Google Analytics MCP Server

Co robi serwer “Google Analytics” MCP?

Google Analytics MCP Server umożliwia płynną integrację danych Google Analytics 4 (GA4) z asystentami AI i narzędziami deweloperskimi, takimi jak Claude, Cursor czy Windsurf, za pomocą Model Context Protocol (MCP). Działa jako most pomiędzy klientami MCP a API GA4, pozwalając użytkownikom zadawać pytania o ruch na stronie, zachowania użytkowników i dane analityczne w języku naturalnym, uzyskując dostęp do ponad 200 wymiarów i metryk. Dzięki temu agenci AI mogą automatyzować raportowanie, przeprowadzać dogłębną analizę danych i dostarczać praktycznych wniosków bezpośrednio w workflow deweloperskim lub narzędziu opartym o AI, upraszczając podejmowanie decyzji opartych na danych bez ręcznego przeszukiwania dashboardów.

Lista promptów

Brak konkretnych szablonów promptów wymienionych w repozytorium.

Gotowy na rozwój swojej firmy?

Rozpocznij bezpłatny okres próbny już dziś i zobacz rezultaty w ciągu kilku dni.

Poproś o demo Zaloguj się

Lista zasobów

Brak jawnie wymienionych zasobów w repozytorium.

Lista narzędzi

• Informacje o udostępnionych narzędziach (np. z ga4_mcp_server.py) nie są szczegółowo opisane w dostępnych plikach.

Dołącz do naszego newslettera

Otrzymuj najnowsze wskazówki, trendy i oferty za darmo.

Adres e-mail

Zapisz się

Przykłady użycia tego serwera MCP

• Zapytania analityczne w języku naturalnym: Programiści i analitycy mogą zadawać pytania o ruch, zachowania użytkowników czy konwersje w prostym angielskim i otrzymywać odpowiednie dane GA4 lub podsumowania.
• Automatyczne raportowanie: Korzystaj z serwera MCP do generowania regularnych lub ad hoc raportów analitycznych, redukując konieczność ręcznego tworzenia raportów w panelu GA4.
• Integracja z workflow: Uzyskaj dostęp do danych GA4 bezpośrednio w narzędziach deweloperskich, takich jak Cursor czy Windsurf, pozwalając na analitykę kontekstową podczas code review lub wdrażania funkcji.
• Wnioski oparte na AI: Pozwól agentom AI automatycznie wskazywać trendy, anomalie lub rekomendacje na podstawie danych, wspierając szybsze decyzje.
• Analiza danych z wielu źródeł: Łącz dane Google Analytics z innymi źródłami (np. Search Console) dla pełniejszych, wielowymiarowych wniosków (przy równoczesnym użyciu innych serwerów MCP).

Jak skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowanego Pythona w wersji 3.10+.
2. Sklonuj repozytorium lub zainstaluj przez PyPI, jeśli jest dostępny.
3. Dodaj serwer Google Analytics MCP do konfiguracji mcpServers:

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

4. Zapisz konfigurację i zrestartuj Windsurf.
5. Upewnij się, że serwer MCP jest widoczny i dostępny w interfejsie Windsurf.

Claude

1. Upewnij się, że masz zainstalowanego Pythona 3.10+.
2. Skorzystaj z dostarczonego pliku claude-config-template.json jako punktu wyjścia.
3. Dodaj lub zaktualizuj pole mcpServers w konfiguracji Claude:

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

4. Zapisz konfigurację i zrestartuj Claude.
5. Potwierdź połączenie z serwerem MCP w panelu integracji Claude.

Cursor

1. Zainstaluj Pythona 3.10+ oraz sklonuj lub zainstaluj serwer MCP.
2. Zlokalizuj plik konfiguracyjny Cursor.
3. Dodaj wpis serwera MCP:

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

4. Zapisz i zrestartuj Cursor.
5. Upewnij się, że serwer pojawia się w dostępnych serwerach MCP Cursor.

Cline

1. Upewnij się, że masz zainstalowanego Pythona 3.10+.
2. Pobierz lub zainstaluj serwer MCP.
3. Zmodyfikuj konfigurację Cline, aby dodać:

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

4. Zapisz, zrestartuj Cline i sprawdź połączenie z serwerem MCP.

Zabezpieczanie kluczy API (przez zmienne środowiskowe):

Aby przekazywać poufne dane uwierzytelniające (np. klucze API Google Analytics czy pliki konta serwisowego), używaj zmiennych środowiskowych. Przykład konfiguracji:

{
  "mcpServers": {
    "google-analytics-mcp": {
      "command": "python3",
      "args": ["-m", "google_analytics_mcp"],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/ścieżka/do/twojego/credentials.json"
      },
      "inputs": {
        "property_id": "TWÓJ_GA4_PROPERTY_ID"
      }
    }
  }
}

Jak używać tego MCP w flow

Korzystanie z MCP w FlowHunt

Aby zintegrować serwery MCP z workflow w FlowHunt, zacznij od dodania komponentu MCP do flow i połącz go ze swoim agentem AI:

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemowej MCP wklej dane serwera MCP w formacie JSON:

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

Po skonfigurowaniu agent AI może korzystać z tego MCP jako narzędzia ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, aby zastąpić “google-analytics-mcp” nazwą Twojego serwera MCP oraz podmienić adres URL na własny.

Podsumowanie

Na podstawie dokumentacji i kodu, Google Analytics MCP zapewnia jasny przegląd i instrukcje uruchomienia, ale brakuje szczegółowej dokumentacji promptów, zasobów i narzędzi. Dla bezpieczeństwa wspiera konfigurację przez zmienne środowiskowe. Roots oraz sampling nie są wspomniane.

Nasza opinia

Na podstawie powyższych tabel ten serwer MCP wypada dobrze pod kątem przeglądu i konfiguracji, ale brakuje mu szczegółów dotyczących promptów, narzędzi i zasobów. Najlepiej sprawdzi się u użytkowników już zaznajomionych z GA4 i MCP, którzy nie potrzebują rozbudowanych szablonów promptów/flow.

Ocena MCP