项目简介

GA4 BigQuery 语义层 MCP 服务器是一个基于 Model Context Protocol (MCP) 构建的应用后端。它利用 'boring-semantic-layer' 库在 Google Analytics 4 (GA4) 的 BigQuery 事件数据之上构建一个语义层。这个服务器以标准化的方式向大型语言模型 (LLM) 客户端提供GA4数据的上下文信息和查询能力，例如允许客户端直接通过自然语言查询GA4数据。

主要功能点

连接 BigQuery 数据: 能够连接到您的 Google BigQuery 项目和数据集，获取 GA4 事件原始数据。
语义模型定义: 帮助定义 GA4 事件数据的语义模型，将复杂的数据结构抽象为易于理解的维度和度量。
MCP 服务暴露: 通过 MCP 服务器暴露语义模型，使得维度（如事件日期、用户 ID）和度量（如事件计数）可供 LLM 客户端访问。
LLM 自然语言查询: 支持 MCP 客户端（如 Cursor）直接通过自然语言与语义模型交互，实现便捷的数据查询和分析。

安装步骤

克隆仓库: 打开您的终端，执行以下命令来克隆项目仓库：

git clone https://github.com/mohrstade/measurecamp-london-bigqery-mcp
cd measurecamp-london-bigqery-mcp

安装 'uv' (如果未安装): 本项目使用 'uv' 工具管理 Python 环境和依赖。如果您的系统上尚未安装 'uv'，请先安装：
```
pip install uv
```

服务器配置

在启动 MCP 服务器之前，您需要对 'layer.py' 文件进行一些修改以连接到您的 BigQuery 数据。

BigQuery 连接信息: 打开 'layer.py' 文件，找到 'ibis.bigquery.connect' 这一行，将其中的 'project_id' 和 'dataset_id' 修改为您的 Google Cloud 项目 ID 和 BigQuery 数据集 ID。
GA4 表名: 在 'layer.py' 中，找到 'con.table("events_YYYYMMDD")' 这一行，将 'events_YYYYMMDD' 替换为您的 GA4 事件表名称。
主键配置 (可选): 如果您的语义模型需要定义主键，请更新 'ga4_events_sm' 模型中的 'primary_key' 字段。如果您的表没有单一列主键，建议暂时移除此行。

MCP 客户端配置:

MCP 服务器是为 MCP 客户端提供服务的。要让您的 MCP 客户端（如 Cursor）连接到此服务器，您需要在客户端的配置文件中添加以下配置。例如，在 Cursor 项目根目录下的 '.cursor/mcp.json' 文件中添加：

{
    "mcpServers": {
        "ga4-semantic-layer": {
            "command": "uv run layer.py",
            "language": "python"
        }
    }
}

'ga4-semantic-layer': 这是您为该 MCP 服务器定义的名称，您将在客户端中通过此名称引用它。
'command': 启动 MCP 服务器的命令。这里是 'uv run layer.py'，它会使用 'uv' 运行 'layer.py' 脚本来启动服务器。
'language': 指示服务器所使用的编程语言。

基本使用方法

启动服务器: 在配置完成后，在项目根目录运行以下命令启动 MCP 服务器：
```
uv run layer.py
```
服务器将启动并监听来自 MCP 客户端的连接。
客户端查询: 在支持 MCP 的客户端（例如 Cursor）中重新加载项目。您现在可以在客户端的聊天界面或代码中通过 '@ga4-semantic-layer' 提及服务器并提出问题。例如： '@ga4-semantic-layer 每天有多少事件？' MCP 服务器将接收您的自然语言查询，通过语义层将其转换为 BigQuery 查询，并从您的 GA4 数据中获取结果并返回给客户端。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息