Interrogare Google Analytics 4 con Claude o Cursor tramite MCP.
Una configurazione di 5 minuti che consente al tuo strumento di intelligenza artificiale di porre domande in linguaggio naturale sui tuoi dati GA4 (visualizzazioni di pagina, sessioni, sorgenti di traffico, conversioni, interazioni) senza esporre i token OAuth di Google Analytics al fornitore dell'IA o aprire le porte del firewall sulla tua rete.
Chiedi a Nova, ottieni SQL + grafici
Incontrare Nova
Una chiave per ogni partner. Nessuna credenziale condivisa.
Creare un'API
+più
Sincronizzazione programmata con oltre 6 piattaforme
Esplorare
+più
Interrogare le API con SQL, senza codice
Esplorare
+più
Claude, Cursor, ChatGPT e Grok interagiscono con i tuoi dati
Connetti l'IAQuery Streams è una piattaforma di integrazione dati sicura e in tempo reale che integra tutti i database e le API SaaS del tuo account in Claude, Cursor, ChatGPT e Grok, tramite un'unica chiave MCP e senza modifiche al firewall. Questa guida di Google Analytics MCP illustra come configurare il connettore di Google Analytics 4, in modo che il tuo strumento di intelligenza artificiale possa rispondere a domande in linguaggio naturale su visualizzazioni di pagina, sessioni, sorgenti di traffico e conversioni, senza che tu debba esportare report in formato CSV dall'interfaccia web di GA4. Per saperne di più, visita QueryStreams.com e iscriviti gratuitamente per iniziare a porre al tuo strumento di intelligenza artificiale domande reali di analisi di marketing.
Cosa ti offre il server Query Streams Google Analytics MCP
Altri server "Google Analytics MCP" presenti nel panorama open source collegano lo strumento di intelligenza artificiale direttamente all'API dati di GA4. Questo funziona, ma inserisce un token OAuth di Google nella configurazione del client di intelligenza artificiale, limita l'utilizzo dello strumento di intelligenza artificiale al solo ambito di Analytics e non fornisce alcuna traccia di controllo delle richieste effettivamente effettuate dall'IA. Il server Query Streams Google Analytics MCP risolve un problema più ampio: un'unica chiave, tutti i connettori, traccia di controllo completa e lo strumento di intelligenza artificiale non memorizza mai le credenziali di Google. L'agente memorizza nella cache ogni proprietà di GA4 in un file DuckDB locale, in modo che LLM veda le reali interfacce SQL (tabelle, colonne, join, tipi semantici) anziché endpoint REST con nomi di dimensioni e metriche opachi.
Nessuna falla nel firewall in entrata
L'agente di rete apre un singolo collegamento cloud crittografato in uscita verso Query Streams. Il client AI si connette al cloud, mai alla rete locale. Nessuna porta da aprire, nessun indirizzo IP da inserire in una lista bianca, nessuna VPN.
Una sola chiave, ogni connettore
La stessa chiave MCP è accessibile a tutti i database e le API SaaS a cui il tuo account è connesso. Aggiungi un connettore Stripe o PostgreSQL domani e lo strumento di intelligenza artificiale lo rileverà senza bisogno di reinserire la chiave.
Schema Intelligence integrato
L'IA vede descrizioni curate dall'IA, tipi semantici, elenchi di valori enum e chiavi esterne scoperte per ogni colonna, non solo semplici schema_informativo output. Scrive SQL corretto al primo tentativo.
Modalità di sola lettura imposta dall'agente
Nemmeno un LLM allucinatorio può emettere ELIMINARE o AGGIORNAMENTO tramite Query Streams MCP. L'agente di rete rifiuta tutto ciò che non è SELEZIONARE, CON, o SPIEGARE prima che raggiunga la fonte dei dati.
limiti di frequenza per chiave
60 richieste al minuto e 10 chiamate di esecuzione al minuto per impostazione predefinita, configurabili per chiave. Un ciclo di chiamate a strumenti di IA fuori controllo intacca un bucket di token, non la tua quota API GA4 Data o il tuo portafoglio.
Come funziona il server MCP di Google Analytics senza aprire le porte del firewall
L'agente di rete di Query Streams è un piccolo programma che si installa una sola volta su una macchina in grado di raggiungere l'API dati di Google Analytics (qualsiasi laptop, server o macchina virtuale cloud). Apre un collegamento cloud TLS in uscita verso il cloud di Query Streams e rimane in attesa delle chiamate degli strumenti. Quando Claude o Cursor pongono una domanda, il cloud inoltra la richiesta all'agente, l'agente chiama l'API dati di GA4, l'agente memorizza nella cache la risposta in un DuckDB locale in modo che l'IA possa eseguire query SQL su di essa e il risultato viene ritrasmesso attraverso lo stesso canale in uscita. Nessun collegamento in entrata. Nessun dato esposto. Lo strumento di IA non vede mai il token OAuth di Google e il server GA4 MCP non memorizza mai direttamente le credenziali: lo fa l'agente, sulla rete dell'utente.
Cliente AI
Cursor, Claude,
ChatGPT, Grok
Server QS MCP
HTTP in streaming
Autenticazione chiave X-MCP
Agente di rete
Sulla tua rete
Collegamento cloud in uscita
Google Analytics 4
memorizzato nella cache come SQL
tramite DuckDB
Il tasto MCP che assegni al cursore o a Claude è vincolato a un ambito specifico (Leggere / analizzare / eseguire), revocabile in qualsiasi momento e con limitazione di frequenza per chiave. Lo strumento di intelligenza artificiale richiama questi strumenti MCP per svolgere il suo lavoro:
chiave_modello con possibilità di sovrascrivere i parametri.Perché Schema Intelligence rende il server GA4 MCP diverso
La maggior parte dei server “MCP per X” nel panorama open-source consegnano al tuo strumento di IA lo stesso schema_informativo il tuo database passa a uno sconosciuto. Nomi delle colonne. Tipi di dati. Forse una chiave primaria. Per Google Analytics 4 in particolare, il quadro è ancora più desolante: un tipico server GA4 MCP restituisce un elenco piatto di nomi di dimensioni e metriche GA4, l'IA deve indovinare quali metriche sono sommabili rispetto a quelle mediate, non ha idea che tasso di coinvolgimento viene memorizzato come un decimale da 0 a 1 anziché come una percentuale e non ha idea che data_evento è un numero intero in formato YYYYMMDD piuttosto che un vero SQL DATAEcco perché la prima query SQL che la maggior parte degli LLM scrive su uno schema GA4 di base, sia che venga restituita da un MCP GA4 generico o da una libreria ga4 mcp generica, è errata al primo tentativo. Non è che l'LLM sia difettoso, ma che non dispone dei dati necessari per essere corretto.
Il server Query Streams MCP restituisce lo stesso schema arricchito con ciò che chiamiamo Schema Intelligence (SI) — Metadati curati dall'IA generati eseguendo query di profilazione sui tuoi dati reale Dati GA4 prima ancora che il client AI li richieda. Quando SI è abilitato su un connettore, ogni strumento di schema che l'AI chiama (qs_get_connector_schema, qs_get_table_schema, qs_profile_table, qs_get_relationships) restituisce lo schema di base più sei livelli di conoscenza curata. LLM smette di fare supposizioni sui nomi degli eventi, le sorgenti di traffico, le categorie di dispositivi, le dimensioni personalizzate e quella colonna di date codificate in numeri interi.
Per rendere questo concreto, ecco cosa riceve il client AI da un singolo qs_get_table_schema chiamata contro il connettore GA4 ga4_events tabella — prima senza Schema Intelligence, poi con essa.
I sei livelli Schema Intelligence aggiungono
Ogni livello affronta una specifica classe di domande a cui l'LLM altrimenti risponderebbe per tentativi, e SI viene eseguito come una fase di profilazione facoltativa di sola lettura che non modifica mai lo schema. Maggiori informazioni su come viene generata l'intelligenza dello schema →
Descrizioni generate dall'IA
Descrizione chiara e semplice per ogni database, schema, tabella e colonna: generata una sola volta e aggiornata a ogni modifica dello schema. Valutazione dell'affidabilità; le descrizioni create dagli utenti sono sempre le migliori.
una riga per ogni interazione dell'utente."
Classificazioni delle tabelle
Ogni tabella è contrassegnata da un tag FACT (eventi transazionali), DIM (riferimenti descrittivi) o LOOKUP (mappe di codice di piccole dimensioni), oltre a un dominio aziendale: analisi, vendite, risorse umane, SEO, finanza, supporto e altri 14.
ga4_traffic_sources [DIM, dominio:analytics]
Tipi semantici per colonna
Diciotto tipi: valuta, email, data_aaaammgg, codice_stato, percentuale, posizione_in_classifica, identificativo, URL, nome_persona e altro ancora. L'IA genera codice SQL corretto dal punto di vista linguistico e appropriato per ciascun tipo.
event_count: contatore · event_date: data_aaaammgg
Valori di esempio tratti da dati reali
Righe casuali sono state presentate all'LLM in modo che riconoscesse modelli che nessuno schema può mostrare: nomi di eventi sottolineati in stile GA4, forme di dimensioni personalizzate e la codifica effettiva delle stringhe della sorgente di traffico.
'/pricing', '/features/text-to-sql']
Rilevamento di enumerazioni con distribuzioni
Colonne a bassa cardinalità (50 o meno valori distinti, al massimo il 5% di righe univoche) mappate al loro elenco completo di valori con conteggio delle righe. L'IA non dovrà più indovinare mai la distinzione tra maiuscole e minuscole o l'ortografia nei nomi degli eventi.
| inizio sessione (18%) | acquisto (3%)
Scoperta implicita delle chiavi esterne
L'analisi della sovrapposizione dei dati tra tabelle trova le join che non sono dichiarate come vincoli DDL. Memorizzate insieme alle chiavi esterne formali con punteggi di confidenza, restituite da qs_get_relationships.
(99% di sovrapposizione, conf 1.0)
Stesso prompt, SQL diverso
La prova sta nel codice SQL che lo strumento di intelligenza artificiale scrive effettivamente. Stessa sessione del cursore, stesso modello di Claude, stesso prompt — "Mostrami le mie 10 landing page con il più alto tasso di coinvolgimento del mese scorso, quelle con oltre 100 visualizzazioni di pagina." Senza l'intelligenza dello schema, il LLM deve tirare a indovinare. Con essa, il LLM sa.
si_recommendation blocco su cui l'IA può agire per abilitare SI a metà conversazione tramite qs_request_si_analysis. Come funziona l'arricchimento tramite Schema Intelligence →
MCP non fa per te? Prova Nova AI.
Saltate completamente MCP: Nova AI è integrata direttamente nel portale web Query Streams., quindi puoi accedere e porre le stesse domande GA4 in linguaggio semplice — “Qual è l'andamento della nostra frequenza di rimbalzo negli ultimi 90 giorni?" O "Quali categorie di contenuti generano il maggior numero di iscrizioni?” — senza file di configurazione e senza bisogno di cablare nulla.
Scopri Nova AIPrerequisiti
Prima di iniziare, assicurati di avere:
- Un account Query Streams gratuito su my.querystreams.com.
- L'agente di rete Query Streams installato su una macchina con accesso a Internet — vedere Scarica l'agente Query Streams.
- Un connettore Google Analytics 4 configurato contro l'agente — vedere quello esistente Impostazione del connettore API Guide per l'associazione OAuth. L'agente detiene il token OAuth di Google; lo strumento di intelligenza artificiale non lo tocca mai.
- Qualsiasi client AI compatibile con MCP. In questa guida mostreremo Cursor, Claude Desktop, ChatGPT e Grok; se utilizzi Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex o Goose, il blocco di configurazione è sostanzialmente lo stesso.
- Cinque minuti.
Genera una chiave MCP
Dal /mcp Nella pagina Query Streams, crea una chiave con gli ambiti desiderati.
Inseriscilo nel tuo client AI
Un unico frammento JSON per Cursor, Claude, ChatGPT o Grok. La stessa chiave ovunque.
Poni una domanda
"Qual è la nostra principale fonte di traffico in termini di conversioni questo mese?" — l'IA chiama gli strumenti giusti e tu ottieni la risposta.
Passaggio 1: Genera una chiave MCP di Google Analytics in Query Streams
Accedi a Query Streams e apri il Pagina MCP (oppure accedi prima a my.querystreams.com e clicca MCP nella navigazione a sinistra). La stessa chiave MCP di Google Analytics raggiunge ogni connettore nel tuo account, non solo GA4, quindi ne generi sempre una sola. Fai clic Genera chiave, dare alla chiave un nome riconoscibile (qualcosa come cursore-laptop o claude-desktop), e seleziona gli ambiti che desideri assegnare a questa chiave:
Leggere— L'IA può esplorare i connettori e leggere lo schema. Necessario per tutto il resto.analizzare— L'IA può profilare le tabelle e scoprire relazioni (valori campione, distribuzioni, tipi semantici). Opzionale ma fortemente consigliato per il lavoro di analisi, dove è importante comprendere la struttura dei dati degli eventi.eseguire— l'IA è effettivamente in grado di eseguire query SQL. Senza questa funzionalità, l'IA può accedere solo ai metadati dello schema in sola lettura.
Per un tipico flusso di lavoro "lascia che Claude analizzi i miei dati di Google Analytics", tutti e tre gli ambiti sono appropriati. Per una chiave che stai consegnando a un collega o a un cliente meno affidabile, elimina eseguire e consentire loro solo di navigare. È possibile revocare qualsiasi chiave in qualsiasi momento dalla stessa pagina; il client AI vedrà MCP_KEY_REVOCATA alla sua prossima chiamata e smette di funzionare immediatamente. Non c'è ritardo di propagazione.
Copia la chiave ora: Query Streams la mostra una sola volta, poi memorizza solo un hash. Se la perdi, generane una nuova. La chiave ha questo aspetto: qsmcp_ seguito da 48 caratteri casuali ed è ciò che il tuo client AI invia nel Chiave X-MCP intestazione della richiesta.
Passaggio 2: Aggiungi Query Streams MCP al tuo client AI
La configurazione ha la stessa forma su ogni client compatibile con MCP: una voce del server MCP che punta a https://mcp.querystreams.com con la tua chiave nella Chiave X-MCP Intestazione. Seleziona il tuo cliente qui sotto.
// Modifica ~/.cursor/mcp.json { "mcpServers": { "querystreams": { "url": "https://mcp.querystreams.com", "intestazioni": { "X-MCP-Key": "qsmcp_INSERISCI_QUI_LA_CHIAVE" } } } }
// Impostazioni → Sviluppatore → Modifica configurazione { "mcpServers": { "querystreams": { "url": "https://mcp.querystreams.com", "intestazioni": { "X-MCP-Key": "qsmcp_INSERISCI_QUI_LA_CHIAVE" } } } }
// Impostazioni → App e connettori → Aggiungi MCP URL del server https://mcp.querystreams.com Intestazione di autorizzazione Chiave X-MCP Valore dell'intestazione qsmcp_INSERISCI_QUI_LA_CHIAVE // Richiede un piano ChatGPT a pagamento // (Plus / Pro / Team / Enterprise).
// Grok → Impostazioni → Strumenti { "mcp_servers": [{ "nome": "querystreams", "url": "https://mcp.querystreams.com", "auth_header": "X-MCP-Key", "valore_di_autenticazione": "qsmcp_..." }] }
Riavvia il tuo client AI. Al successivo avvio, rileverà gli otto strumenti Query Streams MCP elencati sopra e li renderà disponibili nella sua tavolozza degli strumenti. In Cursor e Claude Desktop puoi verificarlo digitando “connettori di elenco” — l'IA dovrebbe chiamare qs_list_connectors e restituisci il connettore di Google Analytics 4 insieme a qualsiasi altro elemento che hai configurato.
Passaggio 3: Poni all'IA una domanda su Google Analytics 4
Non devi scrivere query SQL, lo fa l'IA. Poni una domanda, l'IA seleziona lo strumento MCP più adatto, l'agente esegue la query sui dati GA4 memorizzati nella cache e la risposta viene restituita sotto forma di testo e tabelle. Ecco tre esempi di query da provare:
mezzo di traffico_fonte Nel corso del mese corrente, i dati vengono uniti al conteggio degli eventi di conversione e ordinati in base al tasso di conversione. La tabella dei risultati verrà visualizzata direttamente, insieme a un'interpretazione scritta dei canali che generano il maggior numero di iscrizioni e di quelli che disperdono traffico.La prima volta che l'IA richiama uno strumento, il tuo client potrebbe visualizzare una richiesta di conferma per autorizzare la chiamata allo strumento: si tratta del flusso di consenso standard di MCP, non di una funzionalità aggiunta da Query Streams. Approva una volta e l'IA procederà liberamente con il resto della conversazione. Puoi rivedere il consenso in qualsiasi momento nelle impostazioni del tuo client.
Avviso di fatturazione trasparente: l'utilizzo di MCP viene addebitato in base ai byte non compressi.
Il componente aggiuntivo Excel di Query Streams, il componente aggiuntivo Fogli Google, il generatore di query web e Nova AI funzionano tutti tramite il nostro collegamento cloud compresso: misuriamo e fatturiamo byte compressi rispetto al tuo dominio dati. Il trasporto MCP (Streamingable HTTP secondo le specifiche ufficiali MCP) non supporta in modo affidabile la compressione end-to-end su ogni client e proxy intermedio, quindi misuriamo e fatturiamo byte non compressi per il traffico MCP.
- Cosa significa: Una query di aggregazione giornaliera GA4 da 3 MB costa circa 3 MB del tuo spazio dati quando viene recuperata tramite MCP, rispetto a circa 400-600 KB tramite Excel/Fogli/Nova/Query Builder. I dati degli eventi GA4 sono insolitamente comprimibili: le stringhe ripetute del nome dell'evento e della sorgente di traffico si comprimono da 6 a 8 volte tramite LZ4 sul nostro collegamento cloud, quindi il divario su questo connettore è più ampio rispetto alla maggior parte dei database.
- Ciò che questo non è: Un sovrapprezzo o una penalità per l'utilizzo di MCP. Trasmettiamo i byte effettivamente trasmessi. Gli altri client sono più economici perché la compressione funziona in modo affidabile su quei protocolli di trasporto; non ti penalizziamo per la scelta del protocollo, ma dobbiamo essere trasparenti sulla struttura dei costi.
- Cosa puoi fare: Per query ricorrenti di grandi dimensioni (ad esempio, esportazioni di eventi con oltre 100.000 righe), è preferibile utilizzare Excel, Fogli Google o Nova Software. Per le chiamate interattive a strumenti di intelligenza artificiale (le tipiche risposte da 100 a 5.000 righe che si adattano a un contesto LLM), MCP è la scelta giusta e la differenza di costo è di pochi centesimi.
Domande frequenti
Devo aprire delle porte o usare una VPN per poterlo utilizzare? +
https://mcp.querystreams.com dalla rete internet pubblica, quindi se HTTPS in uscita funziona sull'host dell'agente, MCP funziona. Scopri come funziona la connessione solo in uscita →
Quali strumenti di intelligenza artificiale posso utilizzare con Query Streams MCP? +
Posso revocare una chiave MCP? +
/mcp pagina, per organizzazione tramite impostazioni del piano e a livello di piattaforma), nessuna delle quali richiede la rotazione della password del database o il riavvio dell'agente. Maggiori informazioni sulla revoca delle chiavi e sulla sicurezza delle chiavi MCP →
Come viene fatturato l'utilizzo di MCP sul mio dominio dati? +
byte compressi); MCP funziona su Streamable HTTP, che non supporta in modo affidabile la compressione end-to-end attraverso ogni client e proxy, quindi fatturiamo byte non compressiUn risultato di 1 MB restituito a Excel in genere costa circa 150-250 KB del tuo spazio dati; lo stesso risultato di 1 MB restituito a Cursor tramite MCP costa circa 1 MB. Siamo trasparenti al riguardo perché preferiamo che tu lo sappia in anticipo piuttosto che avere sorprese alla fine del ciclo di fatturazione.
Il componente Query Streams MCP è compatibile con la mia proprietà GA4, le dimensioni personalizzate e i parametri degli eventi? +
ga4_events tavolo e su ogni proiezione (ga4_page_performance, ga4_user_acquisition, conversioni ga4, ga4_traffic_sources) che li include. Schema Intelligence rileva le dimensioni personalizzate alla prima sincronizzazione e le include nella vista dello schema di LLM con tipi semantici, valori di esempio e distribuzioni enum ove applicabile, quindi una colonna definita come “livello_cliente” con valori gratuito/pro/impresa viene visualizzato all'IA come un'enumerazione status_code, non come un varchar opaco. È possibile registrare più proprietà GA4 come connettori separati (ad esempio sito principale + blog + app mobile) e LLM sceglie quello corretto per nome. Universal Analytics, il predecessore deprecato, è non supportato — solo GA4.
In che cosa si differenzia questo dall'eseguire autonomamente un server GA4 MCP open-source? +
registri eventie la stessa pipeline di fatturazione del realm dei dati che già utilizzi, nessuna delle quali è fornita da un MCP diretto. E sul lato GA4 in particolare, la superficie SQL memorizzata nella cache (con l'annotazione del tipo semantico della data YYYYMMDD, il suggerimento della percentuale del tasso di coinvolgimento e i valori enum scoperti per nome_evento) conferisce all'LLM una precisione al primo tentativo di gran lunga superiore rispetto alla traduzione diretta del linguaggio naturale in un'API di dati GA4 report di esecuzione chiamata.
Cosa succede se l'IA tenta di scrivere o cancellare dati? +
query_di_esecuzione_qs la chiamata viene analizzata da un validatore di sola lettura hardcoded che consente solo SELEZIONARE, CON, e SPIEGARE dichiarazioni; qualsiasi altro risultato VIOLAZIONE DI SOLA LETTURA e non raggiunge mai la cache di GA4. Il validatore viene eseguito nel processo dell'agente sulla rete locale, non nel cloud, quindi una superficie cloud compromessa non potrebbe aggirarlo. (Anche l'API dati di GA4 è di sola lettura, ma la stessa protezione si applica a qualsiasi altro connettore che si possa aggiungere, come PostgreSQL, MySQL, ecc.)
Posso vedere cosa ha chiesto esattamente l'IA? +
registri eventi con l'organizzazione, l'utente, la chiave, l'ambito, la latenza e il codice del risultato. L'amministratore dell'organizzazione può rispondere a "chi ha utilizzato MCP la scorsa settimana, quale connettore e cosa ha chiesto?" con una singola query. Nota che registriamo il nome dello strumento e metadati, non il testo SQL o le righe restituite: questi transitano attraverso il collegamento cloud e non finiscono mai nei log cloud. Per GA4 in particolare il registri eventi il tavolo è anche il tuo soltanto Traccia di controllo: a differenza della maggior parte dei database, l'API dati GA4 non espone un registro di controllo amministrativo alle applicazioni OAuth, quindi il registro lato agente è la fonte di verità per "chi ha interrogato quale proprietà e quando".
Devo necessariamente eseguire Schema Intelligence per utilizzare Query Streams MCP? +
(connettore, database) paioe MCP funziona bene anche senza. L'IA riceve lo schema di base (tipi, chiavi primarie, chiavi esterne formali, indici) e scrive query di base. Con SI abilitato, l'IA riceve sei livelli aggiuntivi di metadati curati: (1) Descrizioni generate dall'intelligenza artificiale per ogni database, tabella e colonna; (2) Classificazioni delle tabelle (FATTO per gli eventi transazionali, DIM per i riferimenti descrittivi, CERCA per le mappe di codice di piccole dimensioni) più un tag di dominio aziendale (vendite, risorse umane, SEO, finanza, supporto e altri 14); (3) un tipo semantico su ogni colonna (valuta, email, data_aaaammgg, codice_stato, percentuale, posizione_in_classifica, identificatore, URL, nome_persona e altre 9) che guida la generazione SQL corretta dal dialetto; (4) Campiona i valori dai tuoi dati reali in modo che LLM riconosca i modelli che nessuno schema può mostrare; (5) rilevamento enum con distribuzioni di valori complete per colonne a bassa cardinalità; e (6) Chiavi esterne scoperte dall'IA basate sulla sovrapposizione dei dati tra tabelle, rese visibili attraverso qs_get_relationships. Senza SI, ogni risposta dello schema-tool porta anche un si_recommendation blocco che elenca esattamente ciò che manca per la chiamata: l'IA può leggerlo e offrire di attivare SI a metà conversazione tramite qs_request_si_analysisIl tempo di esecuzione varia in base al numero di tabelle: un piccolo database con meno di 100 tabelle viene completato in circa 10 minuti; un database di medie dimensioni (poche centinaia di tabelle) termina in 15-25 minuti; un grande database aziendale con oltre 1.500 tabelle può richiedere 45-60 minuti per una scansione completa. SI viene eseguito tramite il tuo Network Agent sui tuoi dati (mai nel cloud), non scrive mai sul tuo database, non modifica mai il tuo schema e si aggiorna in modo incrementale quando lo schema cambia, quindi le esecuzioni successive all'aggiunta o alla modifica delle tabelle sono molto più veloci della prima. L'effetto end-to-end: con SI abilitato, il tuo client AI scrive SQL corretto al primo tentativo molto più spesso di quanto non faccia con qualsiasi server "MCP per X" che si limita a passare l'LLM schema_informativo.
E se in seguito aggiungessi un altro connettore, come Stripe o PostgreSQL? +
qs_list_connectors (lo rileva automaticamente), quindi un singolo blocco di configurazione acquista l'intero account, presente e futuro. Perché una sola chiave copre tutti i connettori →
Devo configurare MCP solo per chattare con i miei dati? +
Inizia
Collega il tuo strumento di intelligenza artificiale ai tuoi dati GA4 in cinque minuti.
Un'unica chiave MCP di Google Analytics raggiunge GA4, ogni database e ogni altro connettore API nel tuo account Query Streams, con tracciabilità completa, limiti di frequenza per chiave e senza modifiche al firewall. Che il tuo stack sia Claude + GA4, Cursor + GA4, ChatGPT o Grok, la stessa chiave e lo stesso Network Agent servono tutti i client.
Guide correlate: Scarica l'agente Query Streams | Impostazione del connettore API | Tutte le guide del server MCP | Nova AI text-to-SQL
Categoria: Server MCP
Tag: mcp, claude, cursore, chatgpt, grok, google-analytics, ga4, web-analytics, marketing-analytics, api-connector, ai
Meta Description: Collega Claude o Cursor a Google Analytics 4 tramite MCP. Interroga i dati di GA4 con l'intelligenza artificiale in un linguaggio semplice. Gratuito.
English 
Spanish 
German 
French 
Portuguese 
Japanese 
Korean 
Chinese 
Italian 
Dutch 
Indonesian 
Polish