Jak wykonać zapytanie do Google Analytics 4 za pomocą Claude/Cursor przez MCP (Konfiguracja serwera Google Analytics MCP)

Zobacz wszystko, co Query Streams może zrobić poza tym przewodnikiem Rozpocznij za darmo

Wsparcie

+więcej

Dane na żywo

Zastąpienie eksportu kodem SQL na żądanie

Excel Arkusze

Analityka BI i AI

Zapytaj Nova, uzyskaj SQL + wykresy

Poznaj Nova

API REST bazy danych

Jeden klucz na partnera. Nie udostępniamy żadnych danych uwierzytelniających.

Zbuduj API

+więcej

Automatyzacja

Zaplanowana synchronizacja z ponad 6 platformami

Eksploruj

+więcej

API do SQL

Zapytania do interfejsów API za pomocą SQL, bez kodu

Eksploruj

+więcej

Baza danych AI MCP

Claude, Cursor, ChatGPT i Grok komunikują się z Twoimi danymi

Połącz AI

Query Streams to bezpieczna platforma integracji danych w czasie rzeczywistym, która umożliwia integrację wszystkich baz danych i interfejsów API SaaS na Twoim koncie z Claude, Cursor, ChatGPT i Grok — za pośrednictwem jednego klucza MCP bez konieczności wprowadzania zmian w zaporze sieciowej. Ten przewodnik po platformie MCP usługi Google Analytics szczegółowo opisuje sposób podłączenia łącznika Google Analytics 4, dzięki czemu Twoje narzędzie AI będzie mogło odpowiadać na pytania dotyczące wyświetleń stron, sesji, źródeł ruchu i konwersji bez konieczności eksportowania raportów CSV z internetowego interfejsu użytkownika GA4. Więcej informacji można znaleźć na stronie QueryStreams.com. oraz zarejestruj się za darmo aby zacząć zadawać swojemu narzędziu AI prawdziwe pytania z zakresu analityki marketingowej.

Co oferuje serwer Query Streams Google Analytics MCP?

Inne serwery „Google Analytics MCP” w środowisku open source łączą narzędzie AI bezpośrednio z interfejsem API danych GA4. To działa, ale wprowadza token Google OAuth do konfiguracji klienta AI, ogranicza zakres narzędzia AI tylko do Analytics i nie zapewnia żadnego śladu audytu tego, o co AI faktycznie pytało. Serwer Query Streams Google Analytics MCP rozwiązuje szerszy problem: jeden klucz, każdy łącznik, pełny ślad audytu, a narzędzie AI nigdy nie przechowuje danych uwierzytelniających Google. Agent buforuje każdą właściwość GA4 w lokalnym pliku DuckDB, dzięki czemu LLM widzi rzeczywiste powierzchnie SQL — tabele, kolumny, łączenia, typy semantyczne — zamiast punktów końcowych REST z niejasnymi nazwami wymiarów i metryk.

Jak działa serwer Google Analytics MCP bez otwierania portów zapory sieciowej

Agent sieciowy Query Streams to niewielki program instalowany jednorazowo na komputerze, który może uzyskać dostęp do interfejsu API danych Google Analytics (dowolny laptop, serwer lub maszyna wirtualna w chmurze). Otwiera on jedno wychodzące łącze TLS do chmury Query Streams i oczekuje tam na wywołania narzędzia. Gdy Claude lub Cursor zada pytanie, chmura przekazuje żądanie do agenta, agent wywołuje interfejs API danych GA4, agent buforuje odpowiedź w lokalnej bazie danych DuckDB, aby sztuczna inteligencja mogła wykonać na niej kod SQL, a wynik jest przesyłany strumieniowo tym samym kanałem wychodzącym. Żadnych danych przychodzących. Żadnych danych ujawnionych. Narzędzie AI nigdy nie widzi Twojego tokenu Google OAuth, a serwer GA4 MCP nigdy nie przechowuje bezpośrednio Twoich danych uwierzytelniających – robi to agent w Twojej sieci.

Klucz MCP, który podajesz Cursorowi lub Claude'owi, ma zakres (Czytać / analizować / wykonać), odwoływalne w dowolnym momencie i ograniczone szybkością dla każdego klucza. Narzędzie AI korzysta z następujących narzędzi MCP do wykonania swojej pracy:

Dlaczego inteligencja schematów wyróżnia serwer GA4 MCP

Większość serwerów „MCP dla X” w środowisku open-source przekazuje Twojemu narzędziu AI to samo schemat_informacyjny Twoja baza danych przekazuje obcemu. Nazwy kolumn. Typy danych. Może klucz podstawowy. W przypadku Google Analytics 4 sytuacja jest jeszcze bardziej ponura: typowy serwer GA4 MCP zwraca płaską listę nazw wymiarów i metryk GA4, a sztuczna inteligencja musi zgadywać, które metryki są sumowalne, a które uśredniane, i nie ma pojęcia, że… wskaźnik_zaangażowania jest przechowywany jako liczba dziesiętna 0-1, a nie procent, i nie ma o tym pojęcia data_wydarzenia jest liczbą całkowitą w formacie RRRRMMDD, a nie rzeczywistym kodem SQL DATADlatego pierwszy kod SQL, który większość programów LLM zapisuje w oparciu o schemat GA4 – niezależnie od tego, czy zwraca go generyczny schemat MCP GA4, czy generyczna biblioteka GA4 MCP – jest błędny od samego początku. Nie chodzi o to, że program LLM jest zły. Chodzi o to, że nie ma danych niezbędnych do poprawnego działania.

Serwer MCP Query Streams zwraca ten sam schemat wzbogacony o to, co nazywamy Inteligencja schematów (SI) — Metadane opracowane przez sztuczną inteligencję, wygenerowane poprzez uruchamianie zapytań profilujących na Twoim komputerze rzeczywisty Dane GA4, zanim klient AI w ogóle o nie zapyta. Po włączeniu SI w łączniku, każde narzędzie schematu wywoływane przez AI (qs_get_connector_schema, qs_get_table_schema, tabela_profili_qs, qs_get_relationships) zwraca podstawowy schemat plus sześć warstw uporządkowanej wiedzy. LLM przestaje zgadywać nazwy zdarzeń, źródła ruchu, kategorie urządzeń, wymiary niestandardowe i tę kolumnę z datami zakodowanymi w liczbach całkowitych.

Aby to uściślić, oto co klient AI otrzymuje z jednego qs_get_table_schema połączenie przeciwko złączu GA4 ga4_events tabela — najpierw bez Schema Intelligence, potem z nią.

Sześć warstw, które dodaje Schema Intelligence

Każda warstwa zajmuje się konkretną klasą pytań, na które LLM w przeciwnym razie by odpowiedział, a SI działa jako profilowanie typu opt-in, tylko do odczytu, które nigdy nie zmienia schematu. Więcej o tym, jak generowana jest inteligencja schematów →

Ten sam monit, inny kod SQL

Dowód znajduje się w kodzie SQL, który narzędzie AI faktycznie zapisuje. Ta sama sesja Cursora, ten sam model Claude'a, ten sam monit — „Pokaż mi 10 najlepszych stron docelowych według zaangażowania w zeszłym miesiącu, na których liczba wyświetleń przekroczyła 100”. Bez Schema Intelligence, LLM musi zgadywać. Dzięki niej, LLM wie.

MCP nie jest dla Ciebie? Wypróbuj Nova AI.

Całkowicie pomiń MCP: Nova AI jest wbudowana bezpośrednio w portal internetowy Query Streams, dzięki czemu możesz się zalogować i zadać te same proste pytania GA4 — „Jaki był trend naszego współczynnika odrzuceń w ciągu ostatnich 90 dni?" Lub "które kategorie treści generują najwięcej rejestracji?” — bez plików konfiguracyjnych i bez konieczności podłączania czegokolwiek.

Poznaj Nova AI

Wymagania wstępne

Zanim zaczniesz, upewnij się, że masz:

1. Bezpłatne konto Query Streams na stronie my.querystreams.com.
2. Agent sieciowy Query Streams zainstalowany na komputerze z dostępem do Internetu — zobacz Pobierz agenta strumieni zapytań.
3. Łącznik Google Analytics 4 skonfigurowany dla agenta — zobacz istniejący Konfiguracja łącznika API Przewodniki dotyczące parowania OAuth. Agent przechowuje token Google OAuth; narzędzie AI nigdy go nie dotyka.
4. Dowolny klient AI obsługujący MCP. W tym przewodniku omówimy Cursor, Claude Desktop, ChatGPT i Grok; jeśli używasz Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex lub Goose, blok konfiguracyjny jest zasadniczo taki sam.
5. Pięć minut.

Krok 1: Wygeneruj klucz MCP Google Analytics w strumieniach zapytań

Zaloguj się do Query Streams i otwórz Strona MCP (lub zaloguj się najpierw na my.querystreams.com i kliknij MCP (w nawigacji po lewej stronie). Ten sam klucz MCP Google Analytics dociera do każdego łącznika na Twoim koncie — nie tylko GA4 — więc generujesz tylko jeden. Kliknij Wygeneruj klucz, nadaj kluczowi rozpoznawalną nazwę (coś w stylu kursor-laptop lub claude-desktop) i wybierz zakresy, jakie ma mieć ten klucz:

• Czytać — sztuczna inteligencja może przeglądać złącza i odczytywać schematy. Wymagane do wszystkich innych zadań.
• analizować — sztuczna inteligencja może profilować tabele i odkrywać relacje (wartości próbek, rozkłady, typy semantyczne). Opcjonalne, ale zdecydowanie zalecane do prac analitycznych, gdzie zrozumienie kształtu danych zdarzeń ma znaczenie.
• wykonać — sztuczna inteligencja może faktycznie uruchamiać SQL. Bez tego, sztuczna inteligencja jest w stanie odczytywać jedynie metadane schematu.

W przypadku typowego przepływu pracy „pozwól Claude'owi przeanalizować moje dane z Google Analytics” wszystkie trzy zakresy są odpowiednie. W przypadku klucza, który przekazujesz członkowi zespołu lub klientowi o mniejszym zaufaniu, pomiń wykonać i pozwól im tylko przeglądać. Możesz w każdej chwili odwołać dowolny klucz z tej samej strony; klient AI zobaczy MCP_KEY_REVOKED przy następnym wywołaniu i natychmiast przestaje działać. Nie ma opóźnienia propagacji.

Skopiuj klucz teraz — Query Streams wyświetla go raz, a następnie przechowuje tylko skrót. Jeśli go zgubisz, wygeneruj nowy. Klucz wygląda tak: qsmcp_ po którym następuje 48 losowych znaków i to jest to, co wysyła Twój klient AI Klucz X-MCP nagłówek żądania.

Krok 2: Dodaj MCP Query Streams do swojego klienta AI

Konfiguracja ma taki sam kształt dla każdego klienta obsługującego MCP — wpis serwera MCP wskazujący na https://mcp.querystreams.com z kluczem w środku Klucz X-MCP nagłówek. Wybierz swojego klienta poniżej.

Kursor ~/.kursor/mcp.json

// Edytuj ~/.cursor/mcp.json
{
  „serwery mcp”: {
    „strumienie zapytań”: {
      "adres URL": "https://mcp.querystreams.com",
      „nagłówki”: {
        „Klucz X-MCP”: "qsmcp_WKLEJ_KLUCZ_TUTAJ"
      }
    }
  }
}

Claude Desktop claude_desktop_config.json

// Ustawienia → Deweloper → Edytuj konfigurację
{
  „serwery mcp”: {
    „strumienie zapytań”: {
      "adres URL": "https://mcp.querystreams.com",
      „nagłówki”: {
        „Klucz X-MCP”: "qsmcp_WKLEJ_KLUCZ_TUTAJ"
      }
    }
  }
}

ChatGPT Aplikacje i łączniki

// Ustawienia → Aplikacje i łączniki → Dodaj MCP
Adres URL serwera  https://mcp.querystreams.com
Nagłówek autoryzacji Klucz X-MCP
Wartość nagłówka qsmcp_WKLEJ_KLUCZ_TUTAJ

// Wymaga płatnego planu ChatGPT
// (Plus / Pro / Team / Enterprise).

Grok Narzędzia MCP Remote

// Grok → Ustawienia → Narzędzia
{
  „serwery_mcp”: [{
    "nazwa": „strumienie zapytań”,
    "adres URL": "https://mcp.querystreams.com",
    „nagłówek_auth”: „Klucz X-MCP”,
    „wartość_autoryzacji”: "qsmcp_..."
  }]
}

Uruchom ponownie klienta AI. Przy kolejnym uruchomieniu wykryje on osiem narzędzi MCP Query Streams wymienionych powyżej i wyświetli je w palecie narzędzi. W programach Cursor i Claude Desktop możesz to sprawdzić, wpisując: „lista łączników” — sztuczna inteligencja powinna zadzwonić qs_list_connectors i zwróć łącznik Google Analytics 4 wraz ze wszystkim innym, co skonfigurowałeś.

Krok 3: Zadaj sztucznej inteligencji pytanie dotyczące Google Analytics 4

Nie piszesz SQL – robi to sztuczna inteligencja. Zadajesz pytanie, sztuczna inteligencja wybiera odpowiednie narzędzie MCP, agent uruchamia zapytanie do danych z pamięci podręcznej GA4, a odpowiedź powraca w postaci tekstu i tabel. Trzy przykładowe polecenia do wypróbowania na początek:

Gdy sztuczna inteligencja po raz pierwszy wywoła narzędzie, Twój klient może wyświetlić monit o potwierdzenie z prośbą o zatwierdzenie wywołania narzędzia — to standardowy proces uzyskiwania zgody w MCP, a nie coś, co dodaje Query Streams. Zatwierdź raz, a sztuczna inteligencja swobodnie kontynuuje rozmowę. Możesz w dowolnym momencie powrócić do zgody w ustawieniach klienta.

Często zadawane pytania

Zacznij

Powiązane przewodniki: Pobierz agenta strumieni zapytań | Konfiguracja łącznika API | Wszystkie przewodniki po serwerze MCP | Nova AI tekst-do-SQL

Kategoria: Serwer MCP

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

Metaopis: Połącz Claude lub Cursor z Google Analytics 4 przez MCP. Przeszukuj dane GA4 za pomocą sztucznej inteligencji w prostym języku angielskim. Za darmo.