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。

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

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。

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

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