Google アナリティクス MCP サーバー

「Google アナリティクス」MCP サーバーは何をするか

Google アナリティクス MCP サーバーは、Google アナリティクス 4 (GA4) のデータを Model Context Protocol (MCP) を使って Claude、Cursor、Windsurf などの AI アシスタントや開発者ツールとシームレスに統合します。MCP クライアントと GA4 API の橋渡しとして機能し、ウェブサイトトラフィックやユーザー行動、アナリティクスデータを自然言語でクエリでき、200 以上のディメンションや指標へのアクセスを解放します。これにより、AI エージェントが自動レポーティングや高度なデータ分析、実用的なインサイトの提供を開発フローや AI ツール内で直接行えるようになり、ダッシュボード操作なしでデータ駆動の意思決定プロセスを効率化します。

プロンプト一覧

リポジトリには特定のプロンプトテンプレートは記載されていません。

リソース一覧

リポジトリに明示的なリソースの記載はありません。

ツール一覧

• サーバーで提供されるツール（例: ga4_mcp_server.py など）に関する詳細はファイル内に記載されていません。

この MCP サーバーのユースケース

• 自然言語によるアナリティクスクエリ: 開発者やアナリストが、トラフィックやユーザー行動、コンバージョン指標などを英語で質問し、GA4 データやサマリーを受け取ることができます。
• 自動レポーティング: MCP サーバーを使って定期的またはアドホックなアナリティクスレポートを自動生成し、GA4 ダッシュボードでの手動作成の手間を削減します。
• ワークフロー統合: Cursor や Windsurf などの開発者ツール内で直接 GA4 データにアクセスでき、コードレビューや機能リリース時の文脈でアナリティクスを活用できます。
• AI 主導のインサイト: AI エージェントがアナリティクスデータからトレンドや異常、推奨事項を自動抽出し、迅速な意思決定をサポートします。
• クロスソースデータ分析: Google アナリティクスデータを他のソース（例：Search Console）と組み合わせて多次元的なインサイトを得ることができます（他の MCP サーバーとの併用時）。

セットアップ方法

Windsurf

1. Python 3.10 以上がインストールされていることを確認します。
2. リポジトリをクローンするか、PyPI からインストールします（可能な場合）。
3. mcpServers 設定に Google アナリティクス MCP サーバーを追加します:

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

4. 設定を保存して Windsurf を再起動します。
5. Windsurf の UI で MCP サーバーがリストに表示されアクセスできることを確認します。

Claude

1. Python 3.10 以上がインストールされていることを確認します。
2. 用意された claude-config-template.json をスタートポイントとして使用します。
3. Claude 設定の mcpServers フィールドを追加または更新します:

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

4. 設定を保存して Claude を再起動します。
5. Claude の連携パネルで MCP サーバー接続を確認します。

Cursor

1. Python 3.10 以上をインストールし、MCP サーバーをクローンまたはインストールします。
2. Cursor の設定ファイルを探します。
3. MCP サーバーエントリを追加します:

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

4. 保存して Cursor を再起動します。
5. Cursor の MCP サーバー一覧にサーバーが表示されていることを確認します。

Cline

1. Python 3.10 以上があることを確認します。
2. MCP サーバーをダウンロードまたはインストールします。
3. Cline の設定に以下を追加します:

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

4. 保存して Cline を再起動し、MCP サーバーの接続を確認します。

API キーのセキュリティ管理（環境変数を利用）:

Google アナリティクス API キーやサービスアカウントファイルなどの機密情報は、環境変数を使って安全に設定してください。設定例:

{
  "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"
      }
    }
  }
}

フロー内での MCP の使い方

FlowHunt での MCP 利用

MCP サーバーを FlowHunt ワークフローに統合するには、まず MCP コンポーネントをフローに追加し、AI エージェントに接続します。

MCP コンポーネントをクリックして設定パネルを開き、システム MCP 設定セクションで以下の JSON 形式で MCP サーバー情報を入力します:

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

設定が完了すると、AI エージェントはこの MCP の全機能・能力にツールとしてアクセスできるようになります。“google-analytics-mcp” の部分は実際の MCP サーバー名に、URL もご自身の MCP サーバー URL に変更してください。

概要

ドキュメントとコードを通じて、Google アナリティクス MCP は全体像やセットアップ方法は明確に記載されていますが、プロンプト・リソース・ツールの詳細なドキュメントはありません。セキュリティ面では環境変数設定が可能です。roots・サンプリングについては言及されていません。

当社の見解

上記表に基づき、この MCP サーバーは概要とセットアップで高評価ですが、プロンプト・ツール・リソースの詳細が不足しています。GA4 や MCP の概念に慣れていて、詳細なプロンプトやワークフローテンプレートを必要としないユーザーに最適です。

MCP スコア