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.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

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.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

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