Todas las plataformas de ads ya hablan MCP
MCP (Model Context Protocol) es el estándar abierto que define cómo un modelo de AI se conecta a herramientas externas. Hasta principios de 2026, conectar Claude o ChatGPT a una cuenta de Google Ads o de Meta significaba usar conectores construidos por la comunidad: proyectos de GitHub donde el usuario pegaba un token de API a mano, sin OAuth oficial, sin soporte, y con el riesgo concreto de que la plataforma interpretara ese acceso como violación de términos de servicio. Esos conectores siguen existiendo y mucha gente los va a seguir usando, pero algo cambió de fondo: ahora existe la vía oficial, y quedarse en la zona gris pasó a ser una elección.
La secuencia fue rápida. Amazon abrió la serie el 2 de febrero de 2026 con el Amazon Ads MCP Server en open beta global: creación, actualización y borrado de campañas, reporting, configuración de cuenta y acceso a datos de facturación, disponible para cualquier cuenta con credenciales activas de la Ads API.
Google publicó su servidor el 28 de abril, open source en GitHub, con la decisión de diseño opuesta: solo lectura. Tres herramientas (listar cuentas accesibles, correr queries GAQL, inspeccionar metadata de recursos) pensadas para diagnóstico y análisis. No puede pausar campañas, no puede cambiar bids, no puede crear nada. Las mutaciones quedan donde estaban, en la API tradicional con el proceso de siempre.
Meta llegó un día después, el 29 de abril, con Meta Ads AI Connectors en open beta: un servidor MCP remoto en mcp.facebook.com/ads con 29 herramientas de lectura y escritura que cubren creación de campañas, ad sets y anuncios, catálogo, presupuestos, targeting e insights de audiencia. Dos decisiones de gobernanza destacan. Primera: al conectar, el diálogo de OAuth ofrece tres niveles de permiso (solo lectura, lectura y escritura, o lectura y escritura con acceso financiero) que el usuario elige explícitamente. Segunda: todo lo que un agente crea nace en estado pausado, y un humano lo activa. El acceso es gratuito durante la beta.
TikTok anunció su servidor el 13 de mayo en TikTok World: lectura y escritura sobre el ciclo completo de campaña (planificación, lanzamiento, bids, presupuestos, targeting, optimización). Al cierre de esta nota es un anuncio: no hay documentación pública ni fecha de disponibilidad general.
Pinterest y Microsoft Advertising cerraron la serie el mismo día, el 17 de junio, una semana antes de Cannes Lions, ambos en modo solo lectura. Pinterest en alpha con partners nombrados (PMG, Pacvue, Dentsu, Havas, entre otros), con acceso a performance, analytics, keywords y señales de su Taste Graph. Microsoft en piloto abierto, orientado a análisis sobre data de campaña en vivo desde M365 Copilot, Claude o ChatGPT.
El análisis: tres respuestas a la misma pregunta
El dato agregado importa más que cualquier anuncio individual. Seis plataformas convergiendo en el mismo protocolo en el mismo semestre no es coincidencia: es consenso de industria sobre cuál va a ser la interfaz de la próxima etapa de la operación publicitaria. El debate sobre si los agentes van a operar cuentas de ads quedó cerrado. La pregunta abierta es cuánto poder darles, y las propias plataformas la contestaron de tres maneras incompatibles.
Google, Pinterest y Microsoft eligieron solo lectura. Es la postura más conservadora y la más fácil de defender: un agente que solo lee no puede quemar presupuesto. Google además dejó una puerta entreabierta en su propia documentación, que describe la versión inicial como de solo lectura, lo que sugiere que la postura puede cambiar.
Meta eligió escritura completa con un freno estructural. Los tres niveles de permiso en el OAuth y el estado pausado por default codifican en el producto una respuesta concreta a la pregunta de gobernanza: el agente puede construir todo, pero la activación es un acto humano, y el acceso financiero es una autorización aparte que el usuario tiene que otorgar de manera explícita.
TikTok y Amazon eligieron escritura completa sobre el ciclo de vida entero, sin un freno equivalente documentado públicamente al cierre de esta nota. Es la apuesta más agresiva y la que más depende de que el usuario construya su propia capa de control.
Tres modelos de permisos para el mismo problema significa que ninguna plataforma tiene todavía la respuesta validada sobre cuánta escritura darle a un agente. Y significa algo más incómodo: la decisión no viene resuelta de fábrica. La tiene que tomar cada equipo, cuenta por cuenta, y el nivel de permiso que se elige en un diálogo de OAuth es el mecanismo, no la política.
El segundo cambio estructural es el estatus del acceso. Los conectores de comunidad exigían pegar tokens en archivos de configuración, con permisos de todo o nada. El OAuth oficial cambia la naturaleza del riesgo: elimina el riesgo de ban por acceso no autorizado y deja registro de qué aplicación accede con qué permiso, con un botón de revocación para el administrador. No elimina el riesgo de acceso en sí: una conexión con permiso de escritura sigue siendo superficie de ataque si la cuenta del empleado que la autorizó se compromete. Para una operación que gasta plata real, la diferencia igual no es cosmética: es la diferencia entre un experimento personal y una herramienta que se puede defender ante un cliente o un CFO.
El framework que tiene sentido adoptar es el que Meta terminó codificando en su OAuth: lectura sin restricción para reporting y análisis, escritura solo con aprobación humana explícita, y lo financiero como categoría aparte. Que las plataformas ofrezcan esto de manera oficial baja el costo de entrada, pero no reemplaza la decisión de política: eso sigue siendo trabajo del equipo que responde por el presupuesto.
Para un equipo de paid, la acción de esta semana no es delegar la operación: es mapear el acceso. Primero, auditar si alguien del equipo ya conectó un conector no oficial con un token pegado, y si existe, migrarlo a la vía oficial o darlo de baja. Segundo, conectar los servidores de solo lectura para reporting y análisis conversacional, donde el riesgo es bajo. Tercero, si se prueba la escritura de Meta, empezar con el nivel de lectura y escritura sin acceso financiero, y usar el estado pausado como está diseñado: el agente propone, un humano revisa la campaña completa antes de activar. Conviene ser honesto con la fricción de entrada: según la plataforma, esto puede requerir credenciales de API que tardan en aprobarse y un cliente MCP compatible, así que el costo real de conexión se mide en horas o días, no en minutos, y varía por caso.
Las tensiones
La ganancia de velocidad es real pero asimétrica. En lectura, el beneficio es inmediato y el riesgo casi nulo. En escritura, el beneficio depende de la madurez del proceso: un equipo sin revisión no gana velocidad, gana exposición. Y hay un riesgo simétrico que afecta justamente a los equipos con proceso: si un agente propone cuarenta campañas pausadas por semana, la revisión humana se convierte en cuello de botella y degenera en aprobación automática. El freno de Meta funciona solo mientras la revisión sea real. Un estado pausado no es gobernanza: es una oportunidad de gobernanza.
Hay una tensión de incentivos que conviene mirar de frente. Las plataformas ganan cuando se gasta más, y un agente conectado con permisos de escritura es la fricción de gasto más baja que existió en el canal. Que las tres posturas de permisos vengan de las propias plataformas, y no de un tercero neutral, no es un detalle: la presión de largo plazo va en dirección de más autonomía para el agente, no menos. El estado pausado de Meta mitiga esto hoy, pero es comportamiento de una beta, no un compromiso contractual, y ninguna plataforma publicó políticas de reversión para acciones de agentes. Quien necesite garantías documentadas para defender esto ante un board todavía no las tiene.
La tercera tensión es de datos. Cuando un agente lee la performance de una cuenta, esa información pasa por el proveedor del modelo de AI. Para una operación cuyas audiencias contienen datos de clientes, las preguntas de compliance (qué queda en los logs del proveedor, qué acuerdos de procesamiento de datos aplican, qué cambia bajo GDPR o LGPD) no tienen todavía respuestas publicadas por las plataformas. Es una razón legítima para que una empresa regulada espere, y una razón insuficiente para que una startup sin esos datos lo haga.
La última tensión es de timing: todo esto es beta, alpha o piloto. Capacidades, límites, permisos y precios pueden cambiar en semanas. Construir el workflow del equipo encima de una beta tiene un costo de retrabajo si la plataforma cambia las reglas, y este tema envejece por semana, no por trimestre.
Para quién (y para quién no)
Para un equipo chico que ya usa Claude o ChatGPT para análisis, la lectura oficial es la ganancia inmediata: reemplaza el ritual de exportar CSVs y pegar datos, con riesgo bajo y sin decisiones difíciles. La escritura, en cambio, exige un proceso de revisión que un equipo de dos personas rara vez tiene, y sin ese proceso el freno de Meta es decorativo.
Para una operación de escala con equipo de paid dedicado, el valor está en el mapa de permisos y en diseñar la política antes de que el equipo conecte cosas por su cuenta: definir quién autoriza conexiones, con qué nivel, y cómo se auditan los cambios hechos por agentes. Las preguntas de estructura multi-cuenta y de trazabilidad en el historial de cambios no tienen todavía documentación pública clara, lo que refuerza el orden: política primero, conexión después.
Para una empresa corporativa con procurement y compliance, esto es material de comité de innovación a 6 o 12 meses, no de implementación trimestral. Nada de lo lanzado tiene garantías contractuales todavía, y la capa de datos es la pregunta que legal va a hacer primero.
Esta nota se lee mejor junto con el análisis que ya publicamos sobre la evolución del modelo de agencia: aquella nota argumenta por qué el modelo operativo AI-agentic con dirección humana es el que sobrevive; esta documenta la infraestructura concreta que lo vuelve posible en las plataformas.
Lo que no sabemos
La disponibilidad regional exacta por servidor no está documentada de forma completa: Meta declara rollout gradual global en beta, Amazon declara beta global, TikTok no publicó documentación. No hay confirmación específica y uniforme para LATAM.
El pricing después de las betas no fue publicado por nadie. Meta declaró que el acceso es gratuito durante la beta, sin definir qué pasa después.
No existen todavía benchmarks públicos de ahorro real (horas de reporting, velocidad de operación) ni reportes de incidentes de agentes en cuentas productivas. La ausencia de incidentes publicados habla más de lo nuevo del canal que de su seguridad.
Tampoco está claro si los cambios ejecutados por agentes quedan identificados como tales en los historiales de cambios de las plataformas, ni cómo se comportan los permisos en estructuras multi-cuenta de agencia. Y no hay datos independientes que comparen la operación con agentes contra la operación manual: la práctica existe (nosotros la ejercemos), la evidencia pública comparable todavía no.
*Desarrollado con IA. Revisado por humanos. Si algún dato envejece mal, culpen al ecosistema, no a nosotros.*