Wat doet de “Google Analytics” MCP Server?

De Google Analytics MCP Server maakt naadloze integratie mogelijk van Google Analytics 4 (GA4) data met AI-assistenten en ontwikkeltools zoals Claude, Cursor en Windsurf via het Model Context Protocol (MCP). Door op te treden als brug tussen MCP-clients en de GA4 API kunnen gebruikers websiteverkeer, gebruikersgedrag en analytics-data in natuurlijke taal opvragen, met toegang tot meer dan 200 dimensies en statistieken. Dit stelt AI-agents in staat rapportages te automatiseren, diepgaande data-analyse uit te voeren en bruikbare inzichten rechtstreeks binnen ontwikkelaarsworkflows of AI-tools te geven, zodat beslissingen op basis van data sneller genomen kunnen worden zonder handmatig dashboards te doorzoeken.

Lijst met Prompts

Er worden geen specifieke prompt-templates vermeld in de repository.

Lijst met Resources

Er worden geen expliciete bronnen vermeld in de repository.

Lijst met Tools

• Informatie over de tools die op de server worden geleverd (zoals uit ga4_mcp_server.py) is niet gedetailleerd in de beschikbare bestanden.

Toepassingen van deze MCP Server

• Natuurlijke taal analytics-queries: Ontwikkelaars en analisten kunnen vragen stellen over verkeer, gebruikersgedrag of conversiemetingen in gewoon Nederlands en relevante GA4-data of samenvattingen ontvangen.
• Geautomatiseerde rapportage: Gebruik de MCP-server om reguliere of ad-hoc analytics-rapportages te genereren, waardoor handmatige rapportage in het GA4-dashboard overbodig wordt.
• Workflow-integratie: Integreer GA4-data direct in ontwikkelaarstools zoals Cursor of Windsurf, zodat je tijdens code-reviews of feature rollouts direct analytics in de context hebt.
• AI-gedreven inzichten: Laat AI-agents automatisch trends, afwijkingen of aanbevelingen uit analytics-data naar voren halen, zodat je sneller beslissingen neemt.
• Kruisbron data-analyse: Combineer Google Analytics-data met andere bronnen (zoals Search Console) voor rijkere, multidimensionale inzichten (bij gebruik samen met andere MCP-servers).

Hoe stel je het in

Windsurf

1. Zorg dat Python 3.10+ geïnstalleerd is.
2. Clone de repository of installeer via PyPI indien beschikbaar.
3. Voeg de Google Analytics MCP-server toe aan je mcpServers configuratie:

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

4. Sla de configuratie op en herstart Windsurf.
5. Controleer of de MCP-server zichtbaar en toegankelijk is in de UI van Windsurf.

Claude

1. Zorg dat Python 3.10+ geïnstalleerd is.
2. Gebruik de meegeleverde claude-config-template.json als uitgangspunt.
3. Voeg het veld mcpServers toe of werk het bij in je Claude-configuratie:

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

4. Sla de configuratie op en herstart Claude.
5. Bevestig de connectie van de MCP-server in het integratiepaneel van Claude.

Cursor

1. Installeer Python 3.10+ en clone of installeer de MCP-server.
2. Zoek het configuratiebestand van Cursor op.
3. Voeg de MCP-server toe:

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

4. Sla op en herstart Cursor.
5. Controleer of de server zichtbaar is onder de beschikbare MCP-servers van Cursor.

Cline

1. Zorg dat Python 3.10+ aanwezig is.
2. Download of installeer de MCP-server.
3. Pas de configuratie van Cline aan zodat deze bevat:

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

4. Sla op, herstart Cline en controleer de connectiviteit met de MCP-server.

API-sleutels beveiligen (via omgevingsvariabelen):

Om gevoelige credentials (zoals Google Analytics API-sleutels of serviceaccountbestanden) te verstrekken, gebruik je omgevingsvariabelen voor de veiligheid. Voorbeeldconfiguratie:

{
  "mcpServers": {
    "google-analytics-mcp": {
      "command": "python3",
      "args": ["-m", "google_analytics_mcp"],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/pad/naar/je/credentials.json"
      },
      "inputs": {
        "property_id": "JOUW_GA4_PROPERTY_ID"
      }
    }
  }
}

Hoe gebruik je deze MCP in flows

Gebruik MCP in FlowHunt

Om MCP-servers te integreren in je FlowHunt-workflow, voeg je het MCP-component toe aan je flow en verbind je deze met je AI-agent:

Klik op het MCP-component om het configuratiepaneel te openen. In de systeem MCP-configuratie voeg je je MCP-servergegevens toe in dit JSON-formaat:

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

Na configuratie kan de AI-agent deze MCP als tool gebruiken met toegang tot alle functies en mogelijkheden. Vergeet niet “google-analytics-mcp” te vervangen door de daadwerkelijke naam van je MCP-server en de URL door jouw eigen MCP-server-URL.

Overzicht

Tussen de documentatie en de code biedt Google Analytics MCP een duidelijk overzicht en installatie-instructies, maar ontbreekt het aan gedetailleerde documentatie over prompts, resources en tools. Voor beveiliging ondersteunt het configuratie via omgevingsvariabelen. Roots en sampling worden niet genoemd.

Onze mening

Op basis van bovenstaande tabellen scoort deze MCP-server goed op overzicht en installatie, maar mist hij details over prompts, tools en resources. Het is het meest geschikt voor gebruikers die al bekend zijn met GA4 en MCP en die geen uitgebreide prompt/workflow-templates nodig hebben.

MCP Score