Google Analytics MCP-server

Hvad gør “Google Analytics” MCP-serveren?

Google Analytics MCP-serveren muliggør problemfri integration af Google Analytics 4 (GA4)-data med AI-assistenter og udviklingsværktøjer som Claude, Cursor og Windsurf via Model Context Protocol (MCP). Ved at fungere som bro mellem MCP-klienter og GA4 API’en gør den det muligt for brugere at forespørge på webstedstrafik, brugeradfærd og analysedata i naturligt sprog, og åbner op for adgang til mere end 200 dimensioner og metrics. Dette giver AI-agenter mulighed for at automatisere rapportering, foretage dybdegående dataanalyse og levere anvendelige indsigter direkte i udviklerarbejdsgange eller AI-drevne værktøjer, hvilket forenkler processen med at træffe databaserede beslutninger uden manuel navigation i dashboards.

Liste over prompts

Ingen specifikke prompt-skabeloner er nævnt i repository’et.

Klar til at vokse din virksomhed?

Start din gratis prøveperiode i dag og se resultater inden for få dage.

Anmod om demo Log ind

Liste over ressourcer

Ingen udtrykkelige ressourcer er angivet i repository’et.

Liste over værktøjer

• Oplysninger om værktøjerne på serveren (såsom fra ga4_mcp_server.py) er ikke detaljeret i de tilgængelige filer.

Tilmeld dig vores nyhedsbrev

Få de seneste tips, trends og tilbud gratis.

E-mailadresse

Tilmeld

Anvendelsestilfælde for denne MCP-server

• Analyseforespørgsler i naturligt sprog: Udviklere og analytikere kan stille spørgsmål om trafik, brugeradfærd eller konverteringsmetrics på almindeligt engelsk og modtage relevante GA4-data eller resuméer.
• Automatiseret rapportering: Brug MCP-serveren til at generere regelmæssige eller ad hoc-analyserapporter og reducér behovet for manuel rapportoprettelse i GA4-dashboardet.
• Arbejdsgangsintegration: Integrer adgang til GA4-data direkte i udviklerværktøjer som Cursor eller Windsurf, så du kan få analyser i kontekst under kodegennemgang eller udrulning af nye funktioner.
• AI-drevne indsigter: Giv AI-agenter mulighed for automatisk at fremhæve trends, afvigelser eller anbefalinger fra analysedata og understøt hurtigere beslutningstagning.
• Dataanalyse på tværs af kilder: Kombinér Google Analytics-data med andre kilder (fx Search Console) for mere omfattende, multidimensionelle indsigter (hvis du bruger sammen med andre MCP-servere).

Sådan sætter du det op

Windsurf

1. Sørg for, at Python 3.10+ er installeret.
2. Klon repository’et eller installer via PyPI, hvis tilgængeligt.
3. Tilføj Google Analytics MCP-serveren til din mcpServers-konfiguration:

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

4. Gem konfigurationen og genstart Windsurf.
5. Verificér, at MCP-serveren er opført og tilgængelig i Windsurf’s brugerflade.

Claude

1. Sørg for, at Python 3.10+ er installeret.
2. Brug den medfølgende claude-config-template.json som udgangspunkt.
3. Tilføj eller opdater feltet mcpServers i din Claude-konfiguration:

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

4. Gem konfigurationen og genstart Claude.
5. Bekræft MCP-serverforbindelsen i Claude’s integrationspanel.

Cursor

1. Installer Python 3.10+ og klon eller installer MCP-serveren.
2. Find Cursors konfigurationsfil.
3. Tilføj MCP-serveren:

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

4. Gem og genstart Cursor.
5. Sikr dig, at serveren vises under Cursors tilgængelige MCP-servere.

Cline

1. Sørg for, at Python 3.10+ er til stede.
2. Download eller installer MCP-serveren.
3. Tilføj denne opsætning til Clines konfiguration:

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

4. Gem, genstart Cline, og tjek MCP-serverforbindelsen.

Sikring af API-nøgler (med miljøvariabler):

For at give følsomme legitimationsoplysninger (såsom Google Analytics API-nøgler eller servicekontofiler) skal du bruge miljøvariabler for sikkerhed. Eksempel på konfiguration:

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

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i din FlowHunt-arbejdsgang skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. Indsæt dine MCP-serverdetaljer i system-MCP-konfigurationssektionen med dette JSON-format:

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

Når det er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “google-analytics-mcp” til det faktiske navn på din MCP-server og udskift URL’en med din egen MCP-server-URL.

Oversigt

Mellem dokumentationen og koden giver Google Analytics MCP et klart overblik og opsætningsvejledning, men mangler detaljeret dokumentation om prompts, ressourcer og værktøjer. Af hensyn til sikkerhed understøttes konfiguration via miljøvariabler. Roots og sampling nævnes ikke.

Vores mening

Baseret på ovenstående tabeller scorer denne MCP-server højt for overblik og opsætning, men mangler detaljer om prompts, værktøjer og ressourcer. Den egner sig bedst til brugere, der allerede er bekendt med GA4- og MCP-begreber, og som ikke har brug for omfattende prompt-/arbejdsgangsskabeloner.

MCP-score