google_analytics_mcp

Google Analytics MCP – inteligentna analityka AI

Analityka

Google Analytics MCP Server – opis serwera

Google Analytics MCP Server to eksperymentalny serwer MCP, który łączy Twojego asystenta AI z danymi Google Analytics.

Dzięki niemu możesz pytać AI o konta, usługi, raporty i dane z Google Analytics. Serwer korzysta z Google Analytics Admin API oraz Google Analytics Data API.

Możesz szybciej sprawdzać wyniki strony, analizować popularne zdarzenia i pobierać informacje o konfiguracji usługi. Zamiast ręcznie klikać w panelu, zadajesz pytanie AI w rozmowie.

ℹ️ Info: Ten serwer ma status eksperymentalny. Najlepiej traktuj go jako narzędzie do testów, analiz i pracy z danymi Google Analytics.

⚠️ Uwaga: Serwer wymaga poświadczeń Google z dostępem do Twoich kont lub usług Google Analytics. Używaj tylko kont, którym ufasz i które mają odpowiednie uprawnienia.

Najważniejsze możliwości

  • Informacje o kontach: możesz sprawdzić dostępne konta i usługi Google Analytics.
  • Szczegóły usługi: możesz pobrać informacje o konkretnej usłudze Analytics.
  • Raporty podstawowe: możesz poprosić AI o raport z Google Analytics Data API.
  • Raporty lejka: możesz analizować kroki użytkowników w lejku.
  • Raporty realtime: możesz sprawdzać dane bieżące z Google Analytics.
  • Wymiary i metryki niestandardowe: możesz sprawdzić konfigurację własnych wymiarów i metryk.
  • Połączenia z Google Ads: możesz zobaczyć linki do kont Google Ads dla wybranej usługi.

Narzędzia dostępne w serwerze

Informacje o kontach i usługach
  • get_account_summaries: pobiera informacje o Twoich kontach Google Analytics i powiązanych usługach.
  • get_property_details: zwraca szczegóły wybranej usługi Google Analytics.
  • list_google_ads_links: pokazuje listę połączeń z kontami Google Ads dla wybranej usługi.
Raporty podstawowe
  • run_report: uruchamia raport Google Analytics przy użyciu Data API.
  • run_funnel_report: uruchamia raport lejka Google Analytics przy użyciu Data API.
  • get_custom_dimensions_and_metrics: pobiera niestandardowe wymiary i metryki dla konkretnej usługi.
Raporty realtime
  • run_realtime_report: uruchamia raport realtime Google Analytics przy użyciu Data API.

Przykładowe pytania, które możesz zadać AI

  • O możliwości serwera: możesz zapytać, co potrafi analytics-mcp.
  • O konkretną usługę: możesz poprosić o szczegóły usługi Google Analytics z wybraną nazwą.
  • O popularne zdarzenia: możesz zapytać o najpopularniejsze zdarzenia z ostatnich 180 dni.
  • O zalogowanych użytkowników: możesz sprawdzić, czy większość użytkowników była zalogowana.
  • O konfigurację: możesz zapytać o niestandardowe wymiary i metryki w usłudze.

Wymagania techniczne

  • Python: potrzebujesz środowiska Python 3.10 lub nowszego.
  • pipx: serwer może być uruchamiany przez pipx run analytics-mcp.
  • Google Cloud project: potrzebujesz projektu z włączonymi API Google Analytics.
  • Poświadczenia Google: wymagane są Application Default Credentials z dostępem do Google Analytics.
  • Zakres readonly: poświadczenia muszą obejmować zakres https://www.googleapis.com/auth/analytics.readonly.

Wymagane API Google

  • Google Analytics Admin API: pozwala pobierać informacje administracyjne o kontach i usługach.
  • Google Analytics Data API: pozwala uruchamiać raporty i pobierać dane analityczne.

💡 Wskazówka: Ten serwer najlepiej sprawdzi się, gdy chcesz szybko zadawać pytania o dane Analytics bez ręcznego budowania raportów w panelu.

Jak działa Google Analytics MCP Server w praktyce?

Google Analytics MCP Server pozwala AI pobierać informacje i raporty z Google Analytics przez oficjalne API Google.

Przepływ pracy wygląda tak: Ty → AI → serwer MCP → Google Analytics.

Ty zadajesz pytanie o dane analityczne. AI wybiera odpowiednie narzędzie MCP. Serwer łączy się z Google Analytics Admin API albo Google Analytics Data API i zwraca wynik do rozmowy.

ℹ️ Info: Serwer działa lokalnie i wymaga poświadczeń Google z dostępem do Twoich kont lub usług Google Analytics.

Typowy przebieg działania

  1. Konfigurujesz Python, pipx i poświadczenia Google.
  2. Włączasz Google Analytics Admin API oraz Google Analytics Data API w projekcie Google Cloud.
  3. Dodajesz serwer analytics-mcp do konfiguracji Gemini.
  4. Uruchamiasz Gemini CLI albo Gemini Code Assist.
  5. Zadajesz AI pytanie o konto, usługę, raport lub konfigurację Analytics.
  6. AI korzysta z narzędzi MCP i zwraca Ci wynik w rozmowie.

Przykład 1: sprawdzenie możliwości serwera

Po konfiguracji możesz zapytać AI, co potrafi serwer.

what can the analytics-mcp server do?

AI powinno opisać dostępne działania. Może wskazać raporty, informacje o usługach, raporty realtime i dane konfiguracyjne.

Przykład 2: pobranie szczegółów usługi Google Analytics

Możesz poprosić AI o znalezienie usługi po fragmencie nazwy.

Give me details about my Google Analytics property with 'xyz' in the name

Serwer może użyć narzędzi do pobrania informacji o kontach i usługach. Następnie AI zwróci szczegóły pasującej usługi Google Analytics.

💡 Wskazówka: Podawaj charakterystyczny fragment nazwy usługi. To ułatwia AI znalezienie właściwego miejsca w Google Analytics.

Przykład 3: analiza popularnych zdarzeń

Możesz zadać pytanie o zachowania użytkowników w danym okresie.

what are the most popular events in my Google Analytics property in the last 180 days?

AI może uruchomić raport przez Google Analytics Data API. Dzięki temu otrzymasz zestawienie zdarzeń bez ręcznego budowania raportu w panelu.

Przykład 4: sprawdzenie użytkowników zalogowanych

Możesz zapytać AI o konkretną grupę użytkowników.

were most of my users in the last 6 months logged in?

Serwer pobiera dane raportowe, a AI pomaga zinterpretować wynik. Możesz dzięki temu szybciej sprawdzić, jak zachowywali się użytkownicy w wybranym okresie.

Przykład 5: sprawdzenie konfiguracji właściwości

Możesz zapytać o niestandardowe wymiary i metryki w usłudze.

what are the custom dimensions and custom metrics in my property?

Serwer używa narzędzia do pobrania niestandardowych wymiarów i metryk. AI może potem wyjaśnić, jakie dane są dostępne w konfiguracji.

Jak działa dostęp do danych?

Serwer korzysta z Application Default Credentials, czyli poświadczeń Google skonfigurowanych lokalnie.

Poświadczenia muszą należeć do konta, które ma dostęp do odpowiednich kont lub usług Google Analytics. Muszą też zawierać zakres https://www.googleapis.com/auth/analytics.readonly.

Oznacza to, że serwer służy do odczytu danych z Google Analytics. Nie opisano tu działań zapisujących lub zmieniających dane w Analytics.

⚠️ Uwaga: Jeśli AI nie widzi Twojej usługi, sprawdź dostęp konta Google oraz poprawność poświadczeń.

Jak sprawdzić, czy serwer działa?

Po uruchomieniu Gemini CLI albo Gemini Code Assist wpisz:

/mcp

Na liście powinien pojawić się serwer analytics-mcp.

Potem zadaj proste pytanie testowe, na przykład o możliwości serwera albo szczegóły wybranej usługi Google Analytics.

Praktyczne porady

  • Zacznij od pytania testowego: sprawdź, czy analytics-mcp jest widoczny w kliencie.
  • Podawaj nazwę usługi: ułatwia to AI odnalezienie właściwej właściwości Google Analytics.
  • Określ zakres czasu: przy pytaniach raportowych podaj okres, na przykład ostatnie 180 dni.
  • Upewnij się, że API są włączone: serwer wymaga Google Analytics Admin API i Data API.
  • Sprawdź poświadczenia: konto musi mieć dostęp do danych Analytics oraz zakres readonly.

Instalacja Google Analytics MCP Server

Google Analytics MCP Server uruchomisz lokalnie przez pipx jako serwer analytics-mcp.

Instalacja wymaga trzech głównych kroków. Najpierw konfigurujesz Python, potem poświadczenia Google Analytics, a na końcu dodajesz serwer do Gemini.

ℹ️ Info: Ten serwer jest eksperymentalny i działa z Google Analytics przez Google Analytics Admin API oraz Google Analytics Data API.

Krok 1: skonfiguruj Python

Serwer wymaga środowiska Python 3.10 lub nowszego. Do uruchamiania pakietu użyj pipx.

Zainstaluj pipx zgodnie z instrukcją dla Twojego systemu operacyjnego.

Krok 2: włącz wymagane API w Google Cloud

W swoim projekcie Google Cloud włącz dwa API wymagane przez serwer.

  • Google Analytics Admin API: potrzebne do pobierania informacji o kontach i usługach.
  • Google Analytics Data API: potrzebne do uruchamiania raportów Google Analytics.

💡 Wskazówka: Użyj tego samego projektu Google Cloud, w którym konfigurujesz poświadczenia dla dostępu do Analytics.

Krok 3: skonfiguruj poświadczenia Google

Serwer korzysta z Application Default Credentials, czyli lokalnych poświadczeń Google.

Poświadczenia muszą należeć do konta, które ma dostęp do Twoich kont lub usług Google Analytics. Muszą też zawierać zakres tylko do odczytu:

https://www.googleapis.com/auth/analytics.readonly
Konfiguracja ADC przez dane użytkownika

Po pobraniu pliku klienta OAuth użyj komendy:

gcloud auth application-default login \
  --scopes https://www.googleapis.com/auth/analytics.readonly,https://www.googleapis.com/auth/cloud-platform \
  --client-id-file=YOUR_CLIENT_JSON_FILE

Zamień YOUR_CLIENT_JSON_FILE na ścieżkę do pobranego pliku klienta OAuth.

Konfiguracja ADC przez service account impersonation

Możesz też skonfigurować poświadczenia przez podszycie się pod konto usługi.

gcloud auth application-default login \
  --impersonate-service-account=SERVICE_ACCOUNT_EMAIL \
  --scopes=https://www.googleapis.com/auth/analytics.readonly,https://www.googleapis.com/auth/cloud-platform

Zamień SERVICE_ACCOUNT_EMAIL na adres e-mail konta usługi.

⚠️ Uwaga: Po zakończeniu komendy skopiuj ścieżkę PATH_TO_CREDENTIALS_JSON. Będzie potrzebna w konfiguracji Gemini.

Krok 4: skonfiguruj Gemini

Zainstaluj Gemini CLI albo Gemini Code Assist. Następnie utwórz lub edytuj plik:

~/.gemini/settings.json

Dodaj serwer analytics-mcp do listy mcpServers.

{
  "mcpServers": {
    "analytics-mcp": {
      "command": "pipx",
      "args": ["run", "analytics-mcp"],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "PATH_TO_CREDENTIALS_JSON",
        "GOOGLE_PROJECT_ID": "YOUR_PROJECT_ID"
      }
    }
  }
}

Zamień PATH_TO_CREDENTIALS_JSON na ścieżkę do pliku z poświadczeniami. Zamień YOUR_PROJECT_ID na ID Twojego projektu Google Cloud.

Krok 5: sprawdź, czy serwer działa

Uruchom Gemini CLI albo Gemini Code Assist i wpisz:

/mcp

Na liście powinien pojawić się serwer analytics-mcp.

Przykładowe pytania testowe

Po poprawnym podłączeniu możesz zadać AI proste pytanie o możliwości serwera.

what can the analytics-mcp server do?

Możesz też zapytać o konkretną usługę Google Analytics.

Give me details about my Google Analytics property with 'xyz' in the name

Albo poprosić o analizę danych z wybranego okresu.

what are the most popular events in my Google Analytics property in the last 180 days?

Co sprawdzić, gdy coś nie działa?

  1. Sprawdź, czy masz Python 3.10 lub nowszy.
  2. Sprawdź, czy pipx jest zainstalowany.
  3. Upewnij się, że Google Analytics Admin API jest włączone.
  4. Upewnij się, że Google Analytics Data API jest włączone.
  5. Sprawdź, czy poświadczenia mają zakres analytics.readonly.
  6. Sprawdź, czy konto ma dostęp do właściwej usługi Google Analytics.
  7. Upewnij się, że ścieżka GOOGLE_APPLICATION_CREDENTIALS wskazuje poprawny plik.

FAQ – Google Analytics MCP Server

Do czego służy Google Analytics MCP Server?

Google Analytics MCP Server pozwala Twojemu asystentowi AI pobierać dane z Google Analytics. Możesz pytać o konta, usługi, raporty, zdarzenia, dane realtime oraz konfigurację właściwości.

Czy ten serwer może analizować dane z Google Analytics?

Tak. Możesz poprosić AI o uruchomienie raportu, raportu lejka albo raportu realtime. Serwer korzysta do tego z Google Analytics Data API.

Czy możesz sprawdzić swoje konta i usługi Analytics?

Tak. Narzędzie get_account_summaries pobiera informacje o Twoich kontach i usługach Google Analytics. Możesz też sprawdzić szczegóły konkretnej usługi przez get_property_details.

Jakie uprawnienia są potrzebne do działania serwera?

Potrzebujesz poświadczeń Google z dostępem do odpowiednich kont lub usług Google Analytics. Poświadczenia muszą mieć zakres https://www.googleapis.com/auth/analytics.readonly. Oznacza to dostęp tylko do odczytu danych.

Czy serwer może sprawdzić dane realtime?

Tak. Narzędzie run_realtime_report uruchamia raport realtime z Google Analytics. Dzięki temu możesz zapytać AI o bieżące dane z wybranej usługi.

Czy możesz sprawdzić niestandardowe wymiary i metryki?

Tak. Narzędzie get_custom_dimensions_and_metrics pobiera niestandardowe wymiary i metryki dla konkretnej usługi. To pomaga szybko zrozumieć, jakie dodatkowe dane masz dostępne w Analytics.

Czy Google Analytics MCP Server wymaga Google Cloud?

Tak. Musisz mieć projekt Google Cloud z włączonym Google Analytics Admin API oraz Google Analytics Data API. Potrzebujesz też poprawnie skonfigurowanych Application Default Credentials.

Czy ten serwer jest gotowy do codziennej pracy?

Serwer ma status eksperymentalny. Możesz używać go do testów, analiz i pracy z raportami, ale warto zachować ostrożność przy ważnych procesach biznesowych. Zawsze sprawdzaj wyniki, zanim podejmiesz decyzje na ich podstawie.

Kompatybilne między innmi z:

claude_logo_mcp
chatgpt_wtyczki_mcp
alice_logo_wtyczkiai

SZYBKA INSTALACJA

Code 
"analytics-mcp": {
"command": "uvx",
"args": [
"analytics-mcp"
],
"env": {
"GOOGLE_APPLICATION_CREDENTIALS": "ŚCIEŻKA_DO_TWOJEGO_PLIKU.json",
"GOOGLE_PROJECT_ID": "TWOJE_ID_PROJEKTU_GOOGLE"
}
}