Google menggunakan teknologi AI untuk menerjemahkan konten ke dalam bahasa pilihan Anda. Terjemahan AI mungkin mengandung kesalahan.

Mencoba server MCP Google Analytics

Server Model Context Protocol (MCP) Google Analytics memungkinkan Anda menghubungkan data Google Analytics ke model bahasa besar (LLM) dan agen AI, seperti Gemini. Anda dapat menggunakan server MCP untuk mengkueri laporan dalam bahasa alami, memeriksa konfigurasi properti, dan membangun agen analisis kustom.

Menyiapkan server MCP Lihat di GitHub Tonton Tutorial Penyiapan

Prasyarat

Sebelum mengonfigurasi server MCP Google Analytics, penuhi persyaratan berikut:

Instal Python dan runner paket:
- Instal Python 3.10 atau yang lebih baru.
- Instal pipx atau uv (uvx) untuk menjalankan server MCP di lingkungan Python yang terisolasi.
Aktifkan Google Analytics API di :
- Buat atau pilih project .
- Aktifkan Google Analytics Admin API (analyticsadmin.googleapis.com) dan Google Analytics Data API (analyticsdata.googleapis.com) di project Anda:
```
gcloud services enable analyticsadmin.googleapis.com \
  analyticsdata.googleapis.com \
  --project=YOUR_PROJECT_ID
```
Memberikan akses properti Google Analytics:
- Di UI Google Analytics, berikan akun pengguna atau akun layanan Anda minimal peran Viewer (roles/analytics.viewer) di properti Google Analytics target. Untuk petunjuk, lihat Mengelola akses dan pengelolaan batasan data.

Menyiapkan autentikasi

Server MCP Google Analytics melakukan autentikasi menggunakan Kredensial Default Aplikasi (ADC) dengan cakupan OAuth 2.0 Google Analytics hanya baca:

https://www.googleapis.com/auth/analytics.readonly

Anda dapat mengonfigurasi ADC menggunakan akun pengguna Google atau akun layanan.

Opsi 1: Melakukan autentikasi dengan kredensial pengguna

Instal dan lakukan inisialisasi gcloud CLI.

Jalankan gcloud auth application-default login dengan cakupan yang diperlukan:

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

Jika Anda menggunakan file konfigurasi klien web atau desktop OAuth 2.0 yang didownload (lihat Mengelola klien OAuth), teruskan --client-id-file:

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

Setelah perintah selesai, salin jalur kredensial yang dicetak ke konsol (Credentials saved to file: [PATH_TO_CREDENTIALS_JSON]). Anda akan menggunakan jalur ini di GOOGLE_APPLICATION_CREDENTIALS saat mengonfigurasi klien MCP.

Opsi 2: Melakukan autentikasi dengan akun layanan

Untuk melakukan autentikasi dengan akun layanan yang memiliki akses Viewer ke properti Google Analytics Anda:

File kunci JSON akun layanan: Tetapkan GOOGLE_APPLICATION_CREDENTIALS dalam konfigurasi klien MCP ke jalur absolut file JSON akun layanan Anda.

Peniruan akun layanan: Buat kredensial ADC dengan meniru akun layanan menggunakan gcloud CLI:

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"

Mengonfigurasi klien MCP Anda

Server dipublikasikan di PyPI sebagai analytics-mcp dan mengekspos skrip konsol analytics-mcp dan google-analytics-mcp.

Dalam konfigurasi berikut, ganti:

PATH_TO_CREDENTIALS_JSON dengan jalur absolut ke file JSON ADC atau akun layanan Anda.
YOUR_PROJECT_ID dengan project ID tempat Anda mengaktifkan Google Analytics API.

Antigravity CLI dan Antigravity IDE

Instal Antigravity CLI atau Antigravity IDE.

Tambahkan server analytics-mcp ke ~/.gemini/config/mcp_config.json (atau .agents/mcp_config.json di ruang kerja Anda):

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

Pastikan analytics-mcp terhubung:
- Antigravity CLI: Jalankan agy, lalu masukkan /mcp untuk melihat server MCP yang dikonfigurasi.
- Antigravity IDE: Buka Settings > Customizations > Installed MCP Servers, lalu klik Refresh.

Claude Desktop dan Claude Code

Untuk Claude Desktop, tambahkan server ke file claude_desktop_config.json Anda (~/Library/Application Support/Claude/claude_desktop_config.json di macOS atau %APPDATA%\Claude\claude_desktop_config.json di Windows):

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

Untuk Claude Code, daftarkan server menggunakan alat command line:

claude mcp add analytics-mcp \
  --scope user \
  -e GOOGLE_APPLICATION_CREDENTIALS="PATH_TO_CREDENTIALS_JSON" \
  -e GOOGLE_CLOUD_PROJECT="YOUR_PROJECT_ID" \
  -- pipx run analytics-mcp

Kursor

Tambahkan server ke .cursor/mcp.json di direktori project Anda (atau ~/.cursor/mcp.json untuk konfigurasi global). Anda dapat memanggil google-analytics-mcp menggunakan uvx atau pipx:

{
  "mcpServers": {
    "google-analytics-mcp": {
      "command": "uvx",
      "args": ["--from", "analytics-mcp", "google-analytics-mcp"],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "PATH_TO_CREDENTIALS_JSON",
        "GOOGLE_CLOUD_PROJECT": "YOUR_PROJECT_ID"
      }
    }
  }
}

Untuk menjalankan versi pengembangan terbaru langsung dari GitHub menggunakan uvx, update "args":

"args": [
  "--from",
  "git+https://github.com/googleanalytics/google-analytics-mcp.git",
  "google-analytics-mcp"
]

Atau, untuk menggunakan pipx, ubah "command" menjadi "pipx" dan tetapkan "args" ke:

"command": "pipx",
"args": [
  "run",
  "--spec",
  "git+https://github.com/googleanalytics/google-analytics-mcp.git",
  "google-analytics-mcp"
]

Alat MCP yang tersedia

Server MCP Google Analytics menggunakan Admin API dan Data API v1 untuk mengekspos alat hanya baca ke klien MCP Anda:

Penemuan akun dan properti (Admin API):
- get_account_summaries: Mencantumkan akun dan properti Google Analytics yang dapat diakses oleh pengguna yang diautentikasi (accountSummaries.list).
- get_property_details: Menampilkan detail konfigurasi untuk properti Google Analytics tertentu (properties.get).
- list_google_ads_links: Mencantumkan link ke akun Google Ads untuk properti (properties.googleAdsLinks.list).
- list_property_annotations: Mencantumkan anotasi yang dikonfigurasi untuk properti (properties.reportingDataAnnotations.list).
Pelaporan dan pemeriksaan skema (Data API v1):
- get_custom_dimensions_and_metrics: Mengambil dimensi kustom dan metrik kustom yang ditentukan untuk properti (getMetadata).
- run_report: Menjalankan laporan Google Analytics standar (runReport).
- run_realtime_report: Menjalankan laporan real-time Google Analytics (runRealtimeReport).
- run_funnel_report: Menjalankan laporan eksplorasi funnel Google Analytics (runFunnelReport).
- run_conversions_report: Menjalankan laporan performa konversi (runConversionsReport).

Contoh perintah

Setelah terhubung, coba ajukan pertanyaan kepada asisten AI Anda seperti:

Berapa banyak pengguna yang saya miliki kemarin?
Apa saja produk terlaris saya kemarin?
Saya memiliki anggaran pemasaran sebesar $5.000/bulan dan perlu menghasilkan lebih banyak pendapatan. Bantu saya membuat rencana pemasaran berbasis data.
Dimensi kustom dan metrik kustom apa yang dikonfigurasi di properti saya?
Apa saja peristiwa paling populer di properti Google Analytics saya selama 90 hari terakhir?

Pemecahan masalah

Gunakan checklist berikut untuk menyelesaikan error penyiapan dan error runtime yang umum:

403 PERMISSION_DENIED (API tidak diaktifkan atau izin properti tidak memadai):
- Pastikan Google Analytics Admin API (analyticsadmin.googleapis.com) dan Google Analytics Data API (analyticsdata.googleapis.com) diaktifkan di project yang ditentukan oleh GOOGLE_CLOUD_PROJECT.
- Pastikan pengguna atau akun layanan yang melakukan autentikasi memiliki setidaknya peran Viewer (roles/analytics.viewer) di properti Google Analytics target di UI Google Analytics.
- Jika status error menyatakan Request had insufficient authentication scopes, jalankan kembali gcloud auth application-default login dengan cakupan https://www.googleapis.com/auth/analytics.readonly dan https://www.googleapis.com/auth/cloud-platform.
Project kuota (GOOGLE_CLOUD_PROJECT) atau 403 ACCESS_NOT_CONFIGURED tidak ada:
- Permintaan yang diautentikasi dengan kredensial ADC pengguna memerlukan project kuota dengan Google Analytics API diaktifkan. Tetapkan "GOOGLE_CLOUD_PROJECT": "YOUR_PROJECT_ID" di konfigurasi env server MCP Anda, atau tetapkan project kuota di file ADC Anda:
```
gcloud auth application-default set-quota-project YOUR_PROJECT_ID
```
401 UNAUTHENTICATED atau file kredensial tidak ditemukan:
- Gunakan jalur absolut untuk GOOGLE_APPLICATION_CREDENTIALS (misalnya, /Users/username/.config/gcloud/application_default_credentials.json). Hindari variabel ~ atau $HOME, karena banyak host MCP tidak memperluas variabel shell di dalam file konfigurasi JSON.
- Jalankan kembali gcloud auth application-default login jika kredensial pengguna Anda telah habis masa berlakunya.
Server gagal diluncurkan (error versi spawn pipx ENOENT, uvx: command not found, atau Python):
- Pastikan Python 3.10 atau yang lebih baru telah diinstal (python3 --version).
- Aplikasi GUI desktop (seperti Claude Desktop dan Cursor) sering kali tidak mewarisi PATH shell interaktif Anda. Ganti "pipx" atau "uvx" di "command" dengan jalur biner absolut yang ditampilkan oleh which pipx atau which uvx (misalnya, /opt/homebrew/bin/pipx atau /Users/username/.local/bin/pipx).