O Google lançou um servidor de protocolo de contexto de modelo de código aberto (MCP) que permite analisar dados do Google Analytics usando grandes modelos de idiomas como Gemini.

Anunciado por Matt Landers, chefe de relações com desenvolvedores do Google Analytics, a ferramenta serve como uma ponte entre os dados do LLMS e da análise.

Em vez de navegar nas interfaces tradicionais do relatório, você pode fazer perguntas em inglês simples e receber respostas instantaneamente.

Uma mudança dos relatórios tradicionais

O servidor MCP oferece uma alternativa para cavar menus ou configurar relatórios manualmente. Você pode digitar consultas como “Quantos usuários eu tive ontem?” e obtenha a resposta que você precisa.

Captura de tela de: youtube.com/googleanalytics, julho de 2025.

Em uma demonstração, Landers usou a CLI Gemini para recuperar dados de análise. A interface da linha CLI, ou de comando, é uma ferramenta simples baseada em texto que você executa em uma janela de terminal.

Em vez de clicar em menus ou painéis, você digita perguntas ou comandos e o sistema responde em linguagem simples. É como conversar com Gêmeos, mas do seu terminal de desktop ou laptop.

Quando perguntado sobre a contagem de usuários do dia anterior, o sistema retornou o total correto. Ele também lidou com as perguntas de acompanhamento, mostrando como pode refinar as consultas com base no contexto sem exigir uma configuração técnica adicional.

Você pode assistir a demonstração completa no vídeo abaixo:

https://www.youtube.com/watch?v=pt4wgpxwirq

O que você pode fazer com isso

O servidor usa a API de administração e dados do Google Analytics para suportar uma gama de recursos.

De acordo com a documentação do projeto, você pode:

• Recuperar informações da conta e propriedade
• Run relatórios de núcleo e tempo real
• Acesso padrão e dimensões personalizadas e métricas
• Obtenha links para contas conectadas do Google Ads
• Receba dicas para estabelecer intervalos de data e filtros

Para configurá-lo, você precisará de Python, acesso a um projeto do Google Cloud com APIs específicas ativadas e credenciais padrão do aplicativo que incluem acesso somente leitura à sua conta do Google Analytics.

Casos de uso do mundo real

O servidor é especialmente útil em cenários mais avançados.

Na demonstração, Landers pediu um relatório sobre produtos mais vendidos no mês passado. O sistema retornou os resultados classificados pela receita do item e depois os derrotou por unidades vendidas após um prompt de acompanhamento.

Captura de tela de: youtube.com/googleanalytics, julho de 2025.

Mais tarde, ele entrou em um cenário hipotético: um orçamento mensal de marketing mensal de US $ 5.000 e uma meta para aumentar a receita.

O sistema gerou vários relatórios, que revelaram que a pesquisa direta e orgânica havia impulsionado mais de US $ 419.000 em receita. Em seguida, sugeriu um plano com alocações de orçamento específicas nos anúncios do Google, sociais pagos e marketing por email, cada um apoiado por dados de desempenho.

Captura de tela de: youtube.com/googleanalytics, julho de 2025.

Como configurá -lo

Você pode instalar o servidor de Github Usando uma ferramenta chamada PIPX, que permite executar aplicativos baseados em Python em ambientes isolados. Depois de instalado, você o conectará à CLI Gemini, adicionando o servidor ao seu arquivo de configurações de Gemini.

As etapas de configuração incluem:

• Permitindo as APIs do Google necessárias em seu projeto em nuvem
• Configurando credenciais padrão do aplicativo com acesso somente leitura à sua conta do Google Analytics
• (Opcional) Definir variáveis de ambiente para gerenciar credenciais de maneira mais consistente em diferentes ambientes

O servidor funciona com qualquer cliente compatível com MCP, mas o Google destaca o suporte completo para a CLI Gemini.

Para ajudá -lo a começar, a documentação inclui avisos de amostra para tarefas como verificação das estatísticas da propriedade, explorar o comportamento do usuário ou analisar tendências de desempenho.

Olhando para o futuro

O Google diz que continua a desenvolver o projeto e está incentivando o feedback através do Github e Discord.

Embora ainda seja experimental, o servidor MCP oferece uma maneira prática de explorar como a análise de linguagem natural pode ser no futuro.

Se você estiver em uma equipe de marketing, isso pode ajudá -lo a obter respostas mais rapidamente, sem exigir painéis ou relatórios personalizados. E se você é um desenvolvedor, pode encontrar maneiras de criar ferramentas que automatizam partes do seu fluxo de trabalho ou tornam as análises mais acessíveis a outras pessoas.

O guia de configuração completo, o código -fonte e as atualizações estão disponíveis no Google Analytics MCP Repositório do GitHub.

Imagem em destaque: mijansk786/shutterstock