原始标题: How can you use AI agents, MCPs, and a bunch of different tools to make money

发布日期: 2026-03-02 | 来源频道: @GregIsenberg

📝 深度摘要

1. 对话背景与核心主题

对话背景与核心主题：

本视频嘉宾为知名创业者与营销专家Greg Isenberg，他分享了如何利用AI代理和MCP（模型上下文协议）构建自动化营销系统的实战方法。视频旨在解决一个核心元问题：如何让单个营销人员拥有过去整个团队的生产力？通过集成Claude Code、Cloud Code、Facebook Ads API等工具，搭建从潜在客户自动回复、广告素材批量生成、到数据实时追踪与优化的全自动化工作流。Greg提出的核心洞见是：在这个AI时代，领域专业知识才是最重要的杠杆——拥有行业经验的人配合AI工具，个人能力将被放大千倍，真正实现一个人就是一支营销团队。

核心干货概览

深度逻辑与实操拆解

底层矛盾与背景

传统营销面临的核心困境是：大量重复性、中间层的工作占据营销人员大部分时间，包括手动上传广告素材、筛选潜在客户、发送冷邮件、追踪分析数据等。这些工作不仅耗时，而且无法规模化——一个人无法同时管理多个平台、几十个广告账户、成千上万条广告变体。GTM工程最初由Clay.com提出，用于描述通过级联工作流进行数据 enrichment 以执行 outbound 销售的动作，如今已演变为通过 AI 代理实现完全自动化营销的全新范式。

核心策略推导

Cody 在视频中展示的工作流程遵循一个核心逻辑：将所有需要手动操作的中介工作全部交给 AI 代理，自己只负责最终创意决策和结果审视。具体而言：

首先，创建统一的 API 密钥管理环境文件（.env），将所有工具的 API 密钥集中存储，包括 Intercom、SendGrid、HubSpot、Clay.com、Perplexity、Facebook Ads API、Million Verifier、Instantly 等。这个环境文件是整个自动化体系的基石，所有后续工作都依赖于它。

其次，将 Cloud Code 作为核心控制中枢，通过自然语言指令驱动各个工具协同工作。Cody 的工作方式是：同时打开多个 Cloud Code 窗口，每个窗口运行不同的代理任务，彼此独立、并行执行。例如一个窗口在 LinkedIn 上自动回复评论，另一个窗口在后台批量生成广告素材，还有一个窗口在分析广告数据并关闭自动低效广告。

最后，将验证有效的自动化流程部署到 Railway 服务器上，实现 7×24 小时持续运行。这意味着即使人不在电脑前，营销自动化系统依然在后台持续获客、筛选潜在客户、发送邮件、优化广告。

执行 SOP / 操作步骤

第一步：环境搭建

创建一个项目文件夹（如 Graph Growth Agents），在其中创建 .env 环境文件，集中存储所有 API 密钥。推荐安装 Superwhisper 等语音转录工具，以便通过语音快速输入指令。可选安装 Claude Code 前端设计技能，以生成更美观的 UI 界面。

第二步：LinkedIn 自动回复代理

创建一个针对 LinkedIn 的自动化技能，连接 Claude Chrome 扩展。提供两个关键输入：Notion 文档（包含回复话术模板）和 LinkedIn 帖子 URL。启动后，代理会自动打开 LinkedIn，遍历所有在帖子下请求资源的用户，逐个发送定制化回复。整个过程完全后台运行，用户无需介入。

第三步：Facebook 广告批量生成器

使用 React 组件构建广告模板，通过 html2canvas 将组件转换为 PNG 图片下载。使用 Perplexity API 从 Reddit 等平台抓取目标受众的痛点，基于这些痛点批量生成广告文案变体。生成 1080×1080 像素的正方形广告素材，打包为 ZIP 文件下载。整个过程消耗极低（约 1000 tokens），可以一次性生成上千条广告变体。

第四步：批量上传至 Facebook

将生成的广告素材通过 Facebook Ads API 批量上传至广告账户，设置为草稿状态。可以一次性上传数十甚至上百条广告变体进行 A/B 测试。

第五步：数据追踪与自动优化

创建 Looker Studio 或自定义仪表盘，连接 Facebook Ads API，实时显示点击量、花费、CPC、CPM 等核心指标。通过 Graph MCP 拉取数据，自动识别高 CPM（低效）广告，使用 API 将其关闭。同时将表现最好的广告单独拎出，分配独立预算，扩大投放。整个流程可以设置为 cron job，每天自动执行。

第六步：部署到 Railway 实现自动化

当某个工作流验证有效后，通过 Cloud Code 直接调用 Railway API，在服务器上部署该自动化流程。团队成员可以通过 Slack 等渠道触发代理执行任务，无需手动操作。完成分析后可以随时 spin down 服务器，按需付费。

细节支撑

Cody 在视频中实际演示了多个正在运行的自动化代理：

第一个代理运行 15 分钟后自动完成了 LinkedIn 评论回复任务；第二个代理使用 Phantom Buster 提取某个 LinkedIn 帖子下所有互动用户的profile，然后通过 Apollo API 丰富其联系方式，再经过 Million Verifier 验证邮箱有效性，最后添加到 Instantly 冷邮件营销活动中；第三个代理从数据仓库拉取实时广告数据，生成包含点击趋势线图、花费与 CPC 指标卡片、人口统计年龄分布条形图的仪表盘；第四个代理通过语音指令创建了 PostgreSQL 数据库，将数据导入进行分析，完成后立即销毁服务器，整个数据清洗分析过程从传统的 5 小时压缩至 20-30 分钟。

核心执行资产

Prompt / 指令集还原

Facebook 广告批量生成指令示例： “创建一个批量 Facebook 广告生成器。需要生成 1080×1080 像素的图片。基于 Reddit 上关于数据报表痛点的讨论生成广告文案变体。生成包含标题和正文多种组合的 ZIP 文件。同时创建一个 UI 界面用于可视化预览广告效果。使用 React 组件实现，生成后使用 html2canvas 将组件转换为可下载的 PNG。”

LinkedIn 自动回复指令示例： “运行 LinkedIn 响应代理。提供 Notion 文档链接和 LinkedIn 帖子 URL。选择按最新顺序排列。启动后自动遍历所有在帖子下请求资源的用户，根据 Notion 文档中的话术模板发送个性化回复。”

数据优化指令示例： “使用 Graph MCP 拉取指定广告组的数据，识别 CPM 最高的低效广告。使用 Facebook Ads API 将这些广告关闭。然后将表现最好的广告提升至独立广告组，分配专属预算。”

工具链配置

核心开发环境：Cloud Code（AI 代理控制中枢）+ 项目文件夹（Graph Growth Agents）+ .env 环境文件

营销自动化工具栈：Phantom Buster（LinkedIn 数据抓取）、Instantly AI（冷邮件发送）、Refonic（数据 enrichment）、Million Verifier（邮箱验证）、Apollo API（联系人丰富）、Perplexity API（市场调研）

广告投放：Facebook Ads API（批量上传、数据拉取、自动优化）、Looker Studio（数据可视化）

部署与基础设施：Railway.com（按需服务器部署、PostgreSQL 数据库）、Vercel（可选部署）

可选增强：Superwhisper（语音转文字）、Claude Chrome 扩展（浏览器自动化）

专家洞察与风险边界

反直觉/非共识结论

领域知识比技术能力更重要：Cody 强调，即使不懂编程，只要有深厚的行业领域知识，就能通过 AI 工具获得巨大杠杆。他的联合创始人 Max 虽然技术词汇量远超常人，能更精准地向 AI 代理描述需求，从而获得更高质量的输出，但这并不意味着技术背景是必要条件。真正决定输出质量的是你对行业的理解深度——你能否用行业专属词汇描述痛点、解决方案和用户需求。

API 优先思维取代 UI 思维：传统软件选购重视 UX 设计和界面交互，但在 AI 代理时代，API 的健壮性和功能覆盖度成为首要考量。Sam Altman 近期表示“每家公司都将成为 API 公司”，Cody 深以为然——他甚至因为某工具的 UI 无法在 API 端实现关键功能而考虑更换供应商。

一人公司将成为主流赢家：借助 AI 代理自动化，一个人可以完成过去 10 人团队的全部工作。营销团队负责人如果能掌握这些工具，完全有理由要求三倍薪资——因为其产出价值翻了数倍。

局限性与避坑指南

RAM 和硬件瓶颈：同时运行 10+ 个 Cloud Code 窗口需要大量内存，Cody 透露自己准备购买新电脑。对于大规模自动化场景，需要提前评估硬件配置。

MCP 分页限制：很多 MCP（包括 Facebook Ads MCP）存在数据分页问题，实际能拉取的数据可能只有预期的 5%。大规模数据处理需要搭配独立的数据仓库和 ETL 流程。

提示词工程门槛：虽然 AI 能执行任务，但如何精准描述需求仍然需要学习。Cody 举了一个例子：他想给广告背景添加纹理，试了几次都无法让 AI 理解，直到找到专业人士提供的精准术语描述才一次成功。领域词汇是使用 AI 的 superpower。

自动化风险：Cody 提到他运行的一个 Etsy 自动化代理两周前被平台封禁，说明自动化需要考虑平台政策风险，避免过度操作导致账号被封。

金句

“过去需要手动完成的中间工作，如今全部交给 AI 代理，我只负责出创意想法和最后审核成果。”

“批量生成 100 条广告变体的成本几乎为零，也就是消耗大约 1000 个 tokens。”

“如果你有行业领域的专业知识，再加上这些工具，你的能力将放大一千倍。”

“AI 代理 24/7 不间断运行，自动分析数据、关闭低效广告、放大高效广告——这就是自主营销的未来。”

“以前需要 5 小时手工整理数据的工作，现在 20 到 30 分钟就能完成，而且完成后直接销毁数据库，按需付费。”

“选软件首要考量不再是 UX 多漂亮，而是 API 有多健壮——在 AI 代理时代，API 才是灵魂。”

“一个人加上一套自动化系统，产出超过过去一整支团队，这正在成为新现实。”

📺 视频原片

视频ID: RB_M2mKiOcY