Google Analytics MCP-server

Hva gjør “Google Analytics” MCP-serveren?

Google Analytics MCP-serveren muliggjør sømløs integrasjon av Google Analytics 4 (GA4)-data med AI-assistenter og utviklingsverktøy som Claude, Cursor og Windsurf via Model Context Protocol (MCP). Ved å fungere som en bro mellom MCP-klienter og GA4-API-et, lar den brukere stille spørsmål om nettstedstrafikk, brukeradferd og analysedata i naturlig språk, med tilgang til over 200 dimensjoner og måleparametre. Dette gir AI-agenter mulighet til å automatisere rapportering, utføre avanserte dataanalyser og levere handlingsrettede innsikter direkte i utviklerarbeidsflyter eller AI-drevne verktøy, og forenkler prosessen med å ta datadrevne beslutninger uten manuell navigering i dashbord.

Liste over promptmaler

Ingen spesifikke promptmaler er nevnt i depotet.

Liste over ressurser

Ingen eksplisitte ressurser er oppført i depotet.

Liste over verktøy

• Informasjon om verktøyene som tilbys i serveren (slik som fra ga4_mcp_server.py) er ikke detaljert i tilgjengelige filer.

Bruksområder for denne MCP-serveren

• Analyseforespørsler i naturlig språk: Utviklere og analytikere kan stille spørsmål om trafikk, brukeradferd eller konverteringsmålinger på vanlig engelsk, og få relevante GA4-data eller sammendrag.
• Automatisert rapportering: Bruk MCP-serveren til å generere regelmessige eller ad-hoc analyserapporter, og reduser arbeidet med manuell rapportopprettelse i GA4-dashbordet.
• Arbeidsflytintegrasjon: Integrer GA4-data direkte i utviklerverktøy som Cursor eller Windsurf, slik at du får kontekstbasert analyse under kodegjennomganger eller utrulling av funksjoner.
• AI-drevne innsikter: Gi AI-agenter mulighet til å avdekke trender, avvik eller anbefalinger fra analysedata automatisk, for raskere beslutningstaking.
• Tverrkilde dataanalyse: Kombiner Google Analytics-data med andre kilder (som Search Console) for rikere, flerdimensjonale innsikter (om du bruker sammen med andre MCP-servere).

Slik setter du det opp

Windsurf

1. Sørg for at Python 3.10+ er installert.
2. Klon depotet eller installer via PyPI om tilgjengelig.
3. Legg til Google Analytics MCP-server i konfigurasjonen din for mcpServers:

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

4. Lagre konfigurasjonen og start Windsurf på nytt.
5. Verifiser at MCP-serveren er oppført og tilgjengelig i Windsurf-grensesnittet.

Claude

1. Sørg for at Python 3.10+ er installert.
2. Bruk den medfølgende claude-config-template.json som utgangspunkt.
3. Legg til eller oppdater mcpServers-feltet i Claude-konfigurasjonen din:

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

4. Lagre konfigurasjonen og start Claude på nytt.
5. Bekreft MCP-servertilkoblingen i Claudes integrasjonspanel.

Cursor

1. Installer Python 3.10+ og klon eller installer MCP-serveren.
2. Finn Cursors konfigurasjonsfil.
3. Legg til MCP-serveroppføringen:

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

4. Lagre og start Cursor på nytt.
5. Sørg for at serveren vises under tilgjengelige MCP-servere i Cursor.

Cline

1. Sørg for at Python 3.10+ er tilgjengelig.
2. Last ned eller installer MCP-serveren.
3. Endre Clines konfigurasjon for å inkludere:

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

4. Lagre, start Cline på nytt, og sjekk MCP-servertilkoblingen.

Sikring av API-nøkler (ved bruk av miljøvariabler):

For å gi sensitive legitimasjoner (som Google Analytics API-nøkler eller servicekonto-filer), bruk miljøvariabler for sikkerhet. Eksempel på konfigurasjon:

{
  "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"
      }
    }
  }
}

Hvordan bruke denne MCP-serveren i flyter

Bruk av MCP i FlowHunt

For å integrere MCP-servere i FlowHunt-arbeidsflyten din, start med å legge til MCP-komponenten i flyten og koble den til AI-agenten din:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon limer du inn MCP-serverdetaljene dine i dette JSON-formatet:

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

Når det er konfigurert, kan AI-agenten nå bruke denne MCP-serveren som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre “google-analytics-mcp” til det faktiske navnet på MCP-serveren din, og bytt ut URL-en med din egen MCP-server-URL.

Oversikt

Mellom dokumentasjonen og koden gir Google Analytics MCP en tydelig oversikt og oppsettveiledning, men mangler detaljert dokumentasjon på prompts, ressurser og verktøy. For sikkerhet støttes miljøvariabelkonfigurasjon. Røtter og sampling er ikke referert.

Vår vurdering

Basert på tabellene over scorer denne MCP-serveren godt på oversikt og oppsett, men mangler detaljer på prompts, verktøy og ressurser. Den passer best for brukere som allerede er kjent med GA4- og MCP-konsepter, og som ikke trenger omfattende prompt-/arbeidsflytmaler.

MCP-score