Acceso a Google Analytics 4 a través de MCP

Google Analytics 4 (GA4) acaba de marcar un hito en su evolución al publicar oficialmente su servidor MCP (Model Context Protocol) en GitHub.

Google Analytics MCP Server (Experimental) es un componente clave para integrar modelos de lenguaje natural con sistemas de análisis de datos. Este avance, disponible en GitHub bajo el nombre , abre la puerta a una nueva forma de interactuar con los datos: mediante lenguaje natural.

¿Qué es el MCP?

El Model Context Protocol (MCP) es un estándar abierto que permite a modelos como ChatGPT, Claude o Gemini comunicarse con sistemas externos —como bases de datos o APIs— utilizando un lenguaje estructurado y predecible basado en JSON-RPC. En otras palabras, actúa como un “intérprete” que traduce las preguntas en lenguaje natural de los usuarios en consultas comprensibles para los sistemas que gestionan los datos.

En el caso de GA4, esto significa que ahora es posible conectar un modelo de lenguaje directamente con tu propiedad de Analytics para hacer preguntas como:

• “¿Cuáles fueron las cinco páginas más vistas la semana pasada?”
• “¿Qué canal de adquisición trajo más conversiones en junio?”
• “¿Qué eventos personalizados tuvieron más engagement ayer?”

Todo ello sin necesidad de navegar por la interfaz de Analytics ni escribir una sola línea de código.

¿Qué incluye el servidor publicado?

El repositorio de GitHub proporciona una implementación en Python, diseñada para ser fácil de desplegar. Incluye:

• Documentación clara para importar credenciales de GA4.
• Instrucciones para levantar el servicio localmente.
• Compatibilidad con herramientas como Claude, Cursor o cualquier modelo que implemente MCP.

Este servidor puede acceder a más de 200 dimensiones y métricas de GA4, incluyendo páginas vistas, sesiones, canales de adquisición, eventos personalizados, engagement, conversiones y más.

¿Por qué es importante?

Más allá de la comodidad, este lanzamiento representa un cambio de paradigma en la forma en que accedemos y analizamos datos. En lugar de depender exclusivamente de dashboards o informes predefinidos, ahora podemos tener asistentes conversacionales que:

• Responden preguntas ad hoc.
• Generan insights automáticos.
• Detectan anomalías en tiempo real.
• Facilitan el acceso a la analítica para perfiles no técnicos.

Esto democratiza el análisis de datos y lo convierte en una experiencia más accesible, ágil y centrada en la toma de decisiones.

Un paso más hacia la estandarización

El servidor MCP de GA4 se suma a un ecosistema en expansión, impulsado por iniciativas de Anthropic, OpenAI y Google, que buscan estandarizar la forma en que los modelos de lenguaje interactúan con herramientas empresariales. A medio plazo, podríamos ver cómo MCP se convierte en una pieza clave para conectar datos, modelos y decisiones de negocio en organizaciones de todos los tamaños.

¿Qué significa esto para los profesionales del marketing y la analítica?

Para quienes trabajamos en marketing digital, analítica o inteligencia artificial, este lanzamiento es una invitación a experimentar. Ya no se trata solo de recoger datos, sino de orquestar agentes inteligentes que los interpreten, los expliquen y los conviertan en acciones.

Funciones que pone a disposición el servidor MCP

El servidor utiliza la Google Analytics Admin API y la Google Analytics Data API para ofrecer varias herramientas diseñadas para su uso con modelos de lenguaje (LLMs).

🔶 Recuperar información de cuentas y propiedades

• get_account_summaries: Recupera información sobre las cuentas y propiedades de Google Analytics del usuario.
• get_property_details: Devuelve detalles sobre una propiedad específica.
• list_google_ads_links: Devuelve una lista de enlaces a cuentas de Google Ads asociadas a una propiedad.

📘 Ejecutar informes principales

• run_report: Ejecuta un informe de Google Analytics utilizando la Data API.
• get_dimensions: Recupera las dimensiones principales del informe para una propiedad específica, incluidas las dimensiones personalizadas.
• get_metrics: Recupera las métricas principales del informe para una propiedad específica, incluidas las métricas personalizadas.
• get_standard_dimensions: Devuelve una lista de dimensiones estándar.
• get_standard_metrics: Devuelve una lista de métricas estándar.
• run_report_date_ranges_hints: Proporciona sugerencias sobre los valores esperados para el argumento date_ranges en la herramienta run_report.
• run_report_metric_filter_hints: Proporciona sugerencias sobre los valores esperados para el argumento metric_filter en las herramientas run_report y run_realtime_report.
• run_report_dimension_filter_hints: Proporciona sugerencias sobre los valores esperados para el argumento dimension_filter en las herramientas run_report y run_realtime_report.

⏳ Ejecutar informes en tiempo real

• run_realtime_report: Ejecuta un informe en tiempo real de Google Analytics utilizando la Data API.
• get_realtime_dimensions: Recupera la lista de dimensiones disponibles para informes en tiempo real.
• get_realtime_metrics: Recupera la lista de métricas disponibles para informes en tiempo real.

¿Quieres saber más sobre las soluciones de inteligencia artificial generativa de Microsoft? En DQS/ te asesoramos. ¿Por qué no nos preguntas cómo podemos ayudarte?

Información basada en el repositorio de GitHub: «Google Analytics MCP Server (Experimental)«.