Google Analytics MCP 서버

“Google Analytics” MCP 서버는 무엇을 하나요?

Google Analytics MCP 서버는 Model Context Protocol(MCP)을 통해 Google Analytics 4(GA4) 데이터를 Claude, Cursor, Windsurf와 같은 AI 어시스턴트 및 개발 도구와 매끄럽게 통합합니다. MCP 클라이언트와 GA4 API 사이의 브릿지 역할을 하여, 사용자가 자연어로 웹사이트 트래픽, 사용자 행동, 분석 데이터를 쿼리할 수 있도록 하며 200개 이상의 지표와 차원에 접근할 수 있습니다. 이를 통해 AI 에이전트는 보고서 자동화, 심층 데이터 분석, 실행 가능한 인사이트 제공을 개발 워크플로우 또는 AI 기반 도구 내에서 직접 수행할 수 있으며, 대시보드를 직접 탐색하지 않고도 데이터 기반 의사결정을 간소화할 수 있습니다.

프롬프트 목록

저장소에 명시된 프롬프트 템플릿은 없습니다.

리소스 목록

저장소에 명시적으로 나열된 리소스가 없습니다.

도구 목록

• 서버에서 제공하는 도구(예: ga4_mcp_server.py)에 관한 정보는 사용 가능한 파일에 자세히 나와 있지 않습니다.

이 MCP 서버의 사용 사례

• 자연어 기반 분석 쿼리: 개발자와 분석가는 트래픽, 사용자 행동, 전환 지표 등에 대해 영어로 질문하고, 관련 GA4 데이터나 요약을 받을 수 있습니다.
• 자동 보고서 생성: MCP 서버를 통해 정기 또는 임시 분석 보고서를 자동 생성하여, GA4 대시보드에서 수동으로 보고서를 작성하는 부담을 줄일 수 있습니다.
• 워크플로우 통합: Cursor, Windsurf와 같은 개발자 도구 내에서 GA4 데이터에 바로 접근하여 코드 리뷰나 기능 롤아웃 중 맥락 기반 분석이 가능합니다.
• AI 기반 인사이트: AI 에이전트가 분석 데이터에서 트렌드, 이상치, 추천사항을 자동으로 도출하여 신속한 의사결정을 지원합니다.
• 교차 소스 데이터 분석: Google Analytics 데이터를 다른 소스(예: Search Console)와 결합하여 보다 풍부하고 다차원적인 인사이트를 얻을 수 있습니다(MCP 서버를 함께 사용할 경우).

설치 방법

Windsurf

1. Python 3.10 이상이 설치되어 있는지 확인하세요.
2. 저장소를 클론하거나 PyPI를 통해 설치하세요(가능한 경우).
3. Google Analytics MCP 서버를 mcpServers 구성에 추가하세요:

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

4. 구성 파일을 저장하고 Windsurf를 재시작하세요.
5. Windsurf UI에서 MCP 서버가 표시되고 접근 가능한지 확인하세요.

Claude

1. Python 3.10 이상이 설치되어 있는지 확인하세요.
2. 제공된 claude-config-template.json 파일을 시작점으로 사용하세요.
3. Claude 구성에서 mcpServers 필드를 추가하거나 업데이트하세요:

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

4. 구성 파일을 저장하고 Claude를 재시작하세요.
5. Claude의 통합 패널에서 MCP 서버 연결을 확인하세요.

Cursor

1. Python 3.10+을 설치하고 MCP 서버를 클론 또는 설치하세요.
2. Cursor의 구성 파일을 찾으세요.
3. MCP 서버 항목을 추가하세요:

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

4. 저장하고 Cursor를 재시작하세요.
5. Cursor의 사용 가능한 MCP 서버 목록에 서버가 표시되는지 확인하세요.

Cline

1. Python 3.10+이 설치되어 있는지 확인하세요.
2. MCP 서버를 다운로드 또는 설치하세요.
3. Cline의 구성 파일을 다음과 같이 수정하세요:

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

4. 저장 후 Cline을 재시작하고 MCP 서버 연결을 확인하세요.

API 키 보안(환경 변수 사용):

Google Analytics API 키나 서비스 계정 파일과 같은 민감한 인증 정보를 제공하려면 환경 변수를 사용하여 보안을 강화하세요. 예시 구성:

{
  "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"
      }
    }
  }
}

플로우 내에서 MCP 사용법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트에 연결하세요:

MCP 컴포넌트를 클릭해 구성 패널을 엽니다. 시스템 MCP 구성 섹션에 다음과 같은 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

설정이 완료되면 AI 에이전트가 이 MCP를 도구로 활용하여 모든 기능과 역량에 접근할 수 있습니다. “google-analytics-mcp"를 실제 MCP 서버 이름으로, URL도 본인 MCP 서버 URL로 변경하세요.

개요

문서와 코드를 종합해 볼 때, Google Analytics MCP는 개요와 설치 가이드는 명확하게 제공하지만 프롬프트, 리소스, 도구에 대한 상세 문서는 부족합니다. 보안을 위해 환경 변수 구성을 지원하며, 루트 및 샘플링 관련 언급은 없습니다.

우리의 의견

위 표를 근거로, 이 MCP 서버는 개요와 설치 측면에서 우수하지만, 프롬프트, 도구, 리소스에 대한 상세 문서가 부족합니다. GA4 및 MCP 개념에 이미 익숙하고, 광범위한 프롬프트/워크플로우 템플릿이 필요 없는 사용자에게 가장 적합합니다.

MCP 점수