Microsoft Clarity MCP Server

Vad gör “Microsoft Clarity” MCP Server?

Microsoft Clarity MCP Server är en Model Context Protocol (MCP)-server utformad för att ansluta till Microsoft Claritys dataexport-API. Den fungerar som en brygga mellan AI-assistenter (såsom Claude för Desktop och andra MCP-kompatibla klienter) och Claritys analystjänst. Genom att exponera Claritys analysdata via ett standardprotokoll möjliggör denna server AI-drivna arbetsflöden såsom att fråga webbplatsanalys, filtrera på specifika dimensioner (t.ex. webbläsare, enhet, land/region) och hämta olika webbstatistik (t.ex. scroll-djup, engagemangstid, trafik). Denna integration effektiviserar arbetsuppgifter som att övervaka webbplatsens prestanda och analysera användarengagemang, vilket gör det möjligt för utvecklare och analytiker att få tillgång till handlingsbara insikter direkt via sina AI-verktyg.

Lista över prompts

Inga explicita promptmallar nämns i den tillhandahållna informationen.

Lista över resurser

Inga specifika MCP-“resurser” finns beskrivna i innehållet i arkivet.

Lista över verktyg

• get-clarity-data
  Ger tillgång till Claritys analysdata. Tillåter frågor där du anger antal dagar (1–3), väljer upp till tre dimensioner (som webbläsare, enhet, land/region) och väljer mätvärden (såsom scroll-djup, engagemangstid, trafik). Kräver en Clarity API-token.

Användningsområden för denna MCP-server

• Hämta webbplatsanalys
  Hämta direkt viktiga analysdata från Microsoft Clarity, såsom användarsessioner, engagemang och scroll-djup, för att övervaka webbplatsens prestanda direkt via din AI-assistent.
• Anpassad analysfiltrering
  Filtrera analysresultat efter upp till tre dimensioner (t.ex. enhetstyp, geografisk region, webbläsare) för att fokusera på specifika användarsegment för riktad analys.
• Automatiserad rapportering
  Skapa och hämta dagliga eller flerdagars analysrapporter för en webbplats, vilket effektiviserar regelbundna rapporteringsuppgifter för produktchefer eller analytiker.
• Integration med AI-arbetsflöden
  Integrera webbplatsanalys sömlöst i större AI-arbetsflöden, så att agenter kan hämta användningsdata och informera beslut eller utlösa åtgärder baserat på realtidsdata.

Så här sätter du upp det

Windsurf

1. Se till att Node.js v16 eller högre är installerat.
2. Hämta din Microsoft Clarity API-token.
3. Öppna din Windsurf MCP-konfigurationsfil.
4. Lägg till Microsoft Clarity MCP Server-konfigurationen enligt nedan.
5. Spara konfigurationen och starta om Windsurf.

{
  "mcpServers": {
    "@microsoft/clarity-mcp-server": {
      "command": "npx",
      "args": [
        "@microsoft/clarity-mcp-server",
        "--clarity_api_token=your-api-token-here"
      ]
    }
  }
}

Skydda API-nycklar:

{
  "mcpServers": {
    "@microsoft/clarity-mcp-server": {
      "command": "npx",
      "args": [
        "@microsoft/clarity-mcp-server"
      ],
      "env": {
        "CLARITY_API_TOKEN": "your-api-token-here"
      }
    }
  }
}

Claude

1. Installera Node.js v16 eller högre.
2. Generera din Clarity API-token.
3. Öppna Claude för Desktop konfiguration:
   • Windows: %AppData%\Claude\claude_desktop_config.json
   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
4. Lägg till MCP-serverkonfigurationen.
5. Spara och starta om Claude för Desktop.

{
  "mcpServers": {
    "@microsoft/clarity-mcp-server": {
      "command": "npx",
      "args": [
        "@microsoft/clarity-mcp-server",
        "--clarity_api_token=your-api-token-here"
      ]
    }
  }
}

Skydda API-nycklar:

{
  "mcpServers": {
    "@microsoft/clarity-mcp-server": {
      "command": "npx",
      "args": [
        "@microsoft/clarity-mcp-server"
      ],
      "env": {
        "CLARITY_API_TOKEN": "your-api-token-here"
      }
    }
  }
}

Cursor

1. Kontrollera att Node.js v16+ finns tillgängligt.
2. Hämta din Clarity API-token från din Clarity-panel.
3. Lokalisera Cursors MCP-konfiguration.
4. Lägg till serverkonfigurationen enligt exemplet.
5. Spara ändringar och starta om Cursor.

{
  "mcpServers": {
    "@microsoft/clarity-mcp-server": {
      "command": "npx",
      "args": [
        "@microsoft/clarity-mcp-server",
        "--clarity_api_token=your-api-token-here"
      ]
    }
  }
}

Skydda API-nycklar:

{
  "mcpServers": {
    "@microsoft/clarity-mcp-server": {
      "command": "npx",
      "args": [
        "@microsoft/clarity-mcp-server"
      ],
      "env": {
        "CLARITY_API_TOKEN": "your-api-token-here"
      }
    }
  }
}

Cline

1. Installera Node.js v16 eller högre.
2. Skaffa din API-token från Clarity.
3. Öppna din Cline MCP-konfigurationsfil.
4. Klistra in följande MCP-serverkonfiguration.
5. Spara och starta om Cline.

{
  "mcpServers": {
    "@microsoft/clarity-mcp-server": {
      "command": "npx",
      "args": [
        "@microsoft/clarity-mcp-server",
        "--clarity_api_token=your-api-token-here"
      ]
    }
  }
}

Skydda API-nycklar:

{
  "mcpServers": {
    "@microsoft/clarity-mcp-server": {
      "command": "npx",
      "args": [
        "@microsoft/clarity-mcp-server"
      ],
      "env": {
        "CLARITY_API_TOKEN": "your-api-token-here"
      }
    }
  }
}

Så använder du denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde börjar du med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion, lägg in dina MCP-serverdetaljer med detta JSON-format:

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

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapaciteter. Kom ihåg att ändra “clarity-mcp” till det faktiska namnet på din MCP-server (t.ex. “clarity-mcp”) och byt ut URL:en mot din egen MCP-server-URL.

Översikt

Baserat på ovanstående erbjuder Microsoft Clarity MCP Server en tydlig och direkt integration med Claritys analytics API, men är fokuserad och något begränsad i omfattning. Den täcker viktig installation och användning, men saknar avancerade MCP-funktioner som promptmallar, ytterligare MCP-resurser, roots och sampling.

MCP-betyg

Vår åsikt:
Denna MCP-server är funktionell, väl dokumenterad för installation och exponerar ett användbart verktyg för analysintegration. Den saknar dock rikare MCP-funktioner såsom promptmallar, resurs-exponering eller avancerade möjligheter som sampling och roots—vilket gör den mer användbar än fullfjädrad. Den får 5/10 för att den täcker grunderna tydligt, men inte utnyttjar MCP-protokollets fulla potential.