Servidor MCP de Google Analytics

¿Qué hace el Servidor MCP de “Google Analytics”?

El Servidor MCP de Google Analytics permite la integración fluida de datos de Google Analytics 4 (GA4) con asistentes de IA y herramientas de desarrollo como Claude, Cursor y Windsurf usando el Model Context Protocol (MCP). Al actuar como un puente entre los clientes MCP y la API de GA4, permite a los usuarios consultar tráfico web, comportamiento de usuarios y datos analíticos en lenguaje natural, desbloqueando el acceso a más de 200 dimensiones y métricas. Esto capacita a los agentes de IA para automatizar informes, realizar análisis de datos en profundidad y proporcionar insights accionables directamente en flujos de trabajo de desarrollo o herramientas potenciadas por IA, agilizando el proceso de tomar decisiones basadas en datos sin necesidad de navegar manualmente por paneles.

Lista de Prompts

No se mencionan plantillas de prompt específicas en el repositorio.

Lista de Recursos

No se listan recursos explícitos en el repositorio.

Lista de Herramientas

• La información sobre las herramientas proporcionadas en el servidor (como desde ga4_mcp_server.py) no está detallada en los archivos disponibles.

Casos de uso de este Servidor MCP

• Consultas Analíticas en Lenguaje Natural: Desarrolladores y analistas pueden hacer preguntas sobre tráfico, comportamiento de usuarios o métricas de conversión en inglés sencillo, y recibir datos GA4 relevantes o resúmenes.
• Informes Automatizados: Utiliza el servidor MCP para generar informes analíticos regulares o ad hoc, reduciendo el trabajo manual de crear informes en el panel de GA4.
• Integración en Flujos de Trabajo: Integra el acceso a los datos de GA4 directamente en herramientas de desarrollo como Cursor o Windsurf, permitiendo analítica en contexto durante revisiones de código o lanzamientos de funcionalidades.
• Insights Impulsados por IA: Permite que los agentes de IA resalten tendencias, anomalías o recomendaciones automáticamente a partir de los datos analíticos, apoyando una toma de decisiones más rápida.
• Análisis de Datos entre Fuentes: Combina datos de Google Analytics con otras fuentes (como Search Console) para obtener insights más ricos y multidimensionales (si se usa junto a otros servidores MCP).

Cómo configurarlo

Windsurf

1. Asegúrate de tener Python 3.10+ instalado.
2. Clona el repositorio o instala vía PyPI si está disponible.
3. Añade el servidor MCP de Google Analytics a tu configuración mcpServers:

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

4. Guarda la configuración y reinicia Windsurf.
5. Verifica que el servidor MCP está listado y accesible en la interfaz de Windsurf.

Claude

1. Asegúrate de tener Python 3.10+ instalado.
2. Utiliza el claude-config-template.json proporcionado como punto de partida.
3. Añade o actualiza el campo mcpServers en tu configuración de Claude:

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

4. Guarda la configuración y reinicia Claude.
5. Confirma la conexión del servidor MCP en el panel de integraciones de Claude.

Cursor

1. Instala Python 3.10+ y clona o instala el servidor MCP.
2. Localiza el archivo de configuración de Cursor.
3. Añade la entrada del servidor MCP:

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

4. Guarda y reinicia Cursor.
5. Asegúrate de que el servidor aparece entre los MCP disponibles de Cursor.

Cline

1. Asegúrate de que Python 3.10+ está presente.
2. Descarga o instala el servidor MCP.
3. Modifica la configuración de Cline para incluir:

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

4. Guarda, reinicia Cline y verifica la conectividad del servidor MCP.

Protegiendo claves API (usando variables de entorno):

Para proporcionar credenciales sensibles (como claves API de Google Analytics o archivos de cuenta de servicio), utiliza variables de entorno para mayor seguridad. Ejemplo de configuración:

{
  "mcpServers": {
    "google-analytics-mcp": {
      "command": "python3",
      "args": ["-m", "google_analytics_mcp"],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/ruta/a/tus/credenciales.json"
      },
      "inputs": {
        "property_id": "TU_GA4_PROPERTY_ID"
      }
    }
  }
}

Cómo usar este MCP dentro de los flujos

Uso de MCP en FlowHunt

Para integrar servidores MCP en tu flujo de trabajo de FlowHunt, comienza añadiendo el componente MCP a tu flujo y conectándolo a tu agente de IA:

Haz clic en el componente MCP para abrir el panel de configuración. En la sección de configuración MCP del sistema, inserta los detalles de tu servidor MCP usando este formato JSON:

{
  "google-analytics-mcp": {
    "transport": "streamable_http",
    "url": "https://tuservidormcp.ejemplo/rutamcp/url"
  }
}

Una vez configurado, el agente de IA podrá usar este MCP como herramienta con acceso a todas sus funciones y capacidades. Recuerda cambiar “google-analytics-mcp” por el nombre real de tu servidor MCP y reemplazar la URL por la de tu propio servidor MCP.

Resumen

Entre la documentación y el código, Google Analytics MCP proporciona un resumen claro e instrucciones de configuración, pero carece de documentación detallada sobre prompts, recursos y herramientas. Para seguridad, soporta configuración mediante variables de entorno. Roots y sampling no son referenciados.

Nuestra opinión

Según las tablas anteriores, este servidor MCP puntúa bien en resumen y configuración, pero carece de detalles sobre prompts, herramientas y recursos. Es más adecuado para usuarios ya familiarizados con conceptos de GA4 y MCP que no necesitan plantillas extensas de prompts/flujos de trabajo.

Puntuación MCP