mcpField
M
MCP Search Analytics Server

MCP Search Analytics Server

本地服务
github.com/dexter480数据与分析214 周前更新
代码仓库

关于 MCP Search Analytics Server

MCP Search Analytics Server 通过统一的 MCP 接口查询 Google Analytics 4 和 Google Search Console 数据，面向网站及搜索表现分析。凭据通过环境变量配置。

主要功能

  1. 01查询 Google Analytics 4 数据
  2. 02查询 Google Search Console 数据
  3. 03通过 MCP 访问分析数据
  4. 04使用环境变量配置凭据

适用场景

  1. 01分析网站统计数据
  2. 02查看搜索表现数据
  3. 03从 MCP 客户端执行分析查询

MCP 相关

该 MCP 服务为客户端提供统一的 Google Analytics 4 和 Google Search Console 数据访问，包括实时分析查询。

#mcp#search-analytics#data-analysis

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

MCP Search Analytics Server

用于分析 Google Analytics 和 Search Console 数据的 Model Context Protocol（MCP）服务。

🚀 功能

  • 统一访问 Google Analytics 4 和 Google Search Console 数据
  • 通过 MCP 接口实时查询分析数据
  • 通过环境变量安全管理凭据

🔧 设置

前提条件
  • Python 3.8+
  • 已启用 Analytics 和 Search Console API 的 Google Cloud 项目
  • 具有相应权限的 Google Service Account
安装
  1. 克隆此仓库：
git clone https://github.com/vesivanov/mcp-search-analytics.git
cd mcp-search-analytics
  1. 创建虚拟环境：
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
  1. 安装依赖：
pip install -r requirements.txt
配置

  1. 创建环境文件：

    cp environment.example .env

  2. 设置 Google Service Account：

    • 在 Google Cloud Console 中创建服务账号
    • 下载 JSON 凭据文件
    • 启用 Google Analytics Reporting API 和 Search Console API
    • 为服务账号授予必要权限

  3. 配置环境变量： 使用实际值编辑 .env 文件：

    ANALYTICS_CREDENTIALS_PATH=/path/to/your/credentials.json
GSC_SITE_URL=https://your-website.com
GA4_PROPERTY_ID=your-property-id
用法
  1. 测试凭据：
python test_credentials.py
  1. 运行 MCP 服务：
python unified_analytics_server.py

🔐 安全说明

  • 切勿将凭据文件（.json、.env）提交到版本控制中
  • 安全存储凭据并使用环境变量
  • 定期轮换服务账号密钥
  • 遵循 API 访问的最小权限原则

📋 要求

Python 依赖项请参阅 requirements.txt。

🤝 贡献

  1. Fork 此仓库
  2. 创建功能分支
  3. 进行更改
  4. 充分测试
  5. 提交拉取请求

📄 许可证

本项目采用 MIT License 授权，详情请参阅 LICENSE 文件。

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。