Abfragen von Google Analytics 4 mit Claude / Cursor über MCP (Google Analytics MCP-Server-Setup)

Sehen Sie alles, was Query Streams über diesen Leitfaden hinaus leisten können Startet kostenlos

Unterstützt

+mehr

Live-Daten

Ersetzen Sie Exporte durch On-Demand-SQL

Excel Blätter

BI & KI-Analytik

Fragen Sie Nova und erhalten Sie SQL + Diagramme

Treffen mit Nova

REST-API für Datenbanken

Ein Schlüssel pro Partner. Zugangsdaten werden nicht weitergegeben.

Erstellen Sie eine API

+mehr

Automatisierung

Geplante Synchronisierung mit 6+ Plattformen

Erkunden Sie

+mehr

API zu SQL

Abfrage von APIs mit SQL, ohne Code

Erkunden Sie

+mehr

KI-Datenbank MCP

Claude, Cursor, ChatGPT & Grok sprechen mit Ihren Daten

Connect AI

Query Streams ist eine sichere Echtzeit-Datenintegrationsplattform, die jede Datenbank und SaaS-API Ihres Kontos in Claude, Cursor, ChatGPT und Grok integriert – und zwar über einen einzigen MCP-Schlüssel ohne Änderungen an der Firewall. Dieser Google Analytics MCP-Leitfaden beschreibt detailliert die Einrichtung des Google Analytics 4-Connectors, damit Ihr KI-Tool Fragen zu Seitenaufrufen, Sitzungen, Traffic-Quellen und Conversions in einfacher Sprache beantworten kann, ohne dass Sie CSV-Berichte aus der GA4-Weboberfläche exportieren müssen. Weitere Informationen finden Sie unter QueryStreams.com. und kostenlos anmelden Beginnen Sie damit, Ihrem KI-Tool echte Fragen zur Marketinganalyse zu stellen.

Was Ihnen der Query Streams Google Analytics MCP-Server bietet

Andere „Google Analytics MCP“-Server im Open-Source-Bereich verbinden das KI-Tool direkt mit der GA4 Data API. Das funktioniert zwar, fügt aber ein Google OAuth-Token in die Konfiguration Ihres KI-Clients ein, beschränkt dessen Zugriff auf Analytics und bietet keine Protokollierung der KI-Anfragen. Der Query Streams Google Analytics MCP-Server löst ein umfassenderes Problem: Ein einziger Schlüssel für alle Konnektoren, vollständige Protokollierung und das KI-Tool speichert niemals Ihre Google-Anmeldeinformationen. Der Agent speichert jede GA4-Property in einer lokalen DuckDB-Datei, sodass das LLM echte SQL-Oberflächen – Tabellen, Spalten, Joins, semantische Typen – anstelle von REST-Endpunkten mit undurchsichtigen Dimensions- und Metriknamen sieht.

Wie der Google Analytics MCP-Server ohne Öffnung von Firewall-Ports funktioniert

Der Query Streams Network Agent ist ein kleines Programm, das Sie einmalig auf einem Rechner installieren, der die Google Analytics Data API erreichen kann (z. B. Laptop, Server oder Cloud-VM). Er öffnet eine ausgehende TLS-Cloud-Verbindung zur Query Streams-Cloud und wartet dort auf Tool-Aufrufe. Wenn Claude oder Cursor eine Abfrage stellen, leitet die Cloud die Anfrage an den Agenten weiter. Dieser ruft die GA4 Data API auf, speichert die Antwort in einer lokalen DuckDB, damit die KI SQL-Abfragen ausführen kann, und sendet das Ergebnis über denselben ausgehenden Kanal zurück. Es werden keine eingehenden Daten übertragen. Ihre Daten sind nicht offengelegt. Das KI-Tool sieht niemals Ihr Google OAuth-Token, und der GA4 MCP-Server speichert Ihre Anmeldeinformationen niemals direkt – dies tut der Agent in Ihrem Netzwerk.

Die MCP-Taste, die Sie Cursor oder Claude geben, hat einen Gültigkeitsbereich (lesen / analysieren / ausführen), jederzeit widerrufbar und pro Schlüssel ratenbegrenzt. Das KI-Tool ruft diese MCP-Tools auf, um seine Arbeit zu erledigen:

Warum Schema Intelligence den GA4 MCP-Server anders macht

Die meisten „MCP für X“-Server im Open-Source-Bereich stellen Ihrem KI-Tool die gleichen Funktionen zur Verfügung. Informationsschema Ihre Datenbank übergibt sie einem Fremden. Spaltennamen. Datentypen. Vielleicht ein Primärschlüssel. Speziell für Google Analytics 4 sieht die Lage noch düsterer aus: Ein typischer GA4 MCP-Server liefert eine flache Liste von GA4-Dimensions- und Metriknamen zurück, die KI muss raten, welche Metriken summierbar und welche gemittelt sind, und hat keine Ahnung, dass Engagement-Rate wird als Dezimalzahl (0-1) anstatt als Prozentsatz gespeichert und hat keine Ahnung, dass Veranstaltungsdatum ist eine Ganzzahl im Format YYYYMMDD und keine echte SQL-Anweisung. DATUMDeshalb ist der erste SQL-Befehl, den die meisten LLMs gegen ein einfaches GA4-Schema schreiben – egal ob von einem generischen GA4-MCP oder einer generischen GA4-MCP-Bibliothek –, beim ersten Versuch falsch. Das liegt nicht daran, dass der LLM fehlerhaft ist, sondern daran, dass ihm die notwendigen Daten fehlen, um korrekt zu sein.

Der Query Streams MCP-Server gibt dasselbe Schema zurück, angereichert mit dem, was wir nennen. Schema Intelligence (SI) — KI-gestützte Metadaten, die durch die Ausführung von Profiling-Abfragen gegen Ihre tatsächliches GA4-Daten, bevor der KI-Client überhaupt anfragt. Wenn SI für einen Konnektor aktiviert ist, werden alle Schema-Tools, die die KI aufruft, verarbeitet (qs_get_connector_schema, qs_get_table_schema, qs_profile_table, qs_get_relationships) gibt das reine Schema sowie sechs Ebenen kuratierten Wissens zurück. Das LLM hört auf, Ereignisnamen, Verkehrsquellen, Gerätekategorien, benutzerdefinierte Dimensionen und die ganzzahlig kodierte Datumsspalte zu erraten.

Um das zu verdeutlichen, hier ist, was der KI-Client von einem einzelnen qs_get_table_schema Aufruf gegen den GA4-Anschluss ga4_events Tabelle – zuerst ohne Schema Intelligence, dann mit.

Die sechs Ebenen der Schema Intelligence fügen hinzu

Jede Ebene befasst sich mit einer bestimmten Frageklasse, die das LLM sonst nur erraten würde, und SI läuft als optionaler, schreibgeschützter Profiling-Durchlauf, der Ihr Schema niemals verändert. Mehr dazu, wie Schema Intelligence generiert wird →

Gleiche Eingabeaufforderung, unterschiedliches SQL

Der Beweis liegt im SQL-Code, den das KI-Tool tatsächlich schreibt. Dieselbe Cursor-Sitzung, dasselbe Claude-Modell, dieselbe Eingabeaufforderung – „Zeigen Sie mir meine Top 10 Landingpages nach Engagement im letzten Monat, bei denen die Seitenaufrufe über 100 lagen.“ Ohne Schema Intelligence muss das LLM raten. Mit ihr weiß das LLM die Wahrheit.

MCP ist nichts für Sie? Versuchen Sie stattdessen Nova AI.

MCP komplett überspringen: Nova AI ist direkt in das Query Streams-Webportal integriert.Sie können sich also anmelden und dieselben GA4-Fragen in einfacher Sprache stellen – „Wie hat sich unsere Absprungrate in den letzten 90 Tagen entwickelt?" oder "Welche Inhaltskategorien generieren die meisten Anmeldungen?— ohne Konfigurationsdateien und ohne jegliche Verkabelung.

Lernen Sie Nova AI kennen

Voraussetzungen

Bevor Sie beginnen, stellen Sie sicher, dass Sie Folgendes haben:

1. Ein kostenloses Query Streams-Konto bei mein.querystreams.de.
2. Der Query Streams Network Agent ist auf einem Rechner mit Internetzugang installiert – siehe Laden Sie den Query Streams Agent herunter..
3. Ein für den Agenten konfigurierter Google Analytics 4-Connector – siehe bestehende API-Konnektor-Einrichtung Anleitungen für die OAuth-Kopplung. Der Agent verwaltet das Google-OAuth-Token; das KI-Tool greift niemals darauf zu.
4. Jeder MCP-fähige KI-Client. In diesem Leitfaden zeigen wir Cursor, Claude Desktop, ChatGPT und Grok; wenn Sie Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex oder Goose verwenden, ist der Konfigurationsblock im Wesentlichen derselbe.
5. Fünf Minuten.

Schritt 1: Generieren eines Google Analytics MCP-Schlüssels in Query Streams

Melden Sie sich bei Query Streams an und öffnen Sie die MCP-Seite (oder melden Sie sich zuerst an unter mein.querystreams.de und klicken Sie MCP (in der linken Navigation). Derselbe Google Analytics MCP-Schlüssel erreicht alle Konnektoren in Ihrem Konto – nicht nur GA4 – sodass Sie nur einen generieren müssen. Klicken Sie hier. Schlüssel generierenGeben Sie dem Schlüssel einen einprägsamen Namen (etwa so etwas wie Cursor-Laptop oder claude-desktop), und wählen Sie die Gültigkeitsbereiche aus, die dieser Schlüssel haben soll:

• lesen — Die KI kann Konnektoren durchsuchen und Schemata lesen. Für alles andere erforderlich.
• analysieren Die KI kann Tabellenprofile erstellen und Beziehungen (Stichprobenwerte, Verteilungen, semantische Typen) erkennen. Optional, aber für Analysearbeiten dringend empfohlen, bei denen das Verständnis der Struktur Ihrer Ereignisdaten wichtig ist.
• ausführen — Die KI kann tatsächlich SQL ausführen. Ohne diese Fähigkeit kann die KI nur auf Schema-Metadaten zugreifen.

Für einen typischen Workflow, bei dem Claude meine Google Analytics-Daten analysiert, sind alle drei Bereiche geeignet. Wenn Sie einen Schlüssel an einen Teamkollegen oder einen weniger vertrauenswürdigen Kunden weitergeben, sollten Sie den Bereich „Schlüssel“ verwenden. ausführen und lassen Sie sie nur stöbern. Sie können jeden Schlüssel jederzeit auf derselben Seite widerrufen; der KI-Client wird dies sehen. MCP_KEY_REVOKED Beim nächsten Aufruf wird die Verbindung sofort eingestellt. Es gibt keine Ausbreitungsverzögerung.

Kopieren Sie jetzt den Schlüssel – Query Streams zeigt ihn nur einmal an und speichert anschließend nur einen Hash. Falls Sie ihn verlieren, generieren Sie einen neuen. Der Schlüssel sieht folgendermaßen aus: qsmcp_ gefolgt von 48 zufälligen Zeichen, und das ist das, was Ihr KI-Client sendet. X-MCP-Schlüssel Anfrageheader.

Schritt 2: Fügen Sie Query Streams MCP zu Ihrem KI-Client hinzu

Die Konfiguration ist bei allen MCP-fähigen Clients gleich – ein MCP-Server-Einstiegspunkt, der auf … verweist. https://mcp.querystreams.com mit Ihrem Schlüssel im X-MCP-Schlüssel Kopfzeile. Wählen Sie unten Ihren Kunden aus.

Cursor ~/.cursor/mcp.json

// Bearbeiten Sie ~/.cursor/mcp.json
{
  "mcpServers": {
    "Querystreams": {
      "URL": "https://mcp.querystreams.com",
      "Überschriften": {
        "X-MCP-Key": "qsmcp_PASTE_KEY_HERE"
      }
    }
  }
}

Claude Desktop claude_desktop_config.json

// Einstellungen → Entwickler → Konfiguration bearbeiten
{
  "mcpServers": {
    "Querystreams": {
      "URL": "https://mcp.querystreams.com",
      "Überschriften": {
        "X-MCP-Key": "qsmcp_PASTE_KEY_HERE"
      }
    }
  }
}

ChatGPT Apps & Konnektoren

// Einstellungen → Apps & Konnektoren → MCP hinzufügen
Server-URL  https://mcp.querystreams.com
Authentifizierungsheader X-MCP-Schlüssel
Headerwert qsmcp_PASTE_KEY_HERE

// Erfordert einen kostenpflichtigen ChatGPT-Tarif.
// (Plus / Pro / Team / Enterprise).

Grok Remote MCP Tools

// Grok → Einstellungen → Werkzeuge
{
  "mcp_servers": [{
    "Name": "Querystreams",
    "URL": "https://mcp.querystreams.com",
    "auth_header": "X-MCP-Key",
    "auth_value": "qsmcp_..."
  }]
}

Starten Sie Ihren KI-Client neu. Beim nächsten Start erkennt er die acht oben aufgeführten Query Streams MCP-Tools und zeigt sie in seiner Werkzeugpalette an. In Cursor und Claude Desktop können Sie dies überprüfen, indem Sie Folgendes eingeben: „Verbindungen auflisten“ — die KI sollte anrufen qs_list_connectors und senden Sie uns Ihren Google Analytics 4-Connector zusammen mit allen anderen von Ihnen konfigurierten Einstellungen zurück.

Schritt 3: Stellen Sie der KI eine Google Analytics 4-Frage

Sie schreiben kein SQL – das übernimmt die KI. Sie stellen eine Frage, die KI wählt das passende MCP-Tool aus, der Agent führt die Abfrage auf Ihren zwischengespeicherten GA4-Daten aus, und die Antwort wird als Text und Tabellen zurückgegeben. Drei Beispielabfragen zum Ausprobieren:

Wenn die KI zum ersten Mal ein Tool aufruft, kann Ihr Client eine Bestätigungsabfrage anzeigen, in der Sie um Ihre Zustimmung gebeten werden – dies ist der Standard-Zustimmungsprozess von MCP und keine Ergänzung von Query Streams. Nach der einmaligen Zustimmung kann die KI die weitere Kommunikation problemlos fortsetzen. Sie können die Zustimmung jederzeit in den Einstellungen Ihres Clients erneut aufrufen.

Häufig gestellte Fragen

Los geht's!

Verwandte Leitfäden: Laden Sie den Query Streams Agent herunter. | API-Konnektor-Einrichtung | Alle MCP-Server-Anleitungen | Nova AI Text-zu-SQL

Kategorie: MCP-Server

Tags: mcp, claude, cursor, chatgpt, grok, google-analytics, ga4, web-analytics, marketing-analytics, api-connector, ai

Meta-Beschreibung: Verbinden Sie Claude oder Cursor über das MCP mit Google Analytics 4. Fragen Sie GA4-Daten mit KI in verständlichem Englisch ab. Kostenlos.