The Pulse
LangChain rende open source un agente per la gestione della pubblicità a pagamento
LangChain ha reso open source un agente per la gestione della pubblicità a pagamento che collega gli account pubblicitari, analizza l’andamento delle campagne, produce report periodici e prepara proposte di modifica da sottoporre a revision
AI.info Team ·
LangChain ha reso open source un agente per la gestione della pubblicità a pagamento che collega gli account pubblicitari, analizza l’andamento delle campagne, produce report periodici e prepara proposte di modifica da sottoporre a revisione. Il progetto è disponibile con licenza Apache 2.0 in un repository pubblico su GitHub ed è basato sul framework Deep Agents di LangChain.
La versione è pensata per i team che gestiscono contemporaneamente diverse piattaforme pubblicitarie. Tra le connessioni supportate figurano Google Ads, Meta Ads, Reddit, LinkedIn, X, OpenAI Ads, TikTok Ads, Pinterest Ads, Snap Ads e Google Analytics, anche se l’accesso dipende dal connettore disponibile e dalle autorizzazioni dell’account.
Un unico agente per analizzare le campagne su più canali
L’agente è progettato per rispondere a domande su spesa, conversioni, costo per lead, andamento del budget e variazioni nelle prestazioni delle campagne. Gli utenti possono interagire con lui tramite Slack o un’interfaccia terminale, generare report settimanali o mensili ed esaminare i dati alla base delle sue conclusioni.
Il repository di LangChain separa le valutazioni del modello dal lavoro numerico. Il modello decide cosa esaminare, mentre il codice calcola le metriche delle campagne e verifica i dati dei report confrontandoli con quelli di origine. Le risposte molto estese degli strumenti vengono archiviate in file, lasciando al modello riepiloghi che includono la fonte, l’intervallo di date e gli avvisi sulla qualità dei dati.
Le modifiche effettive restano subordinate a un’approvazione
Per impostazione predefinita, le operazioni sulle campagne non sono del tutto autonome. L’agente può proporre l’aggiunta di parole chiave, modifiche al targeting, aggiustamenti del budget o altri aggiornamenti delle campagne, ma le modifiche agli account effettivi restano disabilitate a meno che un operatore non configuri una policy di scrittura, superi i controlli di rilascio e ottenga l’approvazione di un revisore autorizzato.
L’approvazione riguarda esattamente la proposta visualizzata dal revisore. Se qualcuno la modifica in seguito, il sistema richiede una nuova approvazione. Nell’attuale repository, X Ads e OpenAI Ads utilizzano adattatori diretti di sola lettura, mentre le connessioni alle altre piattaforme si basano sull’integrazione Pipeboard MCP e sulle autorizzazioni messe a disposizione da quei servizi.
Deep Agents fornisce il livello operativo
LangChain utilizza la stessa configurazione dell’agente sia nelle modalità di distribuzione gestita sia in quelle self-hosted. La configurazione definisce il modello, gli strumenti, il middleware e la policy di approvazione, mentre le skill dell’ambiente di lavoro forniscono istruzioni per le attività di indagine e reportistica, il contesto aziendale e la progettazione dei report.
I team possono distribuire il sistema tramite Managed Deep Agents, con LangSmith che gestisce l’ambiente di esecuzione e la sandbox, oppure gestirlo autonomamente con Docker, un servizio API e Postgres. La distribuzione gestita supporta l’autorizzazione tramite Slack e i report programmati. LangChain afferma che l’hosting gestito è a pagamento, mentre i costi dei modelli e dei connettori dipendono dai fornitori scelti da ciascun team.
Un repository pensato per essere adattato
Il progetto richiede Python 3.11 o versioni successive e utilizza il gestore di pacchetti uv. La console di configurazione aiuta gli utenti a scegliere un modello, collegare gli account pubblicitari, aggiungere il contesto aziendale e selezionare una modalità di distribuzione, senza dover realizzare un’interfaccia frontend separata.
Gli sviluppatori possono anche eseguire una dimostrazione offline con account sintetici. Questa modalità svolge un’analisi guidata da uno script e simula una modifica del budget senza interrogare un modello né intervenire sulle campagne attive, offrendo ai team un modo per esaminare il flusso di lavoro prima di fornire le credenziali.
Il repository lascia spazio a fonti di dati specifiche dell’azienda. Le connessioni ai data warehouse sono facoltative e i team possono aggiungere connettori e mappature delle metriche per i dati di pipeline o di fatturato senza adottare uno schema predefinito di BigQuery, CRM o dbt. Il progetto rende l’agente meno simile a un prodotto pubblicitario finito e più a un sistema di riferimento funzionante per i team che vogliono adattare le operazioni pubblicitarie ai propri dati e alle proprie procedure di approvazione.
Con questa versione, LangChain definisce nel codice i limiti operativi: i calcoli sono deterministici, le scritture sugli account richiedono una policy esplicita e una revisione, e l’accesso alle piattaforme segue le autorizzazioni messe a disposizione da ciascun connettore. Questi vincoli definiscono ciò che l’agente open source può fare prima che un team di marketing gli consenta di agire.