AI 代理人戰爭，AdCP、UCP、MCP 與 ARTF 顛覆的下一代程序化廣告版圖

這十幾年在程序化廣告的世界裡，數位廣告圈習以為常的故事其實很直線：廣告操盤手擬定規則、設定出價邏輯，DSP 透過 OpenRTB 協定在 100 多毫秒內幫廣告主配對曝光，DSP 和 SSP 在雲端互相交易連線，交易就完成了。過程中，AI 的角色多半只是「更聰明的出價公式」，本質仍然是 rule-based 自動化，人寫好一堆 if-else，系統照表操課。

當今 AI 高速進化的過程中，Agentic（代理式） 這個字翻轉了既有的廣告操作邏輯。想像一個 CTV 案例：傳統做法，是媒體代理商加上內容平台業務先談一包「純 cue 方案」，敲定檔期、頻道與版位，再回到系統裡用委刊項（line item），透過首選交易（PD）與 PMP 條件把這包廣告庫存鎖起來。接下來頂多再補幾條頻次與出價規則，廣告活動一上線，基本上就沿著這些預先寫好的 rule 一路跑完，除非中間有人類緊急進場「救火」調整。

在 AI 代理人主導的程序化廣告世界裡，故事就不太一樣了，會有一個買方 AI 代理人，直接代表品牌跟賣方代理對話。這位買方代理人不只看得到 PMP／PD 的條件表，還理解行銷活動目標、風險邊界、預算節奏，知道什麼時候應該拉高特定賽事時段的權重，什麼時候要縮小目標觀眾、甚至暫停投放、把預算移去其他 SSP。透明化、即時的 OpenRTB 廣告競價不會消失，但從主角退到「結算層」，意思就是僅看結果，不看過程。真正主導節奏的，不再是人寫的出價規則，而是這些在後台互相對話、即時重寫出價策略的 AI 代理人。

AI 代理重寫廣告交易語境、訊號層與工具層

如果你懂數位程序化廣告，那你肯定知道廣告交易基本規則，就是用共同語言來通訊、交易，在特定的公開交易市集中，購買指定受眾的版位與流量。這樣的基本運作，在 AI 代理人的運作下，我們先從程序化廣告 AI 運作相關說文解字來理解：

• AdCP（Ad Context Protocol）：描述「廣告交易」的語言，如同我要買什麼、用什麼條件、要達成什麼結果
• UCP（User Context Protocol）：描述「人跟情境」的訊號，如同這個使用者是誰、在什麼內容情境
• MCP（Model Context Protocol）：讓 AI 代理可以去「接各種系統與工具」。

簡單來說，AdCP 不是某一家公司單獨訂的，而是一個產業聯盟共同制定的開放標準。因此，AdCP 是一套專門為 AI 代理設計的廣告協議，讓買方與賣方代理可以用同一種結構化「媒體語言」來談目標、條件與交易，替未來的 Agentic Advertising 打好共同語言的底。

UCP 則是 LiveRamp 提出的「使用者情境訊號標準」，現在已捐給 IAB Tech Lab 管理，成為「代理式程序化廣告」生態裡專門處理受眾、內容情境、成效訊號的那一層。換言之，UCP 負責的就是，這個受眾是誰（不指名道姓）、現在在什麼情境裡、看到廣告之後做了什麼反應，要用什麼統一格式讓各種 AI 代理彼此交換、一起拿來做判斷。

MCP 已經變成只要談到 AI 代理人就離不開的關鍵協議之一。在程序化廣告中，MCP 的角色，就是標準化代理人如何連到各種外部系統與工具，例如 RMN API、DMP API、廣告成效報表系統與內部資料庫 API，是 AI 代理串連這些系統與工具時，API 那一層通用的「USB 插頭」。

綜合上述的程序化廣告 AI 3P 的定義與用法，如果說 AdCP 和 UCP 是在教 AI 代理人「怎麼說人話、怎麼聽懂廣告語言」，那 MCP 就是教它「怎麼自己去按系統、拉資料、下指令」。沒有 MCP，代理人只會講幹話，有了 MCP，它才有辦法真的去動那些廣告系統和一方數據工具。

ARTF 與容器化：把多代理系統直接安裝進 RTB 核心

程序化廣告基礎建設，本質上還是多個資料中心互相丟封包。SSP 在自己的雲端、DSP 在另一個雲端，防詐、品牌安全、優化模型又各自有一套基礎設施。任意一個廣告曝光，要在這些機房之間繞一圈，難怪 OpenRTB 的往返時間動輒 400～600ms，大家一邊嫌延遲太高，一邊又繼續疊更多「plugin」上去。

ARTF（Agentic RTB Framework）想做的事非常直接，把這條鍊打扁，讓「多代理共置」變成 RTB 的預設架構。簡單理解，就是把防詐代理、品牌安全代理、優化代理，甚至買方的客製演算法，全都以容器（container）的形式，部署在同一個廣告競價拍賣環境裡，通常就是在 SSP、Exchange 或內容平台自有廣告系統的那一層。

• ARTF（Agentic RTB Framework）：簡單理解就是把一堆廠商 AI 功能直接塞進 RTB 競價拍賣流程裡，幫你在幾十毫秒內一起決定「要不要買、要出多少」的一套新規則。

於是，當一個 CTV 或展示型廣告請求廣告，不再是「先送給防詐廠商、再送給 DSP、再回到 SSP」這種接力賽，而是在同一個時間區間內，由多個代理在本地完成協作：

• 防詐代理人先在容器裡過一輪，決定這筆流量值不值得理它
• 品牌安全代理人看內容與情境，有問題就直接丟掉
• 優化代理人依照 AdCP／UCP 提供的內容情境訊號，算這一筆 廣告曝光對廣告活動目標的邊際價值
• 最後再交給 RTB 拍賣邏輯，把「要不要出價、出多少」變成真正的出價。

這裡關鍵不是「又多一個演算法」，而是架構預設就是多代理式共置。ARTF 等於是在 RTB 的核心之一，刻出一塊專門給 AI 代理運作的空間，規定它們怎麼被放進來、怎麼排隊、在多少毫秒內一定要做完決策。以前這些東西都躲在各家供應商的黑盒子裡，現在被拉到一個共同框架裡討論。

AI 生成抽象標準變成具體廣告腳本

講到這裡，你可能會有個疑問：AdCP、UCP、MCP、ARTF 聽起來都很抽象，真的有可能變成日常程序化廣告操作的一部分嗎？

不妨把它想像成「AI 幫你寫的一份媒體腳本」，而且是會自己改劇本的那種。

假設有一家品牌要推一個新系列商品，行銷團隊做的第一件事，不是打開 DSP 介面，而是對著自家 DSP AI 代理人下 brief：

• 本季的生意目標是什麼（營收、毛利、庫存狀況）
• 哪些通路與內容平台是優先合作對象
• 可接受的 CPA／ROAS 範圍、品牌安全的底線在哪裡

這個 brief 接下來會被 AdCP 編碼成一份「標準化需求內容」，發送給多個賣方代理人。內容平台和SSP 端的代理人，會用 UCP 描述自己的受眾與內容情境。因此，不是丟一堆自創受眾（區隔）名稱，而是用統一的 context 語彙來說「我手上有哪些人、在什麼場景可以被觸及」。

MCP 則在背後默默幫 AI 代理人「接線」：（取代傳統 API 串接）

• 去查品牌內部 BI 報表，看過去幾季同類產品在不同媒體上的轉換表現；
• 去打各內容平台的 API 拉出可用廣告庫存預估
• 去讀創意管理系統，確認目前有哪些素材版本可以搭配不同情境。

等到廣告活動上線，ARTF 定義好的容器化環境開始運轉：每一次曝光機會進場，多個代理人就會在同一個時間點啟動所有程序：不同 AI 代理人有人看詐騙風險、有人看內容情境、有人看轉換潛力，所有判斷都建立在 AdCP／UCP 統一的語言和 MCP 串回來的數據上。

於是，那些聽起來超抽象的協議，其實最後都會變成很具體的一句話：「今晚 8 點這一筆 CTV 曝光，值不值得出、要出多少、出給誰？」差別只在於，這套腳本不再是人寫一次、廣告活動跑一個月，而是 AI 代理人在後台每幾百毫秒就重寫一次。

結語：誰掌控 AI 時代廣告交易

2025 的今天，上述許多概念仍是草稿階段或是 POC 過程中，2026 很可能會看到大型 SSP 或部分 CTV 內容平台，在 sales deck 上開始明講自支援 ARTF / 容器化、多代理人共置。少數國際品牌，會在年度廣告提案需求裡丟出「是否支援 AdCP 、 UCP 、ARTF 、MCP」當成一行欄位。

在 AI 代理人進場之後，誰會是廣告交易的真正掌權者？短期內，當然還是那些握有最大流量與最多一方數據的平台。但中長期來看，掌權者會是「現在就開始為自己保留選擇權」的那一群人，願意把 AdCP、UCP、MCP、ARTF 當成產品與技術決策的一部分，而不是當成趨勢口號的人。

從媒體及賣方的觀點來思考，二十年前，全球眼睜睜看著搜尋和社群把廣告預算吸進兩大圍牆花園。這一次，在 Agentic、AdCP、UCP、MCP、ARTF 這些字還只是在簡報裡出現的時候，至少可以先把問題問清楚：當廣告交易真的變成 AI 代理人之間的戰爭，媒體要站在桌子旁邊談條件，還是只把自己的受眾與庫存，放到桌子上讓別人的 AI 代理人來決定廣告價格？（by Brick）