Google Analytics MCP 服务器

“Google Analytics” MCP 服务器的功能

Google Analytics MCP 服务器通过模型上下文协议（MCP），让 Google Analytics 4（GA4）数据能够与如 Claude、Cursor、Windsurf 等 AI 助理及开发工具无缝集成。它作为 MCP 客户端与 GA4 API 之间的桥梁，允许用户以自然语言查询网站流量、用户行为和分析数据，解锁 200 多个维度和指标的访问权限。这使得 AI agent 能够自动化报告、进行深入数据分析，并在开发者工作流或 AI 工具内直接提供可操作洞察，大大简化了无需手动操作仪表盘即可做出数据决策的流程。

提示模板列表

仓库中未提及具体的提示模板。

资源列表

仓库中未明确列出相关资源。

工具列表

• 服务器中所提供工具的信息（如 ga4_mcp_server.py）在现有文件中未详细说明。

本 MCP 服务器的用例

• 自然语言分析查询： 开发者和分析师可用英语直接询问流量、用户行为或转化指标，获得相关 GA4 数据或摘要。
• 自动化报告： 利用 MCP 服务器生成定期或按需的分析报告，减少在 GA4 仪表盘中手动制作报告的工作量。
• 工作流集成： 直接在 Cursor 或 Windsurf 等开发者工具中集成 GA4 数据访问，实现代码审查或功能发布时的上下文分析。
• AI 驱动洞察： 使 AI agent 能自动发现趋势、异常或给出分析建议，支持更快速的决策。
• 跨源数据分析： 可将 Google Analytics 数据与其他来源（如 Search Console）结合，获取更丰富的多维度洞察（需搭配其他 MCP 服务器）。

如何配置

Windsurf

1. 确保已安装 Python 3.10+。
2. 克隆仓库或通过 PyPI 安装（如可用）。
3. 在您的 mcpServers 配置中添加 Google Analytics MCP 服务器：

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

4. 保存配置并重启 Windsurf。
5. 在 Windsurf 的界面确认 MCP 服务器已列出并可访问。

Claude

1. 确保已安装 Python 3.10+。
2. 以提供的 claude-config-template.json 作为起点。
3. 在 Claude 配置中添加或更新 mcpServers 字段：

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

4. 保存配置并重启 Claude。
5. 在 Claude 的集成面板确认 MCP 服务器连接状态。

Cursor

1. 安装 Python 3.10+，并克隆或安装 MCP 服务器。
2. 找到 Cursor 的配置文件。
3. 添加 MCP 服务器配置项：

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

4. 保存并重启 Cursor。
5. 确认服务器在 Cursor 的可用 MCP 服务器列表中出现。

Cline

1. 确保已安装 Python 3.10+。
2. 下载或安装 MCP 服务器。
3. 修改 Cline 配置以包含以下内容：

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

4. 保存、重启 Cline，并检查 MCP 服务器连接状态。

API 密钥安全（使用环境变量）：

为保证敏感凭证（如 Google Analytics API 密钥或服务账号文件）的安全，建议使用环境变量。示例配置如下：

{
  "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"
      }
    }
  }
}

如何在流程中使用此 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成至 FlowHunt 工作流，首先添加 MCP 组件到您的流程，并连接到您的 AI agent：

点击 MCP 组件打开配置面板，在系统 MCP 配置区域，按如下 JSON 格式输入您的 MCP 服务器信息：

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

配置完成后，AI agent 即可作为工具使用此 MCP，访问其全部功能和能力。请记得将 “google-analytics-mcp” 替换为您实际的 MCP 服务器名称，并将 URL 替换为您的 MCP 服务器地址。

概览

从文档和代码来看，Google Analytics MCP 提供了清晰的概览和搭建说明，但在提示模板、资源和工具等方面缺乏详细文档。安全方面支持环境变量配置。未涉及 roots 和采样。

我们的看法

根据上表，此 MCP 服务器在概览和搭建方面表现良好，但在提示、工具和资源方面有待补充。更适合已熟悉 GA4 和 MCP 概念且不需要大量模板或工作流指引的用户。

MCP 评分