mcp-gsc

用大白话问 Claude，直接查 GSC 数据出 SEO 洞察

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1892

维护状态较活跃

是否开源是

定价模式 free

项目预览

项目数据

分类智能体

开发团队AminForou

所属国家

官网地址

GitHubhttps://github.com/AminForou/mcp-gsc

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型claude,google-search-console,mcp-server,seo

GitHub 星标★ 1892

30天Star增速

HF 下载量

上线时间2025-03-14 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-11

浏览次数0

项目介绍

mcp-gsc 是一个把 Google Search Console（GSC）数据接入 Claude 的 MCP 服务器，专为 SEO 从业者设计。它解决的核心问题是：SEO 人员日常要在 GSC 后台反复切换报表、导出 CSV、手动比对关键词和页面表现，效率低且难以做跨维度分析。项目通过 MCP 协议把 GSC 的查询能力暴露给 Claude，用户用自然语言就能让 AI 直接拉取指定站点、时间范围、维度的搜索表现数据，比如查询词、点击、展示、CTR、平均排名，并进一步做趋势对比、异常定位和优化建议。核心能力包括：基于 Claude 的对话式数据查询、按关键词/页面/国家/设备等维度筛选、时间区间对比、以及把原始 GSC 指标交给模型做解读。它本质上是 GSC 与 LLM 之间的桥梁，让 SEO 分析从手工报表转向对话式洞察。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：进阶约 20 分钟部署方式：本地安装 6 步

环境要求

安装 uv（README 提供官方安装脚本）
一个支持 MCP 的 AI 客户端：Claude Desktop、Cursor、Codex CLI、Gemini CLI、Antigravity 等
Google Search Console 的 API 凭据（credentials.json）
仅远程/容器部署时需要 Docker

安装与启动步骤

1安装 uv

用官方脚本下载并安装 uv，后续用它运行和管理本 MCP 服务器。
```
curl -LsSf https://astral.sh/uv/install.sh | sh
```
2让终端识别 uv

安装后当前会话可能找不到 uv 命令，先加载环境变量，再写入 shell 配置永久生效。
```
source $HOME/.local/bin/env
echo 'source $HOME/.local/bin/env' >> ~/.zshrc
```
3准备 Google 凭据

按 README 的 Step 1 在 Google 侧创建 API 凭据，保存为 credentials.json；README 未给出具体命令。
4配置 AI 客户端

把 mcp-gsc 加入客户端 MCP 配置；路径必须写绝对路径，改完要完全退出客户端。
5重启并验证

完全退出（Mac 用 Cmd+Q）再重新打开客户端，让 AI 调用 get_capabilities 检查认证状态。

6可选：Docker 部署

仅远程或容器化场景使用，需挂载 credentials.json 并开放 3001 端口。

docker build -t mcp-gsc .
docker run 
  -e MCP_TRANSPORT=sse 
  -e MCP_HOST=0.0.0.0 
  -e MCP_PORT=3001 
  -e GSC_CREDENTIALS_PATH=/app/credentials.json 
  -v /path/to/credentials.json:/app/credentials.json 
  -p 3001:3001 
  mcp-gsc

关键配置

配置项	必填	说明	示例
`MCP_TRANSPORT`	是	Docker 部署时的传输方式，示例为 sse	`sse`
`MCP_HOST`	是	容器内监听地址，远程部署设为 0.0.0.0	`0.0.0.0`
`MCP_PORT`	是	服务监听端口，需与 -p 映射保持一致	`3001`
`GSC_CREDENTIALS_PATH`	是	容器内 credentials.json 的路径	`/app/credentials.json`

如何确认成功

在 AI 客户端中让它调用 get_capabilities，会返回确切的认证状态和错误信息。

常见问题

Q：刚装完 uv，执行 uv --version 提示 command not found？

A：安装脚本只更新了 ~/.local/bin，当前终端还没加载。先运行 source $HOME/.local/bin/env，再执行 echo 'source $HOME/.local/bin/env' >> ~/.zshrc 永久生效。

Q：改了 MCP 配置但 AI 客户端没反应？

A：只关窗口不算退出，需要完全退出（Mac 上按 Cmd+Q）再重新打开应用，配置改动才会生效。

Q：不确定凭据是否配置成功？

A：让 AI 助手调用 get_capabilities，它会报告准确的认证状态和错误原因，便于定位问题。

Q：客户端连接失败怎么排查？

A：先确认配置文件里所有路径都是正确的绝对路径，然后完全重启客户端，再调用 get_capabilities 查看报错。

注意事项

README 节选未包含本地 uvx 启动命令和客户端 JSON 配置的完整示例，请对照官方 README 与视频教程补齐。
Docker 部分仅面向远程服务器或容器部署场景，本地使用无需 Docker。
官方另有托管版 Advanced GSC MCP（含一键登录和 GA4 工具），仅 100 个席位。

核心亮点

把 GSC 官方 API 封装成 MCP 工具，Claude 可自然语言直接调用，省去手动导出和拼接报表
支持按关键词、页面、国家、设备等维度查询，并做时间区间对比，适合定位流量波动原因
Python 实现，依赖清晰，配置好 GSC 凭据后即可接入 Claude Desktop 等 MCP 客户端，上手门槛低

不足之处

依赖 Google Search Console API 的配额和授权配置，首次接入需要创建 OAuth/服务账号，对非技术 SEO 有一定门槛
功能集中在数据查询与解读，缺少自动生成报告、定时监控告警等成品化能力，深度分析仍依赖模型发挥

适用场景

SEO 人员用自然语言让 Claude 查询某站点近 28 天点击下降最多的关键词，快速定位问题
内容团队对比改版前后页面的 CTR 和平均排名变化，评估标题描述优化效果
代理商用 Claude 批量拉取多个客户站点的 GSC 表现，做周报素材和优化建议

替代项目

google-search-console-mcp、mcp-server-gsc

上一篇：tavily-mcp

下一篇：mcp_agent_mail