一MCP 与 Skill 的区别
1. 什么是 MCP
MCP(Model Context Protocol)是一套让 AI 应用连接外部数据和工具的开放协议。接入 MCP 后,用户用自然语言命令 AI Agent 调用 MCP 的工具和能力,来搜索和获取 AppGrowing 丰富的全球移动广告素材和投放数据。
2. MCP 与 Skill 的关系
Skill 通常是一组给 AI Agent 使用工具的说明、规则和调用流程,往往也包含了引导 AI 如何调用 MCP 的流程。
MCP = 厨具和食材,提供各种基础能力;Skill = 菜谱,告诉你用什么食材、按照什么顺序做。
例如:
MCP:鸡蛋、面粉、牛奶、烤箱 · Skill:蛋糕制作方法
换成 AppGrowing:
MCP:素材数据、投放数据、竞品数据、市场数据 · Skill:爆款素材分析方法
一句话:
AppGrowing MCP 告诉 AI "有什么数据",Skill 告诉 AI "怎么调用数据和如何利用数据获得有效洞察"。
- MCP 负责把 AppGrowing 的能力接入 AI Agent。
- Skill 负责帮助 Agent 理解用户需求,并选择合适的 Tool。
- MCP Tool 负责搜索数据和返回数据。
- AI Agent 分析返回的数据并整合输出结果,保存会话上下文供后续追问使用。
例如,用户说"分析近 30 天美国市场 SLG 游戏的素材趋势":
- MCP 负责让 AI Agent 能够调用 AppGrowing 的素材分析工具。
- Skill 负责识别"美国市场、SLG、近 30 天、趋势分析"等条件传给 MCP 调用哪些数据,并负责教 AI 如何利用数据进行分析。
- MCP Tool 负责搜索数据和返回数据。
- AI Agent 则分析返回的数据并整合输出结果,保存会话上下文供后续追问使用。
二AppGrowing MCP 基本情况
2.1 AppGrowing MCP 现在有哪些 tool?
MCP 现已开放 21 个 tool,按用途分为四个模块:素材检索与创意卖点(5 个,见下表)、榜单情报(3 个)、App 投放分析(11 个)、发行商与开发者情报(2 个),外加 基础工具(1 个)。素材检索与创意卖点是我们的核心工具和优势能力(🔥 30 万+ 动态创意卖点词库),榜单、投放分析与厂商情报模块让 Agent 能从「谁在投、投多少」一路追到「投什么创意、为什么有效」。
| Tool | 作用 | 一句话场景 | 扣点 |
|---|---|---|---|
| 素材检索与创意卖点(5 个)—— AppGrowing MCP 的差异化核心 | |||
| searchAdCreatives | 素材搜索(按媒体/地区/卖点/受众/变现方式等筛选) | 近 30 天角色扮演类在 TikTok 的素材 | 10000/次 |
| creativeSellingPointTrends | 💡 创意卖点趋势(30 万+ 词库,可按素材数/广告数/热度排序) | 角色扮演品类大家都在打什么卖点 | 10000/次 |
| creativeAIAnalysisData | 拉取素材的旁白/创意卖点/AI解读(一次最多 100 条) | 提取近 7 天某产品热门素材的创意卖点和旁白 | 50000/次 |
| creativeResourceUrl | 获取素材原片/封面下载链接,链接有时效期 | 拿到素材原图/原视频 | 10000/次 |
| 榜单情报(3 个)—— 先定位「该看谁」 | |||
| appAdRankings | App 投放排行榜(品牌维度,含在投广告数、素材数、受众画像与发行商/开发者信息) | 近 7 天美国市场买量最猛的游戏有哪些 | 10000/次 |
| appStoreDownloadRankings | iOS App Store 下载榜 | 日本益智类下载榜近期跑出了哪些新游 | 10000/次 |
| googlePlayDownloadRankings | Google Play 下载榜 | Android 端美国市场工具类的下载头部是谁 | 10000/次 |
| App 投放分析(11 个)—— 拆「谁在投、投多少、投在哪、投什么」 | |||
| adVolumeTrends | 广告数 / 素材数的投放量级趋势数据 | 对方每周上新多少条素材、节奏如何 | 10000/次 |
| regionOverview | 地区投放概览:各国家地区的投放量级与占比 | 它的预算主要花在哪些市场 | 10000/次 |
| regionTimeline | 地区投放时间线:各地区随时间的量级变化 | 首月与稳定期的市场重心怎么迁移 | 10000/次 |
| mediaOverview | 媒体投放概览:各媒体的投放量级与占比 | 这款产品主要把量压在 Meta 还是 TikTok | 10000/次 |
| mediaTimeline | 媒体投放时间线:各媒体随时间的量级变化 | 它是什么时候开始加投 TikTok 的 | 10000/次 |
| adFormatOverview | 广告形式概览:试玩 / 激励视频 / 信息流等形式分布 | 竞品是不是已经在批量跑试玩广告 | 10000/次 |
| creativeTypeOverview | 素材类型概览:图片 / 视频 / 竖版视频等类型分布 | 这个 App 的主战场是图文还是视频 | 10000/次 |
| creativeFormatRatio | 素材比例概览:横竖版与尺寸比例分布 | 这个 App 倾向于投横版广告还是竖版广告 | 10000/次 |
| audienceBreakdown | 广告受众的年龄 × 性别分布 | 素材该往哪个年龄段、哪种性别倾斜 | 10000/次 |
| appLifecycle | 产品生命周期 / 版本节点 / 节日节点时间 | 大版本节点前后它的买量节奏怎么变 | 10000/次 |
| similarApps | 相似 / 相关产品推荐(可按相似度、累计下载量排序) | 给这款 SLG 找出 10 个可直接对标的竞品 | 10000/次 |
| 发行商与开发者情报(2 个)—— 上钻到公司维度 | |||
| developerAppOverview | 开发者旗下产品列表 | 同一个开发者旗下有多少个同品类的 App | 10000/次 |
| publisherAppOverview | 发行商旗下产品总览(在投广告数、素材数、在投时长、版本数、覆盖地区数) | 这家发行商有多少产品在投、各投得多猛 | 10000/次 |
| 基础工具(1 个) | |||
| filterOptions | 返回全部可选筛选值(媒体/地区/类别/风格/卖点分类) | TikTok 的媒体 ID 是多少 | 10000/次 |
2.2 🔥 AppGrowing MCP 最独特的能力 —— 创意卖点体系
| 层级 | 工具 | 能力 | 示例 |
|---|---|---|---|
| ① 画面元素 | searchAdCreatives.resourceElement | 内联返回画面元素标签(带描述) | 写实风格、3D、动漫人物、科幻风格、真人 |
| ② 卖点筛选 | searchAdCreatives.marketingWord | 按 🔥 30 万+ 创意卖点词筛选素材 | 高饱和特效色、轻松解压、俯视镜头、成就感、零碎时间 |
| ③ 卖点趋势 | creativeSellingPointTrends | 卖点词趋势榜(按素材数/广告数/热度排序) | 发现某品类近期最热卖点词 Top N |
截至目前,AppGrowing MCP 中的 creativeSellingPointTrends 返回的卖点词库已超 30 万+,且不同于固定的标签体系——AppGrowing 的创意卖点通过 AI 算法自动识别海量素材,词库动态更新,会源源不断产生新的创意卖点。
覆盖视觉风格(高饱和特效色/暖色调主调)、镜头语言(中景特写/视角俯拍)、受众动机(休闲玩家/成就成就感/轻松解压)、场景布局(美观生活场景/垂直列表布局)等,颗粒度极细。
在画面元素 searchAdCreatives.resourceElement[].description 中,是属于真正有信息量的描述,对每个画面元素标签的判定口径说明,告诉你这个标签为什么会这么打。如:
| 标签名 | description(判定口径) |
|---|---|
| 动漫人物 | 以日式动漫或国产动漫为主的人物类型,不包含拟人动物(例如孙悟空猪八戒)。 |
| 3D | 人物、物体无黑线/细线描边,光影效果明显,物体重叠部分无描边算 3D。混合类型不算。 |
| 动漫风格 | 来源上包括日韩风(东方)和欧美风(西方)动漫,画面分为 Q 版萌系可爱风和日本/欧美漫画动画为代表的动漫形象。 |
| 写实风格 | 3D 建模风格,画面逼真(包含极其仿真的人和物)强大的光影效果,常见于真三国无双、NBA2K、FIFA 等游戏。 |
| 欧美风格 | 欧洲/北美/南美等历史&现代独有要素,常见于中世纪铠甲、城堡、西部牛仔、美国大叔等。 |
| 真实场景 | 素材中出现了真实世界的场景画面,例如办公室、海边、汽车内等。 |
| 真人 | 真实的自然人或高度逼真的 CG 人物。 |
| 极简风格 | 画面简洁,一般不超过三个元素,元素立意扁平化,常见于火柴人游戏。 |
| 像素风格 | 用像素风格处理图像,强调清晰轮廓、明快色彩,颗粒像素组成独特画面风格。 |
| 动物 | 牛马羊等家禽、动物。 |
2.3 各类 Tool 参数明细
21 个 tool 的完整参数明细、排序枚举与调用示例已汇总为工具索引页,下方可直接内嵌预览。
三AppGrowing MCP 的配置和调用
3.1 AppGrowing MCP 怎么配置
复制下面的命令,直接在 Agent 对话框输入让 Agent 执行。命令内的 API Key 🔑 获取 API Key 替换为您自己的 API Key,可在"个人中心 → 企业信息"找到 API Key。accept-language 可替换语言,zh 为中文,en 为英文。
安装这个 MCP: { "mcpServers": { "AppGrowing-Global-MCP": { "url": "https://api-appgrowing-global.youcloud.com/mcp", "headers": { "Authorization": "Bearer API Key", "accept-language": "zh" } } } }
等待安装完毕,并尝试对话进行调用,若返回结果则说明配置成功。
- 输入命令发送给 Workbuddy
- Workbuddy 自定义连接器点击信任
- 测试 MCP 连接是否正常,若返回正常结果,则说明 MCP 服务连接成功
3.2 通过自然语言调用
正常接入后,用户不需要提供参数,直接用自然语言描述目标、范围和分析重点即可,可以参考下列几个典型调用示例。
通过自然语言调用 MCP 时,建议在提示词中明确指定搜索素材的数量,以最大程度减少 MCP 使用成本,防止 Agent 在调用 MCP 时过多调用素材检索相关工具、导致扣除点数过多。
由于 MCP 工具层对返回给 Agent 的上下文数据有截断保护,无法完整返回大量的素材数据。若有拉取大量素材的需求,建议通过编写脚本直连 MCP 端点,将返回的数据整合成 JSON 文件直接落盘在工作空间目录,不让数据回流至 Agent 上下文,需要时由 Agent 读取 JSON 文件。调用脚本示例见 FAQ-Q2。
调用链:
调用链:
调用链:
四AppGrowing MCP 基础使用案例
需求:在某品类里发现正在起量的素材方向,并锁定该打什么卖点。
需求:锁定某一个竞品 App,拆解它近期的素材打法与投放强度。
需求:为目标市场批量采集可参考的原片,给本地化团队翻拍。
需求:扫描某品类当前主流卖点主题及各自素材热度,指导创意选题。
需求:对比同一品类在不同渠道/形式上的创意风格差异。
需求:进入新市场前,先拉该市场同品类的标杆素材作冷启动参考。
其余基础使用案例
| 案例 | 常见问题 | Tool 支持 |
|---|---|---|
| 变现模式对标 | IAA vs IAP 游戏素材差异? | searchAdCreatives(支持 IAA/IAP 变现方式筛选) |
| 受众定位研判 | 面向 25-34 女性的素材? | searchAdCreatives(支持性别和年龄范围筛选) |
| 网站/W2A 推广分析 | Web 推广素材怎么打? | searchAdCreatives(支持搜索推广网站的素材) |
五AppGrowing MCP 进阶使用场景
AppGrowing MCP 用得好不好,能不能实际嵌入到你的工作流中,主要由 3 个因素有关:
- Agent 能力
- AI 大模型聪明程度
- Prompt 和 Skill 写的好不好
而大部分人都是在 Prompt 和 Skill 没过关,一个好的 Prompt 和 Skill 决定任务的质量。正如我们前面讲到的,要做出一盘好菜(深度广告洞察),除了要有原材料和工具(MCP),更关键要有教你做出好菜的菜谱(Skill)。
除了推荐大家使用 📘 AggClaw Skill,我们也欢迎大家将 MCP 融入自己特定的业务场景和工作流上,写出专属的 Skill,让 Agent 更好地调用 MCP 并能将通过 MCP 得到的数据转换成独特的数据洞察,并内化成自动化提效流程。
业务目标:每周自动产出某款产品的素材策略简报:盘点在投素材、识别起量卖点、给出下周素材方向建议。适合配定时任务(如每周一 9:00)自动执行。
工具链:filterOptions 与 creativeAIAnalysisData 锁定维度 → searchAdCreatives(按 campaign_name 高级搜索 + 卖点筛选)📄 参考 SKILL(agg-single-product-report)— 点击折叠
---
name: agg-single-product-report
description: 本技能适用于:当需要基于 AGG-MCP(searchAdCreatives、creativeAIAnalysisData、filterOptions、creativeResourceUrl)获取的**单个产品/App** 的海外移动广告创意数据,产出「单产品创意策略诊断报告」时。它聚焦某一个指定产品(自家 App 或单个竞品),诊断其创意引擎活跃度、卖点聚焦度、TOP 素材、创意生命周期与衰退信号,并给出「放大 / 迭代 / 淘汰」的创意资产处置建议。触发场景:单产品创意复盘会、自家产品创意健康度诊断、单个竞品深度拆解;或用户提问「帮我系统诊断一下我们 XX 游戏近一个月的素材打法,哪些素材该加投、哪些该换、哪些该砍」「深度拆一下竞品 YY 在日本的创意策略」。
agent_created: true
---
# AGG 单产品创意策略报告
## 概述
AGG-MCP × Skill × Automation 体系下的**单场景**分析技能。它把某一个指定产品的归一化创意数据集,转化为一份结构化的**单产品创意策略诊断报告**(新场景「F · 单产品创意策略报告」)。与 `agg-category-report`(品类级、跨产品)不同,本技能只盯**一个产品**,做创意资产的深度体检。本技能与 MCP 取数层解耦:它消费由 MCP/编排层事先拉取并归一化的 `CreativeRecord[]`(建议用 `searchDsl.campaign_name` 锁定单产品),自身不调用任何工具。
## 何时调用
- 单产品创意复盘 / 自家产品创意健康度诊断(手动或 Automation)。
- 对某一个竞品做深度拆解(而非跨竞品并排对比,后者用 `agg-competitor-compare`)。
- 用户提问如「系统诊断一下我们 XX 游戏近一个月的素材打法,哪些该加投、哪些该换、哪些该砍」「深度拆一下竞品 YY 在日本的创意策略」。
**不要**用它来取数。若还没有 `CreativeRecord` 数据集,先跑 AGG-MCP(filterOptions + creativeAIAnalysisData 锁定维度 → 用 `searchDsl.campaign_name` 锁定单产品拉取 searchAdCreatives,最好覆盖多时间切片),再回到本技能。
## 核心工作流
1. **加载契约**:读取 `references/data_contract.md`,确认必填字段(`app_name`、`selling_points`、`format`、`ratio`、`language`、`impression`、`similar_cnt`、`advertising_days`、`max_dt`;该产品窗口内 ≥20 条)。
2. **发出分析提示词**:复制 `references/analysis_prompt.md`,替换 `<DATASET_SUMMARY>` / `<PARAMS>`(产品名、地区、时间窗),执行之。
3. **套用确定性规则**(见下,严格照此):
- **创意引擎活跃度**:总量、窗口新上数、新上比 `new_ratio`、advertising_days 中位数。
- **卖点聚焦度**:TOP1 卖点占比;≥40% 判为「聚焦」,<20% 判为「分散」。
- **TOP 素材**:impression / similar_cnt 各取 TOP5,标注「标杆素材」。
- **创意生命周期**:advertising_days 分布 → 区分 evergreen(长投)与短命素材;衰退信号 = 近期新上少 且 老素材仍占主导。
- **处置建议三分类**:放大(高表现且仍可投)、迭代(表现平平但形式/卖点可优化)、淘汰(低表现长投或已衰退)。
4. **按信封交付**:固定信封(结论 → 证据 → 建议 → 边界)。建议按「放大/迭代/淘汰」三栏给出,每条对应具体素材或卖点。
5. **处理缺口**:样本不足或某维度缺失时,只省略对应小节并在边界标注;不得估算。
## 输入/输出契约(摘要)
- **输入**:某单一产品的 `CreativeRecord[]`(建议带时间切片以看演变)。可选附带同品类基线用于对照偏离度。
- **输出**:固定信封的 Markdown 洞察块。数字须由数据集计算得出;不可得则写「数据不足」。
## 边界声明(关键——须告知干系人)
本分析使用的是**素材侧代理指标**(素材量级、相似数、曝光代理、投放天数)。它**不是**真实投放量级/消耗数据(后者需 `adVolumeTrends` / `regionOverview`)。每份交付物都须标注:*「本分析基于素材侧代理指标,非真实投放量级。」*
用户触发 Prompt 参考:
自动化任务 Prompt 参考:
业务目标:对比两款同品类产品(如两款 SLG)的投放策略差异:卖点侧重、媒体选择、地区侧重、素材风格,给出差异化竞争建议。
工具链:searchAdCreatives ×2(分别按 campaign_name 锁定两款产品)→ 横向对比📄 参考 SKILL(agg-competitor-compare)— 点击折叠
---
name: agg-competitor-compare
description: 本技能适用于:当需要通过 AGG-MCP(searchAdCreatives、creativeSellingPointTrends、filterOptions、creativeResourceUrl)获取的多个竞品 App 的海外移动广告创意数据,进行竞品创意投放策略横向对比时。它把竞品创意记录归一化后,产出结构化的跨竞品对比——素材量级、上新节奏(新上比)、媒体/形式/语言占比、TOP 卖点,并按硬规则将每个竞品分类为「加量方 / 换素材方 / 守成方」,给出针对我方可执行的跟进建议。触发场景:UA 周会前的竞品监控周推送(Automation);或用户提出「对比一下竞品 XX 和 YY 这周的买量素材打法」「谁更激进、各自主推什么卖点、渠道和形式有什么差异」。
agent_created: true
---
# AGG 竞品创意策略对比
## 概述
AGG-MCP × Skill × Automation 体系下的**单场景**分析技能。它把归一化后的多竞品创意数据集,转化为一份可直接进周会的**竞品创意策略对比**报告(对应「A · 竞品投放策略对比推送」场景)。本技能与 MCP 取数层解耦:它消费由 MCP/编排层事先拉取并归一化的 `CreativeRecord[]`,自身不调用任何工具。
## 何时调用
- 预定的竞品监控周推送(Automation),用于 UA/买量周会前同步情报。
- 用户要求对比竞品创意买量打法,例如「对比一下竞品 XX 和 YY 在北美 SLG 的买量素材打法:谁更激进?各自主推什么卖点?渠道和形式上有什么差异?」
- 任何需要对 ≥2 个竞品做创意姿态并排对比、而非单品牌视角的任务。
**不要**用它来取数。若还没有 `CreativeRecord` 数据集,先跑 AGG-MCP(filterOptions → 用 `searchDsl.campaign_name` 逐个竞品 searchAdCreatives),再回到本技能。
## 核心工作流
1. **加载契约**:读取 `references/data_contract.md`,确认输入符合 schema 与本技能必填字段(`app_name`、`advertising_days`、`selling_points`、`media`、`format`、`language`、`similar_cnt`;至少 1 个竞品 ≥10 条记录)。
2. **发出分析提示词**:复制 `references/analysis_prompt.md`,替换 `<DATASET_SUMMARY>` / `<PARAMS>`(竞品列表、时间窗、目标地区),执行之。
3. **套用确定性分类**:逐竞品计算 `new_ratio = 窗口新上数 / 总量`;按硬规则分类——加量方 `new_ratio ≥ 0.40` 或新上绝对数为集合最高;换素材方 `0.15 ≤ new_ratio < 0.40` 且素材偏新;守成方 `new_ratio < 0.15`。严格照此执行,不得自创类别。
4. **按信封交付**:用 `references/data_contract.md` 的固定信封包裹输出(结论 → 证据表 → 建议 → 边界)。证据表列「竞品 | 总量 | 新上比 | 主投媒体/形式 | TOP卖点 | 分类」。给出恰好 3 条针对我方的跟进建议。
5. **处理缺口**:某竞品样本不足下限时,仍基于现有数据产出,并在边界中标注;不得估算。
## 输入/输出契约(摘要)
- **输入**:`dict[app_name, CreativeRecord[]]` 或带 `app_name` 的扁平 `CreativeRecord[]`。
- **输出**:固定信封的 Markdown 洞察块。数字须由数据集计算得出;不可得则写「数据不足」。
## 边界声明(关键——须告知干系人)
本分析使用的是**素材侧代理指标**(素材量级、上新节奏、媒体/形式/语言占比)。它**不是**真实投放量级/消耗数据(后者需 `adVolumeTrends` / `regionOverview`,不在当前 MVP 内)。每份交付物都须标注:*「本分析基于素材侧代理指标,非真实投放量级。」*
用户触发 Prompt 参考:
自动化任务 Prompt 参考:
报告样式:📊 双产品投放策略对比(新窗口打开)
业务目标:不聚焦单个产品,而是对整个品类(如 4X SLG)的卖点趋势做汇总,回答「这个品类现在流行打什么卖点」,为新品立项/素材方向提供依据。
工具链:filterOptions(拿 category)→ creativeSellingPointTrends(按品类筛)→ searchAdCreatives(按 Top 卖点拉样本验证)📄 参考 SKILL(agg-sellingpoint-trend)— 点击折叠
---
name: agg-sellingpoint-trend
description: 本技能适用于:当需要基于 AGG-MCP(searchAdCreatives、creativeSellingPointTrends、filterOptions、creativeResourceUrl)获取的某海外移动广告品类、跨两个时间切片的创意数据,汇总「卖点趋势变化」时。它计算卖点热度排名环比、按固定阈值标记新兴/衰退卖点,并输出下月创意选题优先级清单。触发场景:月度创意选题会;或用户提出「帮我看看上个月 跨境电商 的素材卖点趋势:哪些卖点热度在涨、哪些在跌?下个月该主推什么 angle」。
agent_created: true
---
# AGG 品类卖点趋势汇总
## 概述
AGG-MCP × Skill × Automation 体系下的**单场景**分析技能。它把两个时间切片的品类数据集,转化为一份结构化的**卖点趋势汇总**(对应「C · 品类素材卖点趋势汇总」场景)。本技能与 MCP 取数层解耦:它消费由 MCP/编排层事先拉取并按时间切片的归一化 `CreativeRecord[]`,自身不调用任何工具。
## 何时调用
- 预定的月度趋势简报(Automation),用于创意选题前。
- 用户要求卖点热度走势,例如「上个月 跨境电商 的卖点趋势:哪些在涨、哪些在跌?下个月主推什么」。
- 任何需要对比某品类卖点格局在两个周期变化的任务。
**不要**用它来取数。若还没有数据集,先跑 creativeSellingPointTrends(列出全部卖点)→ 对该品类本月与上月分别 searchAdCreatives,再回到本技能。
## 核心工作流
1. **加载契约**:读取 `references/data_contract.md`,确认必填字段(`selling_points`、`impression` 须覆盖**两个**切片;≥2 个切片各 ≥20 条)。
2. **发出分析提示词**:复制 `references/analysis_prompt.md`,替换 `<DATASET_SUMMARY>` / `<PARAMS>`(品类、两个切片定义),执行之。
3. **套用确定性标签**:逐卖点计算月环比素材量与排名变化。新兴卖点 = 增长 ≥50% 且 上月基数 <20;衰退卖点 = 下降 ≥30%。结合新兴卖点 + 高基数稳增长卖点,排出 P0/P1/P2 优先级。严格照阈值执行。
4. **按信封交付**:固定信封(结论 → 证据表 → 建议 → 边界)。证据表列「卖点 | 上月量 | 本月量 | 环比 | 排名变化 | 标签」。
5. **处理缺口**:某切片低于下限时,仍基于现有数据产出并在边界标注;不得估算缺失切片。
## 输入/输出契约(摘要)
- **输入**:按两个时间切片(本月/上月)分组的品类卖点数据。
- **输出**:固定信封的 Markdown 洞察块。数字须由数据集计算得出;不可得则写「数据不足」。
## 边界声明(关键——须告知干系人)
本分析使用的是**素材侧代理指标**(素材量、曝光代理)。它**不是**真实投放量级数据(后者需 `adVolumeTrends`)。每份交付物都须标注:*「本分析基于素材侧代理指标,非真实投放量级。」*
用户触发 Prompt 参考:
自动化任务 Prompt 参考:
业务目标:针对某产品或某品类,分析「在哪个地区、用哪个媒体、打什么素材」最有效,指导预算分配。
工具链:searchAdCreatives(area × media 交叉)→ creativeResourceUrl(抽样下原片)📄 参考 SKILL(agg-region-media)— 点击折叠
---
name: agg-region-media
description: 本技能适用于:当需要基于 AGG-MCP(searchAdCreatives、creativeSellingPointTrends、filterOptions、creativeResourceUrl)获取的海外移动广告「地区 × 媒体」创意数据,分析地区×媒体创意生态时。它绘制地区×媒体创意地图、标记渠道集中度、描述跨渠道创意风格差异,并输出媒介预算优先级与风险。触发场景:季度媒介预算规划或新市场进入前;或用户提出「我们准备进 拉美 市场,帮我分析 巴西/墨西哥 在 TikTok 和 Meta 上同品类素材的渠道侧重和创意风格差异,预算该往哪边倾斜」。
agent_created: true
---
# AGG 地区 × 媒体 创意生态分析
## 概述
AGG-MCP × Skill × Automation 体系下的**单场景**分析技能。它把(地区, 媒体)交叉分组的创意数据集,转化为一份结构化的**地区 × 媒体创意生态分析**(对应「D · 地区和媒体投放策略分析」场景)。本技能与 MCP 取数层解耦:它消费由 MCP/编排层事先拉取并打标的归一化 `CreativeRecord[]`,自身不调用任何工具。
## 何时调用
- 预定的季度媒介预算复盘,或进入新市场前的一次性分析(Automation / 手动)。
- 用户要求地区/媒体创意差异与预算倾斜,例如「进 拉美,分析 巴西/墨西哥 在 TikTok 与 Meta 上的创意差异,预算怎么倾斜」。
- 任何需要地区×媒体创意地图、而非单渠道视角的任务。
**不要**用它来取数。若还没有数据集,先跑 filterOptions(地区码 / 媒体ID)→ 按 地区×媒体 交叉 searchAdCreatives,再回到本技能。
## 核心工作流
1. **加载契约**:读取 `references/data_contract.md`,确认必填字段(`region`、`media`、`format`、`selling_points`、`advertising_days`;≥3 个(地区,媒体)单元各 ≥5 条)。
2. **发出分析提示词**:复制 `references/analysis_prompt.md`,替换 `<DATASET_SUMMARY>` / `<PARAMS>`(地区集、媒体集、时间窗),执行之。
3. **套用确定性规则**:对每个(地区,媒体)单元输出素材量 / 形式占比 / TOP 卖点;渠道集中度——某 media 在某 region 内占比 ≥50% 标「高度集中」,否则「分散」;创意风格差异——基于各 media 的 format/language/selling_points 组合做定性描述;预算优先级 + 风险(如某渠道高度同质化 → 建议差异化或降本)。
4. **按信封交付**:固定信封(结论 → 证据 → 建议 → 边界)。样本 <5 的单元在边界标「样本不足」。
5. **处理缺口**:缺失单元只省略该单元,并在边界枚举;不得估算。
## 输入/输出契约(摘要)
- **输入**:带 `region` 与 `media` 标签(可交叉)的 `CreativeRecord[]`。
- **输出**:固定信封的 Markdown 洞察块。数字须由数据集计算得出;不可得则写「数据不足」。
## 边界声明(关键——须告知干系人)
本分析使用的是**素材侧代理指标**(素材量级、形式/媒体/语言占比)。它**不是**真实投放量级/消耗或媒介成本数据(后者需 `adVolumeTrends` / `regionOverview` / 媒体 API)。每份交付物都须标注:*「本分析基于素材侧代理指标,非真实投放量级。」*
用户触发 Prompt 参考:
自动化任务 Prompt 参考:
业务目标:每天扫描指定品类的新素材,发现「新出现 + 高曝光」的潜在爆款,第一时间预警,适合配定时任务。
工具链:searchAdCreatives(isNew=1 + 近 N 天 + 曝光降序)→ creativeResourceUrl📄 参考 Prompt(agg-viral-alert)— 点击折叠
---
name: agg-viral-alert
description: 本技能适用于:当需要基于 AGG-MCP(searchAdCreatives、creativeSellingPointTrends、filterOptions、creativeResourceUrl)获取的新素材集、对照 ≥7 天基线,监测海外移动广告「爆款素材突发信号」时。它套用三道硬阈值门(相似数超 P95 / 曝光陡增 / ≥3 个独立 App 在 48h 内集中跟投同一卖点),仅当至少一门命中才发预警。触发场景:日级/条件式爆款素材监控(Automation);或用户提出「帮我盯一下 日本市场 RPG 这两天有没有突然冒出来的爆款素材或者新的卖点打法,有就立刻提醒我」。
agent_created: true
---
# AGG 爆款素材监测预警
## 概述
AGG-MCP × Skill × Automation 体系下的**单场景**分析技能。它把「新素材集 + 基线」转化为一个**爆款素材预警**判定(对应「E · 最新爆款素材监测预警」场景)。本技能与 MCP 取数层解耦:它消费由 MCP/编排层事先拉取的归一化 `CreativeRecord[]`(新素材 + 基线),自身不调用任何工具、也不下载素材。
## 何时调用
- 预定的日级 / 高频条件监控任务(Automation),无信号时应保持静默。
- 用户要求盯防突发爆款素材或新卖点打法,例如「盯一下 日本 RPG 这两天有没有突然冒出来的爆款素材,有就提醒我」。
- 任何「无信号时正确输出应为『无异常』而非编造洞察」的任务。
**不要**用它来取数或下载素材。取数由 MCP 层负责;命中后由 MCP 层解析 `creativeResourceUrl`。若还没有数据集,先跑 searchAdCreatives(isNew=1, order=max_dt_desc, 限定品类/地区)+ 7 天基线,再回到本技能。
## 核心工作流
1. **加载契约**:读取 `references/data_contract.md`,确认必填字段(`material_id`、`similar_cnt`、`impression`、`selling_points`、`media`、`max_dt`、`app_name`、`is_new`;基线 ≥7 天历史;当前窗 ≥1 条)。
2. **发出分析提示词**:复制 `references/analysis_prompt.md`,替换 `<DATASET_SUMMARY>` / `<PARAMS>`(品类、地区、监控窗),执行之。
3. **先算基线**:取近 7 天 `similar_cnt` 的 P95 与各 media 的 `impression` 中位数。若基线 <7 天 → 直接返回「无异常(基线不足 7 天,暂不预警)」并停止。
4. **套用三道硬门(任一命中即预警)**:① 单条 `similar_cnt` > 基线 P95;② `impression` ≥ 同窗口同 media 中位数的 3 倍(或日环比 ≥200%,若有时序);③ 同一 `selling_points` 被 ≥3 个独立 `app_name` 在 48h 内集中投放。**不得放宽**。
5. **交付**:命中时——信封且 Headline=信号类型,证据表列「素材ID+详情页链接 | 卖点 | 主投渠道 | 信号类型」,建议动作为 跟投 / 避坑 / 拆解;未命中任何门——**只**返回「无异常」,绝不编造信号。
## 输入/输出契约(摘要)
- **输入**:带基线形态一致的「新素材 `CreativeRecord[]`」+「≥7 天基线」。
- **输出**:要么「无异常」(或基线不足变体),要么固定信封的预警 Markdown 块。
## 边界声明(关键——须告知干系人)
本分析使用的是**素材侧代理指标**(相似数、曝光代理、卖点共投)。它**不是**真实投放量级数据(后者需 `adVolumeTrends`)。预警触发时须标注:*「本预警基于素材侧代理指标,非真实投放量级。」*
用户触发 Prompt 参考:
自动化任务 Prompt 参考:
六FAQ 常见问题
- ① 画面元素,会带描述,价值:知道标签怎么打
- ② 卖点筛选,30 万+ 动态词库,而是 AI 自动创建新卖点,发现新兴趋势
- ③ 卖点趋势:直接看某品类最近 Top10 卖点,按热度排序,让你知道'为什么火',而不仅是'有哪些'
🐍 Python 调用脚本示例 — 点击折叠
import json, ssl, urllib.request
API_KEY = '<你的key>'
URL = 'https://api-appgrowing-global.youcloud.com/mcp'
def mcp_call(name, args, timeout=90, retries=3):
payload = json.dumps({'jsonrpc':'2.0','id':1,'method':'tools/call',
'params':{'name':name,'arguments':args}}).encode()
req = urllib.request.Request(URL, data=payload, method='POST', headers={
'Content-Type':'application/json',
'Accept':'application/json, text/event-stream',
'accept-language':'zh',
'Authorization': f'Bearer {API_KEY}'})
ctx = ssl.create_default_context()
with urllib.request.urlopen(req, timeout=timeout, context=ctx) as resp:
raw = resp.read().decode('utf-8')
# SSE 响应:取 data: 前缀行
for line in raw.splitlines():
if line.startswith('data: '):
return json.loads(line[6:])
return json.loads(raw)
def parse(resp):
return json.loads(resp.get('result',{}).get('content',[{}])[0].get('text','{}'))
# 示例:搜日本市场卡牌类高曝光素材
inner = parse(mcp_call('searchAdCreatives', {
'purpose': 1,
'order': 'impression_inc_2y_desc',
'startDate': '2026-07-10', 'endDate': '2026-08-10',
'page': 1,
'category': [2009],
'area': ['JP'],
}))
ml = inner['data']['materialList']
print(f'total={ml["total"]}')
for item in ml['data'][:5]:
m = item['material']
game = (m['campaign'][0]['name'] if m.get('campaign') else '?')
print(f' {game} | {m.get("impression_inc_2y")} | {(m.get("creative") or {}).get("slogan","")[:40]}')creativeSellingPointTrends(卖点趋势榜)是唯一能回答'为什么这个卖点最近火'的工具。因此 AppGrowing MCP 既能在广度上覆盖从「谁在投」到「为什么有效」的完整链路,也能在深度上给出别处拿不到的创意结论。- MCP Tool 没有成功被客户端发现
- 用户请求没有明确表达素材搜索或分析意图
- Agent 的工具调用权限被关闭
- Skill 或系统指令没有正确加载
- Tool 描述与当前 Agent 的兼容性存在问题