Google Analytics MCP to oficjalny serwer Google, który pozwala asystentowi AI czytać dane z GA4 przez Google Analytics Data API i Admin API. Dzięki temu możesz zapytać o ruch, przychód, konwersje, lejki albo dane realtime w języku naturalnym, bez ręcznego budowania raportu w panelu.
Najważniejsza rzecz: Google Analytics MCP działa tylko w trybie odczytu. Wymaga zakresu analytics.readonly, więc nie edytuje konfiguracji GA4, nie tworzy zdarzeń, nie zmienia konwersji i nie modyfikuje ustawień usługi. To narzędzie do rozmowy z danymi, a nie do zarządzania pomiarem.
Poniżej znajdziesz praktyczny przewodnik: co potrafi oficjalny serwer, jak go podłączyć, kiedy ma sens i jak czytać odpowiedzi modelu, żeby AI nie przykryło problemów w samym trackingu.
W skrócie
- Google Analytics MCP to oficjalny, open-source'owy serwer MCP utrzymywany w repozytorium
googleanalytics/google-analytics-mcp. - Łączy asystenta AI z danymi GA4 i pozwala zadawać pytania o raporty w języku naturalnym.
- Korzysta z Google Analytics Data API oraz Google Analytics Admin API.
- Oficjalna dokumentacja Google podkreśla, że serwer obsługuje tylko odczyt i nie może edytować konfiguracji GA4.
- W repozytorium znajdziesz narzędzia m.in. do listy kont, szczegółów usługi, raportów standardowych, lejków, realtime i własnych wymiarów.
- Do uruchomienia potrzebujesz Pythona 3.10+,
pipx, projektu Google Cloud, włączonych API i danych uwierzytelniających ADC z zakresemanalytics.readonly. - Największą wartość daje przy analizie ad hoc, sanity checkach danych, diagnozie spadków i szybkim dostępie do liczb dla osób nietechnicznych.
- Stan artykułu: 30 maja 2026.
Czym jest Google Analytics MCP?
Model Context Protocol (MCP) to standard, który pozwala modelom AI korzystać z zewnętrznych narzędzi i danych. W przypadku GA4 takim narzędziem jest oficjalny serwer Google Analytics MCP. Po podłączeniu serwera asystent może wywoływać narzędzia, które pobierają informacje z Twojej usługi GA4.
Przykład:
"Porównaj przychód z organic search, paid search i paid social w tym miesiącu względem poprzedniego. Pokaż różnicę procentową."
Zamiast samodzielnie klikać eksplorację, model dobiera metryki, wymiary i zakresy dat, uruchamia raport przez API i zwraca tabelę. Jeżeli potrzebuje sprawdzić strukturę konta, może najpierw pobrać listę kont i usług albo własne wymiary.
To nie jest nowy panel GA4. To warstwa rozmowy nad oficjalnymi interfejsami Google Analytics. Jej skuteczność zależy od dwóch rzeczy: jakości danych w GA4 i jakości pytania, które zadasz.
Co potrafi serwer Google Analytics MCP?
Repozytorium Google opisuje narzędzia pogrupowane wokół dwóch zadań: poznania struktury konta i pobierania raportów.
| Narzędzie | Co robi | Kiedy się przydaje |
|---|---|---|
get_account_summaries |
Zwraca konta i usługi GA4 dostępne dla użytkownika. | Na początku pracy, żeby wybrać właściwą usługę. |
get_property_details |
Pokazuje szczegóły konkretnej usługi. | Przy audycie konfiguracji i identyfikacji property. |
list_google_ads_links |
Pokazuje połączenia GA4 z kontami Google Ads. | Gdy sprawdzasz spójność analityki z kampaniami. |
run_report |
Uruchamia standardowy raport z wymiarami, metrykami i zakresem dat. | Do większości pytań o ruch, przychód i konwersje. |
run_funnel_report |
Uruchamia raport lejka. | Przy diagnozie porzuceń i zachowania użytkowników. |
run_realtime_report |
Pobiera dane realtime. | Przy szybkich testach wdrożenia i ruchu na żywo. |
get_custom_dimensions_and_metrics |
Zwraca własne wymiary i metryki. | Gdy raport wymaga pól specyficznych dla Twojego biznesu. |
W praktyce możesz pytać m.in. o:
- przychód według kanału,
- konwersje według landing page'a,
- skuteczność kampanii z UTM,
- odpływ użytkowników w lejku,
- ruch realtime po wdrożeniu taga,
- różnice w wynikach miesiąc do miesiąca,
- własne wymiary, np. typ klienta, segment produktu albo status użytkownika.
Jeżeli Twoja analityka jest nieuporządkowana, zacznij od podstaw: czym jest audyt Google Analytics i czy warto go wykonać.
Przykład: od pytania do raportu
Załóżmy, że pytasz:
"Pokaż przychód, transakcje i współczynnik konwersji według domyślnej grupy kanałów w ostatnich 30 dniach. Porównaj z poprzednimi 30 dniami."
Dobry asystent powinien najpierw upewnić się, na której usłudze GA4 pracuje. Następnie uruchamia run_report z odpowiednimi wymiarami, metrykami i zakresami dat. Wynik powinien zwrócić jako tabelę z kolumnami: kanał, przychód, zmiana przychodu, transakcje, zmiana transakcji, współczynnik konwersji i zmiana współczynnika konwersji.
Taka forma jest użyteczna, bo prowadzi do następnego pytania: co się zmieniło i czy dane są wiarygodne? Jeśli paid social spadł, trzeba sprawdzić kampanie. Jeśli cały przychód spadł, trzeba sprawdzić tracking, sezonowość, ofertę i źródła ruchu. MCP skraca drogę do raportu, ale nie rozwiązuje interpretacji.
Jak uruchomić Google Analytics MCP krok po kroku?
Konfiguracja jest techniczna, ale dość prosta, jeśli masz dostęp do Google Cloud.
1. Przygotuj środowisko
Potrzebujesz:
- Pythona 3.10 lub nowszego,
pipx,- projektu Google Cloud,
- włączonych Google Analytics Admin API i Google Analytics Data API,
- użytkownika lub konta usługi z dostępem do właściwej usługi GA4,
- danych uwierzytelniających Application Default Credentials.
Zakres uwierzytelniania powinien obejmować https://www.googleapis.com/auth/analytics.readonly.
2. Uruchom serwer
Najprostszy wariant:
pipx run analytics-mcp
W konfiguracji klienta MCP wskazujesz polecenie uruchamiające serwer oraz zmienne środowiskowe z lokalizacją pliku credentials i ID projektu Google Cloud.
3. Podłącz klienta AI
Oficjalna dokumentacja Google opisuje konfigurację dla Gemini CLI i Gemini Code Assist. Ponieważ serwer jest zgodny z MCP, można go podłączyć również do innych klientów, które potrafią uruchamiać lokalne serwery MCP.
4. Zacznij od sanity checku
Pierwsze pytania powinny potwierdzić, że model widzi właściwe dane:
- "Pokaż konta i usługi GA4, do których mam dostęp."
- "Która usługa ma połączenie z Google Ads?"
- "Pokaż dane realtime dla ostatnich 30 minut."
- "Jakie własne wymiary są skonfigurowane w tej usłudze?"
Dopiero potem przechodź do analizy wyników.
Kiedy Google Analytics MCP jest naprawdę przydatny?
Szybkie pytania o dane. Zamiast budować eksplorację, pytasz o wynik w rozmowie. To dobre do pierwszej diagnozy, nie do finalnego raportu zarządczego.
Analiza lejka. run_funnel_report ułatwia szybkie sprawdzenie, gdzie odpadają użytkownicy. To przydatne przy CRO i audycie ścieżki zakupowej.
Sprawdzanie wdrożeń. Dane realtime pomagają po deployu, zmianie tagów albo konfiguracji zdarzeń.
Praca zespołu bez znajomości GA4. Osoby, które nie czują się pewnie w panelu, mogą zadać pytanie po polsku. Specjalista nadal powinien sprawdzić, czy pytanie było dobrze zdefiniowane.
Wstęp do analizy kampanii. MCP może szybko pokazać, czy GA4 widzi ruch z Google Ads, Meta albo newslettera. Potem trzeba zestawić to z panelem reklamowym i CRM.
Więcej o jakości danych w e-commerce piszemy w tekście czym jest analityka e-commerce i dlaczego jest tak ważna.
Google Analytics MCP a inne sposoby pracy z GA4
MCP nie zastępuje narzędzi, które już istnieją. Dokłada nową warstwę dostępu.
| Narzędzie | Najlepsze zastosowanie | Ograniczenie |
|---|---|---|
| Google Analytics MCP | Pytania ad hoc w języku naturalnym. | Odczyt przez API, bez pełnej kontroli wizualnej. |
| Eksploracje GA4 | Ręczna analiza i segmentacja w panelu. | Wymaga znajomości interfejsu. |
| Looker Studio | Stałe dashboardy dla zespołu i klienta. | Mniej wygodne do jednorazowych pytań. |
| BigQuery Export | Analiza surowych zdarzeń i łączenie źródeł. | Wymaga SQL i dobrego modelu danych. |
| Google Analytics Data API | Własne aplikacje i automatyzacje. | Wymaga kodu. |
Najprostsza reguła: MCP jest dobre do pierwszego pytania i szybkiej diagnozy. BigQuery jest dobre do głębokiej analizy. Looker Studio jest dobre do powtarzalnego raportowania. Panel GA4 jest dobry do kontroli i pracy wizualnej.
Ograniczenia i ryzyka
Read-only nie znaczy "bez ryzyka". Serwer nie zapisze zmian w GA4, ale nadal pracuje na danych biznesowych. Trzeba pilnować, jakie pytania i identyfikatory trafiają do klienta AI.
Garbage in, garbage out. Jeżeli GA4 ma źle skonfigurowane zdarzenia, brak Consent Mode, błędne UTM-y albo dziury po stronie serwera, asystent zwróci elegancką odpowiedź opartą na słabych danych.
Model może mieszać definicje. "Konwersja", "purchase", "key event", "session source" i "first user source" to różne pojęcia. W promptach warto precyzować metryki i wymiary.
GA4 nie jest jedynym źródłem prawdy. Decyzje budżetowe wymagają połączenia GA4 z panelem reklamowym, marżą, CRM i danymi sprzedażowymi.
Uważaj na dane osobowe. Nie pytaj modelu o dane na poziomie użytkownika i nie wysyłaj informacji wrażliwych. MCP ma pomagać w analizie zagregowanej.
Bezpieczny workflow dla GA4 i AI
Dobry proces wygląda tak:
- Potwierdź usługę GA4 i zakres dat.
- Poproś model o tabelę źródłową, nie tylko podsumowanie.
- Precyzuj metryki: przychód, transakcje, key events, users, sessions, CR.
- Przy zmianach okres do okresu pytaj też o wolumen, nie tylko procenty.
- Wnioski modelu traktuj jako hipotezy.
- Najważniejsze liczby weryfikuj w panelu, BigQuery albo stałym dashboardzie.
To szczególnie ważne w e-commerce. Różnica między "przychód z kanału" a "przychód przypisany kanałowi według konkretnego modelu" potrafi zmienić decyzję budżetową.
Google Analytics MCP a Space Ads OS
Oficjalny serwer Google daje wygodny odczyt danych GA4. W codziennej pracy performance to dopiero część procesu. Decyzje zwykle wymagają połączenia GA4 z Google Ads, Meta Ads, TikTok Ads, feedem produktowym, kosztami, marżą i kontekstem biznesowym.
Dlatego zbudowaliśmy Space Ads OS - narzędzie, którego używamy w agencji od 2024 roku. To nie jest serwer MCP. To operacyjna warstwa pracy z danymi i kampaniami: rozmawiasz z systemem w naturalnym języku, a on łączy dane z wielu kanałów. Jeżeli trzeba przejść od diagnozy do zmiany budżetu albo stawki, system wymaga kontroli i potwierdzenia człowieka.
Jeżeli chcesz rozmawiać tylko z GA4, Google Analytics MCP jest dobrym wyborem. Jeżeli chcesz łączyć analitykę z działaniem na kampaniach, zobacz Space Ads OS.
Najczęstsze pytania
Czy Google Analytics MCP jest oficjalny?
Tak. Google opisuje serwer w dokumentacji Google Analytics, a kod znajduje się w repozytorium googleanalytics/google-analytics-mcp.
Czy Google Analytics MCP może zmieniać konfigurację GA4?
Nie. Oficjalna dokumentacja podaje, że serwer obsługuje tylko odczyt. Wymaga zakresu analytics.readonly i nie edytuje ustawień usługi.
Jakie API wykorzystuje Google Analytics MCP?
Korzysta z Google Analytics Admin API oraz Google Analytics Data API. Dzięki temu może pobierać informacje o kontach, usługach, połączeniach z Google Ads, raportach, lejkach i danych realtime.
Czy Google Analytics MCP działa z Claude albo Cursorem?
Oficjalna dokumentacja Google skupia się na Gemini CLI i Gemini Code Assist. Ponieważ serwer korzysta ze standardu MCP, można go używać też z innymi klientami zgodnymi z tym standardem, jeśli obsługują taką konfigurację.
Czy MCP zastąpi Looker Studio?
Nie. MCP jest lepsze do szybkich pytań ad hoc. Looker Studio jest lepsze do stałych dashboardów, powtarzalnego raportowania i widoków dla klienta lub zarządu.
Od czego zacząć po podłączeniu?
Od get_account_summaries, sprawdzenia właściwej usługi GA4 i prostego raportu za krótki okres. Nie zaczynaj od złożonych pytań strategicznych, zanim potwierdzisz, że model czyta właściwe dane.
Najważniejsze
Google Analytics MCP jest dobrym narzędziem do rozmowy z danymi GA4. Przyspiesza analizę ad hoc, pomaga osobom nietechnicznym i skraca drogę od pytania do raportu.
Nie zastępuje jednak poprawnego pomiaru. Jeśli GA4 jest źle wdrożone, AI tylko szybciej poda błędne liczby. Najwięcej zyskują zespoły, które traktują MCP jako warstwę dostępu do danych, a nie jako automatycznego analityka podejmującego decyzje za człowieka.
Źródła i dalsza lektura
- Google Analytics: Try the Google Analytics MCP server
- GitHub: googleanalytics/google-analytics-mcp
- Model Context Protocol - oficjalna strona standardu
- Space Ads: Google Ads MCP - jak podłączyć AI do konta Google Ads
- Space Ads: czym jest audyt Google Analytics i czy warto go wykonać
- Space Ads: server-side tagging, sGTM i konwersje rozszerzone
Czytaj również
Google Merchant Center MCP — co jest oficjalne, a co nie
Google udostępnia MAPI Docs MCP, ale to asystent dokumentacji Merchant API, nie narzędzie do zarządzania feedem. Wyjaśniamy, co jest oficjalne, czego serwer nie zrobi i jak bezpiecznie używać AI przy katalogu produktów.
Meta Ads MCP — oficjalne AI Connectors od Meta. Jak działa i na co uważać
Meta Ads AI Connectors pozwalają połączyć asystenta AI z kontem reklamowym Meta i nie kończą się na odczycie danych: mogą też zapisywać zmiany. Wyjaśniamy, jak działa konektor, czym różni się od serwerów społecznościowych i jak ograniczyć ryzyko.
Google Ads MCP — jak podłączyć AI do konta Google Ads (oficjalny serwer Google)
Google Ads MCP daje asystentowi AI oficjalny, read-only dostęp do danych Google Ads przez API i GAQL. Wyjaśniamy, co potrafi, jak go uruchomić i jak używać go bez ryzyka przypadkowych zmian na koncie.