Google Analytics MCP Server

K čemu slouží “Google Analytics” MCP Server?

Google Analytics MCP Server umožňuje bezproblémovou integraci dat Google Analytics 4 (GA4) s AI asistenty a vývojářskými nástroji jako Claude, Cursor a Windsurf pomocí Model Context Protocolu (MCP). Funguje jako most mezi MCP klienty a GA4 API a umožňuje uživatelům dotazovat se na návštěvnost webu, chování uživatelů a analytická data v přirozeném jazyce – zpřístupňuje tak více než 200 dimenzí a metrik. Tímto umožňuje AI agentům automatizovat reportování, provádět hloubkové analýzy dat a poskytovat akční poznatky přímo ve vývojářských workflow nebo AI nástrojích, čímž zjednodušuje rozhodování na základě dat bez nutnosti ručně procházet dashboardy.

Přehled promptů

V repozitáři nejsou uvedeny žádné konkrétní šablony promptů.

Připraveni rozšířit své podnikání?

Začněte svou bezplatnou zkušební verzi ještě dnes a viďte výsledky během několika dní.

Požádat o demo Přihlásit se

Přehled zdrojů

V repozitáři nejsou explicitně uvedeny žádné zdroje.

Přehled nástrojů

• Informace o nástrojích dostupných na serveru (např. z ga4_mcp_server.py) nejsou v dostupných souborech detailně popsány.

Přihlaste se k odběru newsletteru

Získejte nejnovější tipy, trendy a nabídky zdarma.

E-mailová adresa

Přihlásit se

Příklady využití tohoto MCP serveru

• Dotazy na analytiku v přirozeném jazyce: Vývojáři a analytici se mohou ptát na návštěvnost, uživatelské chování či konverzní metriky běžnou angličtinou a získat relevantní GA4 data či souhrny.
• Automatizované reportování: Použijte MCP server k tvorbě pravidelných nebo ad-hoc analytických reportů a snižte ruční zátěž při vytváření reportů v GA4 dashboardu.
• Integrace do workflow: Propojte přístup k GA4 datům přímo ve vývojářských nástrojích jako Cursor nebo Windsurf a umožněte analytiku přímo při code review či nasazování funkcí.
• AI poháněné poznatky: Umožněte AI agentům automaticky vyhledávat trendy, anomálie nebo doporučení z analytických dat a podpořte rychlejší rozhodování.
• Analýza dat z více zdrojů: Kombinujte data z Google Analytics s dalšími zdroji (například Search Console) pro bohatší, vícerozměrné poznatky (při použití s dalšími MCP servery).

Jak jej nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Python 3.10+.
2. Naklonujte repozitář nebo pokud je k dispozici, instalujte přes PyPI.
3. Přidejte Google Analytics MCP server do vašeho nastavení mcpServers:

   {
     "mcpServers": {
       "google-analytics-mcp": {
         "command": "python3",
         "args": ["-m", "google_analytics_mcp"]
       }
     }
   }
   

4. Uložte konfiguraci a restartujte Windsurf.
5. Ověřte, že je MCP server zobrazen a dostupný v UI Windsurf.

Claude

1. Ujistěte se, že máte nainstalovaný Python 3.10+.
2. Použijte připravený claude-config-template.json jako výchozí bod.
3. Přidejte nebo aktualizujte pole mcpServers ve své konfiguraci Claude:

   {
     "mcpServers": {
       "google-analytics-mcp": {
         "command": "python3",
         "args": ["-m", "google_analytics_mcp"]
       }
     }
   }
   

4. Uložte konfiguraci a restartujte Claude.
5. Potvrďte připojení MCP serveru v panelu integrací Claude.

Cursor

1. Nainstalujte Python 3.10+ a naklonujte či nainstalujte MCP server.
2. Vyhledejte konfigurační soubor Cursor.
3. Přidejte záznam MCP serveru:

   {
     "mcpServers": {
       "google-analytics-mcp": {
         "command": "python3",
         "args": ["-m", "google_analytics_mcp"]
       }
     }
   }
   

4. Uložte a restartujte Cursor.
5. Ověřte, že se server objeví mezi dostupnými MCP servery v Cursor.

Cline

1. Ujistěte se, že je přítomen Python 3.10+.
2. Stáhněte nebo nainstalujte MCP server.
3. Upravte konfiguraci Cline takto:

   {
     "mcpServers": {
       "google-analytics-mcp": {
         "command": "python3",
         "args": ["-m", "google_analytics_mcp"]
       }
     }
   }
   

4. Uložte, restartujte Cline a zkontrolujte připojení MCP serveru.

Zabezpečení API klíčů (pomocí proměnných prostředí):

Citlivé údaje (například klíče API Google Analytics nebo soubory služebního účtu) poskytujte pomocí proměnných prostředí kvůli bezpečnosti. Příklad konfigurace:

{
  "mcpServers": {
    "google-analytics-mcp": {
      "command": "python3",
      "args": ["-m", "google_analytics_mcp"],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/cesta/k/vašemu/credentials.json"
      },
      "inputs": {
        "property_id": "YOUR_GA4_PROPERTY_ID"
      }
    }
  }
}

Jak tento MCP používat uvnitř flow

Používání MCP ve FlowHunt

Pro integraci MCP serverů do workflow ve FlowHunt začněte přidáním MCP komponenty do vašeho flow a připojte ji k AI agentovi:

Klikněte na MCP komponentu pro otevření panelu nastavení. V sekci systémové konfigurace MCP vložte údaje o vašem MCP serveru v tomto formátu JSON:

{
  "google-analytics-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfiguraci má AI agent možnost využívat tento MCP jako nástroj se všemi jeho funkcemi. Nezapomeňte změnit “google-analytics-mcp” na skutečné jméno vašeho MCP serveru a upravit URL na vaši adresu MCP serveru.

Přehled

V dokumentaci i kódu poskytuje Google Analytics MCP přehledné informace a instrukce k nastavení, ale chybí detailní popis promptů, zdrojů a nástrojů. Pro bezpečnost podporuje konfiguraci pomocí proměnných prostředí. Roots a sampling nejsou zmíněny.

Náš názor

Na základě výše uvedených tabulek tento MCP server skóruje dobře v přehledu a nastavení, avšak chybí mu detaily ohledně promptů, nástrojů a zdrojů. Nejvhodnější je pro uživatele, kteří již mají zkušenosti s GA4 a MCP a nepotřebují rozsáhlé šablony promptů či workflow.

MCP skóre