← 返回列表
Agent 与自动化Agent Skill

hookradar-agent-skill：为 AI Agent 接入 HookRadar 广告创意情报

Anagogic-blastinggelatin157/hookradar-agent-skill · Connect your AI agent to HookRadar to automate competitive creative research and analyze ad performance data using the MCP standard.

GitHub原文发布 未知首次收录 2026-09-19上架 2026-09-19 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

该项目是一个面向 AI Agent 的 HookRadar 技能（skill）扩展，通过 MCP 标准把竞品创意研究与 Meta Ads 等广告平台的创意情报和投放表现数据接入智能体。它包含数据连接、分析、Schema 加载和日志处理等组件，支持 Claude Code、Codex 及通用 MCP Agent，用户可在 Windows 上安装后在配置文件中关联该技能，然后用自然语言让 Agent 分析广告创意表现、查看营销趋势并给出文案改进建议。
# AI 智能体# Codex# MCP# 营销自动化# Claude-code

核心能力与快速开始

★ 0 · Python

能做什么
通过 MCP 标准将 HookRadar 创意情报接入 AI Agent；抓取广告平台实时表现指标；分析营销数据识别创意与广告表现规律；加载数据结构 Schema 以便 Agent 理解返回的营销信息；记录请求日志辅助排查；支持在配置文件中关联技能路径并被多个 Agent 复用。README 描述的典型调用方式为让 Agent 分析最新广告创意表现、查看 Meta Ads 营销趋势、基于高表现创意给出文案改进建议。
适用场景
为使用 Claude Code、Codex 或标准 MCP Agent 的用户提供广告创意与竞品研究能力；让 Agent 分析自有广告创意投放表现；查看 Meta Ads 等平台的营销趋势；基于高表现创意生成广告文案优化建议。
项目形态
可直接使用的工具
部署方式
README 说明为本地运行的 Windows 桌面软件，需从官方发布页下载 .exe 安装包并按向导安装，随后在 Agent 配置文件中添加指向 HookRadar 技能路径的条目并重启 Agent；要求 Windows 10 或 Windows 11、至少 4GB 内存、200MB 可用存储空间及稳定网络连接。
主要依赖
操作系统 Windows 10 / Windows 11；内存至少 4GB；可用存储 200MB；需要稳定互联网连接；安装可能需要管理员权限。
使用限制
仅说明支持 Windows 10/11 桌面环境，未提及 macOS 或 Linux 支持；README 称数据仅在本地处理且不保存广告账户密码，但未给出数据来源、速率限制或访问广告平台所需授权方式的具体说明；未说明是否需要 HookRadar 账号或相关服务的费用与配额；除 MCP 标准外未说明与各 Agent 的兼容细节。
许可证
MIT
最近推送
2026-09-18 14:59
官方入门核对 README 依据 ↗

资料检查：2026-09-19 07:00 · 卡片整理：2026-09-19 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

程序员可将该 MCP 技能接入 Claude Code、Codex 等 AI Agent，通过配置文件关联技能路径，使 Agent 能够获取广告平台创意情报与投放表现数据，用于开发或调试相关营销数据集成。

查看内容依据
This tool lets your AI agents access creative intelligence for platforms like Meta Ads. It simplifies complex marketing tasks for agents built on systems like Claude Code, Codex, and MCP.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

产品经理可将该技能接入 AI Agent，用自然语言分析广告创意表现、查看 Meta Ads 营销趋势，并基于表现最佳的创意获得广告文案改进建议，用于竞品创意研究与投放数据分析。

查看内容依据
Connect your AI agent to HookRadar to automate competitive creative research and analyze ad performance data using the MCP standard.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Agent Comms：跨 Harness 的 LLM 智能体通信网格

Agent Comms 为不同 harness 中的 LLM 智能体提供一套基于 localhost TCP 的通信网格，支持注册与发现、房间、私信、在线状态和可见性控制。每个 bridge 实例作为对等节点接入，首个绑定固定端口的实例担任协调者负责介绍新节点，数据连接均为节点间直连；消息通过 TCP 直接推送，无需守护进程或文件系统轮询，进程离线期间的消息会进入复制的投递队列并在重启后重放。项目提供 pi、Claude Code 及通用 MCP 的安装接入方式，并附带可扩展新 harness 的桥接能力。

Nodecode：可自我改写并持续进化的 Lisp 智能体

Nodecode 是一个运行在 SBCL（Common Lisp 系统）单一进程中的 AI 智能体，终端等客户端可连接同一个运行实例。模型唯一的工具是在运行中的程序里求值 Lisp，并能保留定义过的代码，因此可自行新增工具。项目以 cell（文件夹形式的能力单元）扩展聊天平台接入、Web 访问、定时任务、MCP 工具等能力，支持从多个客户端使用同一实例，并具备上下文召回、生成代际回滚等机制。它不提供沙箱，eval 会以当前用户权限执行 Lisp 和 shell 命令，官方建议在容器或虚拟机中运行。

EmpirioLabs AI MCP 服务器：把模型调用、多媒体生成、搜索与 GPU 云接入 MCP 客户端

EmpirioLabs AI MCP 是一个远程 Model Context Protocol 服务器，无需本地安装，可通过 OAuth 2.1 或 API Key 接入 Claude、ChatGPT、Cursor 等 MCP 客户端。它提供 84 个工具，覆盖模型目录查询、文本推理与嵌入、网页搜索与研究、图像/视频/音频/语音/OCR/3D 生成、批处理任务、GPU 云实例与托管 Agent 管理等。只读查询类工具不消耗额度，其余调用按账户预付积分计费。

麦麦省钱助手：基于麦当劳 MCP 的点餐成本优化与优惠券止损工具

该项目是一个基于麦当劳中国 MCP 的点餐成本助手，通过拉取门店实时菜单与价格、账户可用优惠券和历史订单，枚举并真实计价候选点餐方案，输出最省钱的组合并提示凑单陷阱。同时提供券的沉默成本、消费习惯画像、券包体检、用券排程、可领取券发现、积分体检和活动节奏等长期止损分析。项目为 Python 实现，含零配置 demo 与测试，运行 demo 不需要 MCP Token。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。

讨论 0

登录后参与讨论，阅读资讯无需注册。

还没有评论，来分享第一个看法。