度逐步放量。
重点不在于固定使用这一组数字，而在于避免一次性将预算拉满。扩量应该根据 ROI、消耗速度和转化稳定性逐步推进，而不是凭感觉快速加码。
人只负责最后确认
一个 Agent 最好只承担一类明确任务。
测试 Agent 负责筛选素材；扩量 Agent 负责放大已经验证有效的素材和人群。不要让同一个 Agent 同时承担测试和扩量，否则它很容易在“控制成本”和“放大投入”之间失去判断标准。虚拟卡
测试 Agent 跑出优质素材后，由人工确认，再交给扩量 Agent 接手。
这一步人工确认，是整个流程中最值得保留的环节。
AI 可以承担执行、筛选和重复操作；但素材是否真正符合业务方向、是否值得加大投入，仍然需要人做最终判断。
原创文章，作者：wp-chen，如若转载，请注明出处：https://visaspay.com/2026/08/25/468/
