文章目錄
1. 前言2. 重要資安與隱私警語
3. 前置準備
4. 步驟一:Google Cloud Platform (GCP) 設定
5. 步驟二:GA4 資源存取授權
6. 步驟三:安裝與運行官方 GA4 MCP 伺服器
7. 步驟四:連接 AI 客戶端 (以 Gemini CLI 為例)
8. 步驟五:測試與應用
9. 結語
前言
在數據驅動的時代，能夠快速、直觀地從分析數據中獲取洞察至關重要。Google Analytics 4 模型上下文協議 (Model Context Protocol, MCP) 伺服器正為此而生。它允許 AI 工具（如 Claude CLI、Antigravity 或 Gemini CLI）直接透過自然語言與 GA4 數據進行對話，將繁瑣的報表查詢轉變為高效的問答互動。
本篇設置指南將提供一份設置教學，指導您如何從零開始設置 Google 官方提供的 GA4 MCP 伺服器，讓您的 AI 助手成為數據分析的得力助手。
⚠️ 重要資安與隱私警語
在開始設置前，請務必了解：並非所有數據都適合使用 AI 工具進行分析。
- 資訊安全考量：在使用第三方 AI 客戶端時，您的查詢請求與部分數據可能會傳輸至 AI 供應商的伺服器。請確保您的操作符合企業內部的資安政策。
客戶隱私保護：嚴禁將包含 個人識別資訊 (PII)（如姓名、身分證字號、詳細地址、電話等）或高度敏感的客戶隱私數據交由 AI 處理。請確保您的 GA4 資源已進行適當的去識別化處理。
- 合規性：請遵循相關法律規範（如 GDPR、CCPA 或台灣個人資料保護法），確保數據的使用合法合規。
前置準備
在開始設置之前，請確保您已具備以下條件：
- 一個 GA4 資源 (Property)：需要該資源的ID。
- 一個 Google Cloud Platform (GCP) 帳戶：用於啟用必要的 API 並管理憑證。
- Python 環境：建議使用 Python 3.10 或更高版本。
- pipx 工具：用於安裝和運行 Python 應用程式。如果尚未安裝，請執行 pip install pipx。
- gcloud CLI：Google Cloud SDK 的命令行工具，用於管理 GCP 資源和憑證。請確保已安裝並配置。
步驟一：Google Cloud Platform (GCP) 設定
1.1建立或選擇 GCP 專案
登入 Google Cloud Console，建立一個新的專案，或選擇一個現有專案。
- Google Analytics Data API
- Google Analytics Admin API
1.3 配置應用程式預設憑證 (Application Default Credentials, ADC)
官方 GA4 MCP 伺服器建議使用 ADC 進行身份驗證。這確保了憑證的安全性和易用性。
- 建立 OAuth 客戶端：
- 前往「API 和服務」>「憑證」。
- 點擊「建立憑證」>「OAuth 用戶端 ID」。
- 選擇「電腦版應用程式」，輸入名稱（例如 GA4 MCP Client），然後點擊「建立」。
- 下載生成的 JSON 檔案，例如命名為 client_secret.json，並記下其路徑。
- 使用 gcloud CLI 登入並設定 ADC：打開您的終端機 (Terminal) 或命令提示字元 (Command Prompt)，執行以下命令。請將 YOUR_CLIENT_JSON_FILE 替換為您剛才下載的 OAuth 客戶端 JSON 檔案的絕對路徑：
- 下載生成的 JSON 檔案：
例如命名為client_secret.json，並記下其檔案路徑。 - 使用 gcloud CLI 登入並設定 ADC：
打開您的終端機 (Terminal) 或命令提示字元 (Command Prompt)，執行以下命令。請將YOUR_CLIENT_JSON_FILE替換為您的絕對路徑：
步驟二：GA4 資源存取授權
確保用於 ADC 的 Google 帳戶（或服務帳戶，如果您選擇使用服務帳戶模擬）對您的 GA4 資源具有讀取權限。
「管理 (Admin)」>「資源 (Property)」設定 >「資源存取權管理 (Property Access Management)」> 點擊右上角的「+」>「新增使用者」。
- 輸入用於 gcloud auth application-default login 的 Google 帳戶電子郵件地址。
- 選擇「檢視者 (Viewer)」角色 > 「新增」。
步驟三：安裝與運行官方 GA4 MCP 伺服器
pipx install analytics-mcp
3.2 運行 MCP 伺服器 (透過 AI 客戶端配置)
與社群版本不同，官方 MCP 伺服器通常不會獨立運行一個長時間的進程。它會被 AI 客戶端（如 Gemini CLI/Code Assist）在需要時調用。因此，您無需手動啟動一個伺服器進程。 步驟四：連接 AI 客戶端 (以 Gemini CLI 為例)
最後一步是配置您的 AI 客戶端，使其能夠調用並使用 GA4 MCP 伺服器。
1.安裝 Gemini CLI 。
2.編輯 Gemini 設定檔：
- 建立或編輯位於 ~/.gemini/settings.json 的檔案。
- 將以下 JSON 配置貼入設定檔。並將 PATH_TO_CREDENTIALS_JSON 替換為您在步驟 3.3 中記下的 ADC 憑證路徑，並將 YOUR_PROJECT_ID 替換為您的 GCP 專案 ID：
步驟五：測試與應用
重啟您的 Gemini CLI 或 Gemini Code Assist。您應該能夠看到 analytics-mcp 伺服器已成功連接。現在，您可以直接用自然語言向 AI 提問，從您的 GA4 數據中獲取洞察：
查詢範例 (中文) | 查詢範例 (英文) |
「上個月前五大流量來源是什麼？」 | “What were my top 5 traffic sources last month?” |
「昨天我有多少使用者？」 | “How many users did I have yesterday?” |
「比較行動裝置與桌機的流量。」 | “Compare mobile vs desktop traffic.” |
「我的 GA4 資源中有哪些自訂維度與指標？」 | “what are the custom dimensions and custom metrics in my property?” |
AI 工具將會：
1.接收您的自然語言查詢。
2.透過配置好的 MCP 伺服器調用 analytics-mcp。
3.analytics-mcp 使用您的 ADC 憑證向 GA4 Data API 和 Admin API 發送請求。
4.接收 GA4 返回的原始數據。
5.分析數據並以易於理解的文字摘要形式回覆您。
結語
透過這份指南，您應該已經成功設置了 Google Analytics 4 官方 MCP 伺服器，並將其與您的 AI 客戶端連接。這不僅簡化了數據分析的流程，更開啟了 AI 驅動數據洞察的新篇章。現在，您可以輕鬆地與您的 GA4 數據對話，快速獲取所需的商業智慧，並將更多時間投入到策略制定。
