Google libera en código abierto el servidor MCP para Google Ads API

Noticia de impacto para growth y performance

Google acaba de abrir el código de un servidor de Model Context Protocol (MCP) para Google Ads API, una pieza diseñada para que asistentes y agentes de IA conversen con tus cuentas publicitarias usando lenguaje natural. El resultado práctico, y el que interesa al negocio, es acelerar reporting, auditorías y diagnósticos sin construir integraciones a medida ni exponer credenciales más allá de lo necesario.

En el repositorio oficial en GitHub se ve que el proyecto está marcado como experimental, con licencia Apache 2.0, y hoy expone herramientas orientadas a lectura, suficientes para listar clientes y ejecutar consultas GAQL sobre rendimiento. Es justo lo que un equipo necesita para un primer piloto seguro, limitado a observabilidad y análisis.

MCP, explicado sin tecnicismos

Model Context Protocol (MCP) es un estándar para que los modelos se conecten a herramientas y sistemas externos de forma segura y predecible. Piénsalo como un enchufe universal que permite a un asistente pedir datos o ejecutar funciones sin que tengas que escribir código de pegado específico para cada API. Si quieres la definición formal, revisa la especificación de Model Context Protocol.

Con el servidor de Google Ads, el flujo queda así:

Un asistente compatible con MCP, por ejemplo Gemini CLI o un agente interno, descubre las herramientas disponibles en el servidor local.
El asistente solicita datos con instrucciones en lenguaje natural que el servidor traduce a operaciones de Google Ads API, normalmente consultas GAQL.
Devuelve resultados estructurados que el asistente puede resumir, graficar o usar para recomendar acciones.

La clave es que MCP separa el qué del cómo. Marketing pide: muéstrame campañas con CPA por debajo del objetivo y ROAS por encima de 4 en los últimos 30 días, y el servidor resuelve la consulta con los permisos y parámetros adecuados.

Qué trae exactamente el servidor de Google Ads

Según la documentación del repositorio, el servidor incluye hoy herramientas centradas en lectura, entre ellas:

list_accessible_customers, para ver qué cuentas están disponibles con las credenciales configuradas.
search, para ejecutar consultas GAQL contra entidades como campañas, grupos de anuncios, palabras clave y métricas de rendimiento.

La instalación plantea un enfoque de servidor local que corre en tu máquina o en un contenedor dentro de tu red. Requiere token de desarrollador de Google Ads, credenciales OAuth con el scope de Ads y, si trabajas con cuentas bajo MCC, el login customer id. Para los equipos de seguridad, esto significa que puedes aislar el runtime, gestionar secretos con tu gestor corporativo y mantener telemetría de llamadas a la API.

Importante para líderes: al estar orientado a lectura, reduce el riesgo operativo en la fase inicial. Más adelante, si Google amplía herramientas hacia escritura, podrás escalar a flujos de creación o edición con controles adicionales.

Por qué esto sí mueve aguja para marketing

Menos fricción en reporting y QA. Un asistente conectado por MCP traduce preguntas de negocio a GAQL en segundos. Menos tickets al equipo de analítica, menos esperas para informes ad hoc.
Auditorías automáticas sin pipelines frágiles. En lugar de mantener scripts y extracciones personalizadas, el asistente ejecuta la consulta en vivo y devuelve hallazgos con contexto.
Observabilidad conversacional para líderes. Preguntas estratégicas se vuelven rutina: ¿qué campañas suben el CPA?, ¿dónde baja la cuota de impresiones?, ¿qué términos de búsqueda consumen presupuesto sin convertir?
Preparación para agentes operativos. Aunque hoy sea de lectura, te permite establecer gobierno, seguridad y experiencia de uso para pasar después a recomendaciones o cambios con guardarraíles.

Contexto: estos movimientos encajan con cambios recientes en el ecosistema de Google y la publicidad con IA, como la alianza WPP y Google o la evolución del inventario con Sponsored results colapsables, y con el debate sobre visibilidad orgánica tras AI Overviews ante Agcom.

Caso de uso 1: asistentes que responden preguntas de campaña

Imagina a tu responsable de Paid Media haciendo estas preguntas en un asistente interno:

Lista las 10 campañas con mayor gasto del último mes, con CPA, ROAS y cuota de impresiones perdidas por presupuesto.
Señala ad groups con caída de conversion rate superior a 20 por ciento semana contra semana.
¿Qué términos de búsqueda superan el CPA objetivo en más de 30 por ciento para la campaña X?

El asistente utiliza el servidor MCP, ejecuta consultas GAQL y responde con tablas y resúmenes. Si además integras el asistente con tu BI, puede anexar gráficos o enviarlos a Slack. Beneficio concreto: menos tiempo para detectar anomalías y más velocidad para decidir.

Caso de uso 2: auditorías automáticas semanales

Con el servidor MCP, puedes programar auditorías conversacionales que corren cada lunes y devuelven un informe priorizado. El agente pregunta a la API cosas como:

¿Hay campañas con budget limitando cuota de impresiones y ROAS positivo? Recomendación: aumentar presupuesto controlado por tope CPA.
¿Qué palabras clave tienen alto gasto y cero conversiones en los últimos 14 días? Recomendación: pausar o mover a negativos.
¿Existen discrepancias por dispositivo que sugieran optimizar pujas?

El informe se guarda en tu wiki y abre tickets en tu backlog. Esto disciplina la mejora continua sin depender de tiempo libre del equipo.

Cómo lanzar un piloto de 30 días, paso a paso

Objetivo del piloto: comprobar si un asistente conectado por MCP mejora la capacidad de diagnóstico y, como consecuencia, reduce el coste por adquisición (CPA) y mejora el retorno de la inversión publicitaria (ROAS) frente a tu línea base.

Selección de alcance y cuentas

Elige 1 a 3 cuentas con gasto suficiente y objetivos claros. Define objetivos cuantitativos por cuenta, por ejemplo, bajar CPA un 8 por ciento o subir ROAS un 10 por ciento en 30 días.

Preparación técnica

Ejecuta el servidor de Google Ads MCP en un entorno controlado, con secretos gestionados. Restringe a permisos de lectura mientras dure el piloto. Registra logs de consultas y latencia.

Paquete de preguntas estándar

Estandariza 15 a 20 preguntas frecuentes que cubran salud de cuenta, presupuesto, términos de búsqueda, creatividades y segmentación. Esto asegura comparabilidad entre semanas y personas.

Bucles de auditoría y alerta

Programa auditorías semanales con tres bloques: rendimiento, eficiencia y riesgos. Define umbrales para alertas automáticas, por ejemplo, CPA mayor al objetivo en 15 por ciento o caída de conversion rate en 20 por ciento.

Criterios de éxito y tablero

Mide contra línea base las variaciones en CPA y ROAS. Complementa con velocidad de respuesta a anomalías y número de hallazgos accionables por semana. Documenta decisiones y resultados.

Cierre del piloto

Si alcanzas el umbral de mejora definido, prepara la fase 2 con más cuentas o con recomendaciones asistidas, siempre revisadas por humanos.

Métricas que importan y cómo instrumentarlas

CPA, coste por adquisición. Define el CPA objetivo por campaña y usa el asistente para listar campañas por desviación relativa respecto al objetivo. Registra semanalmente la evolución y calcula el delta absoluto y relativo.
ROAS, retorno de la inversión. Para campañas de performance, fija un ROAS objetivo y consulta periódicamente el ratio ingresos/gasto. Mide la mejora acumulada del piloto frente a las cuatro semanas previas.
Tiempo a diagnóstico. Minutos desde que surge una anomalía hasta que aparece el insight. Con MCP, el objetivo es recortar este tiempo a la mitad.
Tasa de adopción. Porcentaje de miembros del equipo que usan el asistente al menos tres veces por semana. Sin adopción, no habrá impacto sostenido.

Consejo práctico: crea un dashboard que combine métricas de negocio con métricas de uso del asistente. Así relacionas adopción con resultado y evitas sesgos.

Seguridad y gobierno para marketing y TI

Mínimo privilegio. Mientras estés en fase piloto, mantén el servidor en modo lectura. Si en el futuro habilitas escritura, usa cuentas de servicio separadas y aprobación humana.
Gestión de credenciales. Guarda tokens y claves en tu gestor corporativo. Prohíbe su exposición en chats o repositorios.
Auditoría y trazabilidad. Registra qué consultas se ejecutan, cuándo y por quién. Esto permite postmortems y cumplimiento.
Control de exposición de datos. Los asistentes ven los datos que el servidor devuelve. No conectes cuentas que no deban ser visibles para el equipo piloto.

Qué cambia para tu stack y tu organización

Menos dependencia de extractores a medida. MCP reduce el costo de integrar nuevas herramientas de IA porque ya existen herramientas estandarizadas que el asistente descubre.
Mejor ergonomía para analistas y líderes. Preguntar en lenguaje natural, con respuestas consistentes, libera tiempo para pensar y decidir.
Camino a operaciones asistidas. Hoy lectura, mañana recomendaciones explicadas y, después, pruebas controladas. Todo con registros y políticas claras.

Equipos que ya trabajan con plataformas de inteligencia de marketing reportan beneficios al centralizar prompts, playbooks de preguntas y seguimiento de hipótesis, lo que acelera el aprendizaje entre marcas y mercados.

Ejemplos de prompts que generan valor

Enumera campañas con gasto superior a 10.000 dólares y ROAS menor a 2 en los últimos 30 días, ordena de peor a mejor.
¿Qué términos de búsqueda superan el CPA objetivo en más de 30 por ciento en la cuenta 123-456-7890?
Detecta campañas limitadas por presupuesto con conversion rate estable, sugiere una priorización de inversión.
Compara el rendimiento por dispositivo de la última semana frente a la anterior y señala caídas significativas.

Sugerencia: añade contexto en cada prompt, por ejemplo objetivos de CPA por línea de negocio, para que las respuestas se alineen con tus metas reales.

Integración con tu flujo de trabajo actual

Slack o Teams como front-end. El asistente publica hallazgos y enlaces a vistas de Google Ads.
Ticketing en Jira o Asana. Cada hallazgo crítico crea un ticket con prioridad y propietario.
BI y documentación. Los resúmenes se guardan en tu wiki, con enlaces a consultas GAQL usadas.

Esto convierte a MCP en una capa más de tu stack, no en un sustituto. El valor está en la orquestación de tareas alrededor del insight.

Qué esperar en los próximos meses

Aunque el servidor actual se centra en lectura, el diseño sugiere que podrían llegar más herramientas. Tu ventaja al empezar ahora es edificar capacidades de gobernanza, medición y experiencia de usuario que escalarán bien cuando haya más funciones. Mantén un backlog vivo de insights accionados con su impacto en CPA y ROAS para justificar la inversión siguiente.

Checklist rápido para empezar esta semana

Define metas del piloto: objetivos de CPA y ROAS por cuenta.
Asegura el entorno: servidor local, secretos en gestor, solo lectura.
Instala y verifica: el servidor responde, lista cuentas y ejecuta una consulta de ejemplo.
Crea tu set de 20 preguntas estándar.
Programa auditorías semanales con alertas básicas.
Monta el dashboard de métricas de negocio y de uso.
Comunica reglas de gobierno y soporte.

Conclusión: convierte MCP en ventaja competitiva

El servidor MCP de Google Ads abre una vía simple y segura para que los equipos conviertan preguntas de negocio en datos accionables. Para líderes de marketing, el objetivo no es probar una tecnología, sino mejorar decisiones. La forma de medirlo es clara: impacto en CPA y ROAS, más velocidad para detectar y corregir desvíos.

Acciona ya con un piloto de 30 días, limita el alcance a lectura, establece un conjunto fijo de preguntas y mide con rigor. Si el asistente te ayuda a encontrar y ejecutar tres a cinco mejoras por semana, verás el efecto compuesto en el trimestre. Documenta lo que funciona, estandariza prompts y, cuando toque, avanza a recomendaciones asistidas. Ese es el camino para que la IA conectada vía MCP deje de ser novedad y se convierta en palanca de crecimiento sostenido.