Twoje statystyki wreszcie mówią ludzkim głosem
Google Analytics MCP to oficjalne narzędzie od Google, które pozwala Twojemu asystentowi AI (np. Gemini, Claude) na bezpośrednią rozmowę z Twoimi danymi analitycznymi. Zamiast przeklikiwać się przez skomplikowane dashboardy i ręcznie generować raporty, możesz po prostu zadać pytanie w języku naturalnym, a AI „wyciągnie” odpowiedzi prosto z Twojego konta Analytics. To rozwiązanie zmienia sposób pracy z danymi: zamiast być operatorem narzędzia, stajesz się dyrektorem, który wydaje polecenia i oczekuje gotowych wniosków. Asystent nie tylko poda Ci liczby, ale potrafi je zinterpretować i zaproponować konkretne działania marketingowe.Jakie narzędzia (tools) otrzymujesz?
Serwer ten wyposaża Twoje AI w kluczowe funkcje analityczne:- Generowanie raportów (run-report) – podstawowe narzędzie, które pozwala AI na pobieranie danych o ruchu, użytkownikach i zdarzeniach za dowolny okres (np. „ile osób było wczoraj na stronie”).
- Szczegóły właściwości (get-property-details) – pozwala asystentowi zrozumieć, z jaką stroną lub aplikacją pracuje, i jakie są jej ustawienia (np. strefa czasowa, waluta).
- Lista kont i właściwości (get-account-summaries) – umożliwia AI wylistowanie wszystkich stron, do których masz dostęp, i zapytanie Cię, którą z nich chcesz analizować.
- Analiza metadanych (get-metadata) – AI może sprawdzić, jakie wymiary (np. „Kraj”, „Źródło”) i metryki (np. „Przychód”, „Liczba sesji”) są dostępne w Twoim Analytics, aby budować precyzyjne zapytania.
Jak to działa w praktyce?
Mechanizm opiera się na prostym dialogu. Ty zadajesz pytanie biznesowe, a serwer MCP tłumaczy je na skomplikowane zapytania do bazy danych Google Analytics, po czym zwraca Ci zrozumiałą odpowiedź lub wykres. Przepływ informacji: Pytanie użytkownika → Asystent AI → Serwer MCP → Google Analytics API → Odpowiedź AI (wnioski).Przykłady z życia wzięte
1. Szybkie sprawdzanie wyników Zamiast logować się do GA4, piszesz: „Ilu użytkowników odwiedziło moją stronę wczoraj?”. Asystent łączy się z serwerem, pobiera dokładną liczbę (np. 3082 użytkowników) i wyświetla ją w czacie. 2. Pogłębiona analiza sprzedaży Pytasz: „Jakie były moje najlepiej sprzedające się produkty w zeszłym miesiącu?”. AI generuje raport sortowany według przychodu. Jeśli zmienisz zdanie i napiszesz „A jak to wygląda pod względem liczby sprzedanych sztuk?”, asystent natychmiast zmodyfikuje zapytanie i poda nowe dane. To prawdziwa rozmowa z danymi. 3. Strategiczne planowanie budżetu (Killer Feature) Możesz podać AI konkretny scenariusz: „Mam budżet marketingowy 5000 USD miesięcznie. Pomóż mi stworzyć plan, który zwiększy sprzedaż. Uruchom odpowiednie raporty, aby uzasadnić ten plan”. Co robi AI?- Analizuje Twoje obecne źródła ruchu (np. zauważa, że wyszukiwania organiczne generują duży przychód).
- Proponuje podział budżetu (np. reklamy w wyszukiwarce, płatne kampanie w social media).
- Uzasadnia każdą decyzję twardymi danymi, które samo pobrało z Twojego konta.
Jak podłączyć Google Analytics do Twojego AI?
Instalacja tego serwera wymaga nieco więcej przygotowań niż w przypadku prostych wtyczek, ponieważ musisz autoryzować dostęp do danych Google (utworzyć projekt w Google Cloud). Poniżej znajdziesz instrukcję dla najpopularniejszych aplikacji.
⚠️ Ważne: Ten serwer wymaga skonfigurowania Google Cloud Project oraz włączenia API (Google Analytics Data API). Szczegóły znajdziesz w oficjalnym repozytorium GitHub.
Krok 1: Przygotowanie środowiska (Wspólne dla wszystkich)
- Musisz mieć zainstalowany Python lub Node.js na swoim komputerze.
- Pobierz oficjalne repozytorium serwera z GitHub (link w sekcji FAQ).
- Skonfiguruj uprawnienia (Service Account lub OAuth) w Google Cloud Console, aby uzyskać plik z kluczami (np.
credentials.json).
Krok 2: Konfiguracja w Claude Desktop
- Otwórz plik konfiguracyjny (
Settings->Developer->Edit Config). - Dodaj nową sekcję w
mcpServers. Poniżej przykład dla oficjalnego serwera (wymaga dostosowania ścieżek):
"google-analytics": {
"command": "python3",
"args": [
"/ścieżka/do/pobranego/repozytorium/main.py"
],
"env": {
"GOOGLE_APPLICATION_CREDENTIALS": "/ścieżka/do/twojego/klucza.json"
}
}Krok 3: Konfiguracja w Alice (wtyczki.ai)
- Wejdź w Ustawienia -> MCP Servers -> Add New.
- Wybierz typ instalacji: Local (Stdio).
- Command: Wpisz ścieżkę do Pythona (np.
/usr/bin/python3lub wynik komendywhich python). - Args: Podaj ścieżkę do pliku uruchomieniowego serwera.
- Environment Variables: Dodaj zmienną
GOOGLE_APPLICATION_CREDENTIALSze ścieżką do Twojego pliku JSON z kluczami.
Krok 4: Użycie z Gemini CLI
Jeśli jesteś programistą, możesz użyć nowego narzędzia Gemini CLI. Po zainstalowaniu CLI, po prostu uruchom je – interfejs automatycznie wykryje skonfigurowane serwery MCP i pozwoli Ci zadawać pytania bezpośrednio w terminalu.
💡 Wskazówka: Jeśli nie jesteś programistą, poproś dział IT o wygenerowanie pliku “credentials.json” dla Twojego konta Google Analytics. To jedyny trudny technicznie element.
Często zadawane pytania (FAQ)
Gdzie znajdę oficjalny kod serwera?
Oficjalny serwer Google Analytics MCP znajduje się na GitHubie pod adresem:
https://github.com/googleanalytics/google-analytics-mcp. Tam znajdziesz zawsze najświeższą dokumentację techniczną.
Czy AI może usunąć moje dane z Analytics?
Nie. Większość konfiguracji tego serwera (oraz domyślne uprawnienia API) działa w trybie “tylko do odczytu” (read-only). AI pobiera dane, aby je analizować, ale nie ma możliwości kasowania czy zmieniania historii Twoich statystyk.
Czy to kosztuje?
Samo korzystanie z serwera MCP jest darmowe (open source). Płacisz jedynie za standardowe użycie modelu AI (np. subskrypcja Claude Pro lub Gemini Advanced) oraz ewentualnie za przekroczenie limitów darmowych zapytań do API Google Cloud (choć dla typowego użytkownika limity te są bardzo wysokie).
Czy serwer działa z darmową wersją Google Analytics?
Tak, serwer współpracuje ze standardowym Google Analytics 4 (GA4), który jest darmowy dla większości firm. Nie potrzebujesz płatnej wersji GA4 360.
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"
}
}