Google Analytics MCP Server

Was macht der “Google Analytics” MCP Server?

Der Google Analytics MCP Server ermöglicht die nahtlose Integration von Google Analytics 4 (GA4)-Daten mit KI-Assistenten und Entwicklungstools wie Claude, Cursor und Windsurf mithilfe des Model Context Protocol (MCP). Als Brücke zwischen MCP-Clients und der GA4-API erlaubt er Benutzern, Website-Traffic, Nutzerverhalten und Analysedaten in natürlicher Sprache abzufragen – mit Zugriff auf über 200 Dimensionen und Metriken. Dadurch können KI-Agenten Berichte automatisieren, tiefgehende Datenanalysen durchführen und direkt im Entwickler-Workflow oder in KI-basierten Tools umsetzbare Erkenntnisse bereitstellen. So wird der Prozess datenbasierter Entscheidungen deutlich vereinfacht, ohne dass manuelle Dashboards durchforstet werden müssen.

Liste der Prompts

Im Repository sind keine spezifischen Prompt-Templates aufgeführt.

Bereit, Ihr Geschäft zu erweitern?

Starten Sie heute Ihre kostenlose Testversion und sehen Sie innerhalb weniger Tage Ergebnisse.

Demo anfragen Anmelden

Liste der Ressourcen

Im Repository sind keine expliziten Ressourcen gelistet.

Liste der Tools

• Informationen zu den im Server bereitgestellten Tools (z. B. aus ga4_mcp_server.py) sind in den verfügbaren Dateien nicht detailliert beschrieben.

Abonnieren Sie unseren Newsletter

Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.

E-Mail-Adresse

Abonnieren

Anwendungsfälle dieses MCP Servers

• Analysen in natürlicher Sprache: Entwickler und Analysten können Fragen zu Traffic, Nutzerverhalten oder Konversionsmetriken auf Deutsch stellen und erhalten relevante GA4-Daten oder Zusammenfassungen.
• Automatisierte Berichte: Nutzen Sie den MCP Server, um regelmäßige oder Ad-hoc-Analyseberichte zu generieren – und reduzieren Sie so den Aufwand für manuelle Berichte im GA4-Dashboard.
• Workflow-Integration: Integrieren Sie den Zugriff auf GA4-Daten direkt in Entwickler-Tools wie Cursor oder Windsurf und erhalten Sie kontextbezogene Analysen während Code-Reviews oder Feature-Rollouts.
• KI-gesteuerte Erkenntnisse: Lassen Sie KI-Agenten Trends, Anomalien oder Empfehlungen automatisch aus den Analysedaten ableiten und beschleunigen Sie so Entscheidungsprozesse.
• Datenanalyse über mehrere Quellen: Kombinieren Sie Google Analytics-Daten mit anderen Quellen (wie der Search Console) für umfassendere, multidimensionale Erkenntnisse (bei paralleler Nutzung anderer MCP-Server).

Einrichtung

Windsurf

1. Stellen Sie sicher, dass Python 3.10+ installiert ist.
2. Klonen Sie das Repository oder installieren Sie es, falls verfügbar, über PyPI.
3. Fügen Sie den Google Analytics MCP Server Ihrer mcpServers-Konfiguration hinzu:

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

4. Speichern Sie die Konfiguration und starten Sie Windsurf neu.
5. Überprüfen Sie, ob der MCP Server in der Windsurf-Oberfläche gelistet und erreichbar ist.

Claude

1. Stellen Sie sicher, dass Python 3.10+ installiert ist.
2. Verwenden Sie die bereitgestellte claude-config-template.json als Ausgangspunkt.
3. Fügen Sie das Feld mcpServers zu Ihrer Claude-Konfiguration hinzu oder aktualisieren Sie es:

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

4. Speichern Sie die Konfiguration und starten Sie Claude neu.
5. Bestätigen Sie die MCP Server-Verbindung im Integrationspanel von Claude.

Cursor

1. Installieren Sie Python 3.10+ und klonen oder installieren Sie den MCP Server.
2. Lokalisieren Sie die Konfigurationsdatei von Cursor.
3. Fügen Sie den MCP Server-Eintrag hinzu:

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

4. Speichern und starten Sie Cursor neu.
5. Stellen Sie sicher, dass der Server unter den verfügbaren MCP Servern von Cursor angezeigt wird.

Cline

1. Stellen Sie sicher, dass Python 3.10+ vorhanden ist.
2. Laden Sie den MCP Server herunter oder installieren Sie ihn.
3. Passen Sie die Konfiguration von Cline wie folgt an:

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

4. Speichern, starten Sie Cline neu und überprüfen Sie die MCP Server-Verbindung.

API-Schlüssel absichern (mittels Umgebungsvariablen):

Um sensible Zugangsdaten (wie Google Analytics API-Schlüssel oder Service Account-Dateien) bereitzustellen, verwenden Sie aus Sicherheitsgründen Umgebungsvariablen. Beispielsweise:

{
  "mcpServers": {
    "google-analytics-mcp": {
      "command": "python3",
      "args": ["-m", "google_analytics_mcp"],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/pfad/zu/ihren/credentials.json"
      },
      "inputs": {
        "property_id": "IHRE_GA4_PROPERTY_ID"
      }
    }
  }
}

Verwendung dieses MCP-Servers in Flows

Nutzung von MCP in FlowHunt

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Tragen Sie im System-MCP-Konfigurationsbereich Ihre MCP Server-Details in folgendem JSON-Format ein:

{
  "google-analytics-mcp": {
    "transport": "streamable_http",
    "url": "https://ihrmcpserver.beispiel/pfadzummcp/url"
  }
}

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool nutzen und hat Zugriff auf alle Funktionen und Möglichkeiten. Denken Sie daran, “google-analytics-mcp” entsprechend dem tatsächlichen Namen Ihres MCP Servers zu ersetzen und die URL auf Ihre eigene MCP Server-URL anzupassen.

Übersicht

Zwischen Dokumentation und Code bietet Google Analytics MCP einen klaren Überblick und eine verständliche Einrichtung, jedoch fehlen ausführliche Dokumentationen zu Prompts, Ressourcen und Tools. Für die Sicherheit wird die Konfiguration über Umgebungsvariablen unterstützt. Roots und Sampling werden nicht erwähnt.

Unsere Meinung

Basierend auf den obigen Tabellen punktet dieser MCP Server bei Übersicht und Einrichtung, es fehlen jedoch Details zu Prompts, Tools und Ressourcen. Er eignet sich am besten für Nutzer, die mit GA4 und MCP vertraut sind und keine umfangreichen Prompt-/Workflow-Vorlagen benötigen.

MCP Score