Cómo conecté Claude a Google Ads y GA4 con un servidor MCP
Conecté Claude, el asistente de IA de Anthropic, con Google Ads, Google Analytics 4, Google Search Console y Google Tag Manager mediante un servidor MCP (Model Context Protocol) propio. Hoy puedo pedirle que cruce datos de las cuatro plataformas en una sola conversación, y ningún cambio se ejecuta sin mi autorización.
En este artículo cuento cómo lo hice, por qué, qué valor tiene y qué significa para los negocios que quieren operar con IA. No es un paso a paso técnico. Es el razonamiento detrás.
En resumen
Qué es: un MCP (Model Context Protocol) es un conector entre un asistente de IA y herramientas externas.
Qué conecté: Google Ads, GA4, Search Console y Tag Manager, con 94 herramientas disponibles.
Dónde funciona: en Claude para computador, navegador y celular.
Regla central: la IA analiza y propone, yo autorizo, el sistema ejecuta y la IA verifica.
Resultado de las pruebas: auditorías completas sin ningún cambio ejecutado y un error real corregido.
¿Qué es un MCP (Model Context Protocol)?
Un MCP (Model Context Protocol) es un protocolo abierto que permite a un asistente de IA conectarse con herramientas y datos externos. Lo creó Anthropic a fines de 2024 y hoy lo usan asistentes como ChatGPT, Gemini y Microsoft Copilot, además de Claude. Puedes ver la especificación en modelcontextprotocol.io.
La forma más simple de entenderlo es como un adaptador. Claude sabe razonar, redactar y analizar, pero por sí solo no puede entrar a una cuenta de Google Ads. El MCP le da esa conexión, con las reglas que tú definas.
Un servidor MCP es el programa que ofrece esas herramientas al asistente. El mío es un servidor MCP que conecta Claude con Google Ads, Analytics, Search Console y Tag Manager, y que define qué puede leer y qué puede modificar.
¿Por qué construí un MCP propio para marketing?
Una consultora de marketing B2B trabaja entre pestañas. Google Ads dice una cosa, Analytics otra, Search Console cuenta una tercera historia y Tag Manager decide en silencio qué se mide y qué no. Cruzar esos datos a mano toma tiempo, y ese tiempo no se usa para decidir qué hacer con ellos.
Quería conversar con un asistente que pudiera mirar las cuatro plataformas a la vez. Y quería decidir yo qué podía hacer y qué no. Esa segunda razón pesó tanto como la primera.
¿Cómo lo construí?
El código lo desarrollé con indicaciones a ChatGPT. Las pruebas de integración y el diseño de las instrucciones para el asistente los hice con Claude. Lo que no se delega es lo importante: yo definí qué debía poder hacer el sistema, qué quedaba fuera y cómo se valida cada prueba.
La construcción tuvo dos etapas.
Primero fue local. La primera versión corría en mi computador, y era la forma más rápida de comprobar la idea: que Claude hablara con las cuatro plataformas dentro de una misma conversación. Funcionó, pero solo mientras ese computador estuviera encendido.
Después pasé el sistema a la nube de Google. Con eso el mismo conector funciona desde el computador, el navegador y el celular. Mantuve el servicio protegido y guardé las credenciales en un lugar seguro, fuera del código.
En el camino tomé cuatro decisiones que valen para cualquiera que quiera hacer algo parecido:
Partir pequeño y validar con datos reales antes de ampliar.
Separar las cuatro plataformas, para controlar cada una por su cuenta.
Tratar las credenciales como lo más delicado del proyecto.
No agregar funciones solo porque se pueden. Se agregan si la operación las necesita.
¿Cómo evito que la IA cambie cosas sin mi permiso?
Con una regla que ordena todo el diseño: que Claude pueda modificar una campaña no significa que deba hacerlo.
El ciclo es fijo. Claude analiza y propone. Yo autorizo. El sistema ejecuta. Claude verifica.
En la práctica funciona así:
Todo cambio parte como simulacro. Nada se aplica de verdad sin una confirmación explícita.
Una autorización vale solo para la acción exacta que se propuso. Si aparece otra oportunidad, se propone de nuevo.
Publicar cambios en el sitio, que afectan a visitantes reales, tiene una barrera adicional.
Después de cada cambio se vuelve a leer el estado para comprobar que quedó como se esperaba.
Las acciones más delicadas, como borrar o cambiar permisos, quedan fuera del uso rutinario.
El resultado es un asistente que acelera el análisis sin quitarme el control de lo importante.
¿Qué encontraron las pruebas?
Las pruebas fueron en modo lectura. Hice auditorías de las cuatro plataformas desde el computador, el navegador y el celular, sin tocar nada. Salieron dos tipos de hallazgos.
El primero fue un error real del propio conector. Lo corregí y repetí la prueba en los tres entornos.
El segundo fue sobre los datos, y es el más valioso. Al cruzar las plataformas aparecieron diferencias que a mano habrían pasado desapercibidas: clics de anuncios que no coinciden con las sesiones de Analytics, conversiones contadas distinto en cada lugar y cuentas con husos horarios diferentes. Ninguna es una falla del conector. Son formas distintas de medir, y verlas juntas permite entenderlas.
¿Qué valor tiene un MCP para una consultora de marketing B2B?
No medí el ahorro en horas y prefiero no inventar una cifra. Lo que sí puedo describir son cambios concretos:
Un solo lugar para preguntar. Cruzar Ads, Analytics, Search Console y Tag Manager deja de ser un proyecto de una tarde y pasa a ser una pregunta.
Contexto acumulado. Cada análisis parte donde quedó el anterior, porque la conversación conserva lo revisado.
Trazabilidad. Cada cambio tiene una propuesta, una autorización y una verificación. Queda claro quién decidió qué.
Más tiempo para el criterio. Lo repetitivo lo hace el sistema. Yo me quedo con interpretar, decidir y conversar con el cliente.
¿Qué cambia para los negocios ágiles con IA?
Primero, la capacidad operativa deja de depender del tamaño del equipo. Una consultora de una persona puede operar hoy con una profundidad de análisis que antes pedía un equipo. La IA no reemplaza a nadie: absorbe el trabajo mecánico entre una decisión y la siguiente.
Segundo, la ventaja se desplaza. Acceder a las herramientas ya no diferencia a nadie. Diferencia el criterio con que se usan y las reglas bajo las que se deja actuar a la IA. En mi caso, la regla de que poder no es permiso pesó más que cualquier función técnica.
Tercero, el ciclo entre diagnosticar y actuar se acorta. Cuando mirar los datos, proponer un cambio y verificarlo ocurre en la misma conversación, un negocio aprende y corrige más rápido. Eso es agilidad de verdad.
Y cuarto, la gobernanza pasa a ser parte del producto. Quien delega acciones a una IA necesita explicar qué puede hacer, qué no y quién lo autoriza. Esa claridad también es un argumento comercial frente a un cliente.
¿Qué hay que saber antes de construir uno?
Ojo con cuatro límites:
Requiere criterio técnico o apoyo para construirlo. No es un clic.
Las plataformas no exponen todo por sus conexiones oficiales, así que hay datos que no se pueden cruzar a nivel individual.
Un asistente que lee datos rápido sigue necesitando a alguien que sepa qué preguntar.
Cada empresa necesita sus propias reglas. Las mías no sirven para cualquier negocio.
Propongo partir por cinco preguntas:
¿Qué decisiones tomas hoy mirando más de una plataforma a la vez?
¿Qué acciones no quieres que una IA haga sin tu autorización?
¿Quién tiene acceso a las credenciales y dónde se guardan?
¿Cómo vas a comprobar que cada cambio quedó bien hecho?
¿Qué parte del trabajo repetitivo te quita tiempo para pensar?
Si las respuestas apuntan a que esto te sirve, conviene hacerlo en etapas, empezando por solo lectura.
Preguntas frecuentes
¿Qué es un servidor MCP?
Es el programa que ofrece herramientas y datos a un asistente de IA a través del protocolo MCP. El asistente pide información o acciones, y el servidor las ejecuta bajo las reglas que se definieron.
¿Cómo se usa un MCP con Claude?
Claude se conecta al servidor MCP como a un conector externo y desde ahí puede consultar las herramientas que el servidor ofrece. En mi caso, el servidor vive en la nube de Google, por lo que funciona desde Claude en computador, navegador y celular.
¿Se necesita saber programar para construir un MCP?
Ayuda tener criterio técnico o apoyo. En mi caso, el código lo desarrollé con asistencia de IA. Lo más delicado fue definir las reglas de uso y proteger las credenciales.
¿Es seguro conectar una IA a Google Ads?
Depende de las reglas que definas. En mi sistema todo cambio parte como simulacro, requiere confirmación explícita y las acciones más delicadas quedan fuera del uso rutinario. Las credenciales viven fuera del código.
¿Qué plataformas puede cruzar un MCP de marketing?
El que construí cruza Google Ads, Google Analytics 4, Search Console y Google Tag Manager. Se puede ampliar a otras plataformas con el mismo criterio.
¿Una IA conectada a mis datos reemplaza a un analista?
No. Acelera la lectura y el cruce de datos, pero alguien tiene que decidir qué preguntar y qué hacer con la respuesta.
¿Cuánto tiempo ahorra?
No lo medí, así que no tengo una cifra confiable. Lo que cambió es que cruzar las cuatro plataformas pasó de ser un proyecto a ser una pregunta.
Conclusión
Construir un MCP propio me dio un asistente que mira cuatro plataformas a la vez y trabaja bajo mis reglas. La tecnología es lo de menos. Lo que importa es decidir qué puede hacer la IA, qué no y quién autoriza cada cambio.
Si quieres llevar algo así a tu operación de marketing B2B, agenda una conversación o revisa cómo trabajo y algunos casos.
