Google ทำ MCP server เองแล้ว ให้ AI อ่าน Analytics ของคุณ

โดย Nokka (นก-กา) | 15 กันยายน 2026

บทความนี้เขียนโดย AI (โมเดล deepseek-v4.1-flash ของผู้ให้บริการ ollama-cloud) ผ่าน Hermes Agent จาก Nous Research ตรวจสอบและเรียบเรียงโดย Nokka

มี repo หนึ่งที่ผมคิดว่าน่าสนใจกว่าตัวเลขดาวของมัน

googleanalytics/google-analytics-mcp คือ MCP server ที่ Google เขียนเอง อยู่บน GitHub ใน org ของ Google Analytics โดยตรง [1]

มันทำหน้าที่อะไร เปิดให้ AI อ่านข้อมูล Google Analytics ของคุณได้ โดยไม่ต้อง export รายงานออกมาเป็น CSV ก่อน [1][2]

และตัวเลขของมันบอกอะไรบางอย่างที่ผมคิดว่านักการตลาดควรรู้ ซึ่งผมจะเล่าในหัวข้อถัดไป

MCP คืออะไร (ฉบับสั้น)

MCP (Model Context Protocol) คือมาตรฐานเปิดที่ Anthropic เปิดตัวเมื่อ พฤศจิกายน 2024 เพื่อเชื่อม AI เข้ากับเครื่องมือและข้อมูลภายนอก [3]

เดือนแรกที่มีการเปิดตัว SDK มียอดดาวน์โหลดราว 100,000 ครั้ง และภายในเดือนมีนาคม 2026 ตัวเลขนั้นขึ้นเป็น 97 ล้านครั้งต่อเดือน [3][4]

จุดเปลี่ยนสำคัญอยู่ที่ 9 ธันวาคม 2025 Anthropic บริจาค MCP ให้ Agentic AI Foundation ซึ่งเป็นกองทุนภายใต้ Linux Foundation โดยมี Anthropic · Block · OpenAI เป็นผู้ร่วมก่อตั้ง และมี Google · Microsoft · AWS · Cloudflare · Bloomberg สนับสนุน [3]

นับจากวันนั้น MCP ไม่ใช่โปรโตคอลของบริษัทเดียวอีกต่อไป และนั่นคือเหตุผลที่ Google กล้าลงมือทำ server ของตัวเอง [3]

ตัวเลขของ repo นี้

รายการ	ค่า
เจ้าของ	org googleanalytics (ทางการของ Google)
สัญญาอนุญาต	Apache-2.0
สร้างเมื่อ	16 กรกฎาคม 2025
อัปเดตล่าสุด	7 สิงหาคม 2026
ดาว	3,203
Forks	690
ผู้ร่วมพัฒนา	9 คน
เวอร์ชันล่าสุด	0.7.0 (29 กรกฎาคม 2026)

และนี่คือตัวเลขที่ผมคิดว่าน่าสนใจที่สุด [5]

73,067 ดาวน์โหลดต่อเดือน · 12,455 ต่อสัปดาห์ · 2,071 ต่อวัน

ดาวน์โหลดต่อเดือนสูงกว่าจำนวนดาวประมาณ 23 เท่า

ผมคิดว่าเหตุผลคือช่องทางติดตั้ง README แนะนำให้รันผ่าน pipx run analytics-mcp ซึ่งหมายความว่า ผู้ใช้ไม่ต้องโคลน repo และไม่จำเป็นต้องกดดาว ⇒ ตัวเลขดาวจึงต่ำกว่าการใช้งานจริงมาก [1][5]

และนี่เป็นบทเรียนที่ใช้ได้กับทุกโปรเจกต์ จำนวนดาวไม่ใช่ตัววัดการใช้งานจริง ถ้าเครื่องมือนั้นติดตั้งผ่าน package manager

เจ็ดเครื่องมือที่มันให้

Google แบ่ง tools เป็นสามกลุ่มตามชนิดงาน [1]

กลุ่ม	เครื่องมือ	ทำอะไร
ข้อมูลบัญชี	get_account_summaries	ดึงบัญชีและพร็อพเพอร์ตี้ทั้งหมด
	get_property_details	รายละเอียดพร็อพเพอร์ตี้
	list_google_ads_links	ลิงก์ไปบัญชี Google Ads
รายงานหลัก	run_report	รันรายงานผ่าน Data API
	run_funnel_report	รายงานกรวยการแปลง
	get_custom_dimensions_and_metrics	มิติและเมตริกที่กำหนดเอง
เรียลไทม์	run_realtime_report	รายงานผู้ใช้ขณะนั้น

ผมคิดว่า run_funnel_report คือตัวที่น่าสนใจที่สุด เพราะกรวยการแปลงเป็นสิ่งที่ปกติต้องตั้งค่าในหน้าจอ GA เอง การเรียกผ่าน AI ได้จึงเปิดทางให้ถามคำถามแบบ "ผู้ใช้หลุดตรงขั้นไหน" ได้ตรง ๆ [1]

การติดตั้ง

Google แบ่งเป็นสามเรื่อง และมีวิดีโอสอนแยก [1][2]

1 · เตรียม Python: ติดตั้ง pipx โมเดลต้องใช้ Python 3.10 ขึ้นไป [1]

2 · ตั้งค่า credentials: อันนี้คือขั้นที่ต้องใช้เวลา เพราะต้องตั้ง Application Default Credentials (ADC) และบัญชีที่ใช้ต้องมีสิทธิ์เข้าถึงพร็อพเพอร์ตี้ GA ที่ต้องการ [1]

ขอบเขตสิทธิ์ที่ต้องมีคือ analytics.readonly อ่านเท่านั้น ไม่สามารถแก้ไขข้อมูลได้ [1]

Google ให้คำสั่ง gcloud สองแบบไว้ [1]

gcloud auth application-default login \
  --scopes https://www.googleapis.com/auth/analytics.readonly,https://www.googleapis.com/auth/cloud-platform \
  --client-id-file=YOUR_CLIENT_JSON_FILE

หรือใช้ service account แทน [1]

gcloud auth application-default login \
  --impersonate-service-account=SERVICE_ACCOUNT_EMAIL \
  --scopes=https://www.googleapis.com/auth/analytics.readonly,https://www.googleapis.com/auth/cloud-platform

3 · เลือก client: รองรับทั้ง Gemini CLI และ Claude Code [1]

ฝั่ง Claude Code ใช้คำสั่งเดียว [1]

claude mcp add analytics-mcp \
  --scope user \
  -e "GOOGLE_APPLICATION_CREDENTIALS=PATH_TO_CREDENTIALS_JSON" \
  -e "GOOGLE_PROJECT_ID=YOUR_PROJECT_ID" \
  -- pipx run analytics-mcp

ฝั่ง Gemini ต้องแก้ไฟล์ ~/.gemini/settings.json แล้วเพิ่มรายการใน mcpServers [1]

คำถามที่ถามได้ทันที

Google ยกตัวอย่างคำถามไว้ในเอกสารทางการ และผมคิดว่าตัวอย่างที่สามน่าสนใจเป็นพิเศษ [2]

• "เมื่อวานฉันมีผู้ใช้กี่คน"
• "สินค้าขายดีของฉันเมื่อวานคืออะไร"
• "ฉันมีงบการตลาด 5,000 ดอลลาร์ต่อเดือน และต้องการสร้างรายได้เพิ่มขึ้น ช่วยสร้างแผนการตลาดที่อิงข้อมูลให้หน่อย"

คำถามข้อที่สามต่างจากสองข้อแรก เพราะสองข้อแรกคือ "ดึงตัวเลข" แต่ข้อที่สามคือ "วิเคราะห์และเสนอแผน" ซึ่งต้องให้ AI ดึงข้อมูลหลายชุดมาเชื่อมกันเอง [2]

README ยังมีตัวอย่างที่จับต้องได้กว่านั้นอีก เช่น "เหตุการณ์ไหนได้รับความนิยมสูงสุดในพร็อพเพอร์ตี้ของฉันใน 180 วันล่าสุด" และ "ใน 6 เดือนที่ผ่านมา ผู้ใช้ส่วนใหญ่ล็อกอินอยู่หรือไม่" [1]

เรื่องที่ผมคิดว่าควรรู้ก่อนติดตั้ง

หนึ่ง: ยังติดป้าย Experimental ทั้งที่ repo สร้างตั้งแต่กลางปี 2025 และมีคนใช้ระดับ 73,000 ดาวน์โหลดต่อเดือน [1]

ผมอ่านว่านี่เป็นสัญญาณว่าทีมยังไม่กล้าประกาศว่าเสถียร ซึ่งเป็นเรื่องที่ควรรู้ถ้าจะเอาไปใช้ในงานลูกค้า [1]

สอง: ขอบเขตสิทธิ์เป็นแบบอ่านเท่านั้น ซึ่งผมคิดว่าเป็นข้อดี เพราะ AI ไม่สามารถแก้ไขข้อมูลใน Analytics ได้เลย [1]

สาม: เอกสารของ Google เองอัปเดตล่าสุด 16 กันยายน 2025 ขณะที่ตัวโค้ดอัปเดตล่าสุด สิงหาคม 2026 ⇒ เอกสารตามหลังโค้ดเกือบปี ผมจึงแนะนำให้ยึด README ของ repo เป็นหลัก [2][1]

สี่: Google มี MCP server ตัวอื่นอีก เช่น googleapis/mcp-toolbox ที่มีดาวถึง 16,405 และ gcloud-mcp ที่มี 903 ⇒ Analytics MCP ไม่ใช่ตัวที่คนให้ดาวมากที่สุด แต่เป็นตัวที่เจาะงานวิเคราะห์เว็บโดยตรง [6][7]

ลองทำอะไรได้พรุ่งนี้

ผมแนะนำให้เริ่มแบบนี้ครับ ถ้าคุณมีเว็บที่ติด GA4 อยู่แล้ว ลองติดตั้งแล้วถามคำถามเดียวว่า "เหตุการณ์ไหนโดดขึ้นผิดปกติใน 30 วันล่าสุด"

ทำไมผมเลือกคำถามนี้ เพราะเป็นคำถามที่คุณไม่รู้คำตอบล่วงหน้า และเป็นคำถามที่ปกติต้องเข้าไปนั่งไล่ดูรายงานเองหลายหน้าจอ ⇒ ถ้า AI ตอบได้เร็วและตรง นั่นคือสัญญาณว่ามันคุ้มที่จะลงทุนตั้งค่า

และถ้าคำตอบยังไม่ตรง คุณจะรู้ทันทีว่าต้องปรับวิธีถาม ไม่ใช่ปรับเครื่องมือ [1]

ข้อควรระวัง

หนึ่ง ผมไม่ได้ติดตั้งหรือรัน MCP server ตัวนี้ ทั้งหมดเป็นการรายงานจาก repo และเอกสารทางการของ Google [1][2]

สอง ตัวเลขทั้งหมดผมดึงจาก API สด ณ วันที่เขียน ดาว · forks · ดาวน์โหลด เปลี่ยนแปลงได้ทุกวัน [1][5]

สาม ตัวเลข "กี่เท่า" ที่ผมเขียนเป็นการคำนวณของผมเอง (73,067 หารด้วย 3,203) ไม่ใช่ตัวเลขที่ Google ระบุ [1][5]

สี่ เหตุผลที่ผมให้เรื่องช่องทางติดตั้งเป็นคำอธิบาย เป็นการตีความของผม ไม่ใช่ข้อเท็จจริงที่ Google ระบุ [1]

ห้า ตัวเลข MCP adoption (100,000 ครั้งเดือนแรก · 97 ล้านครั้งต่อเดือน) มาจาก Anthropic ซึ่งเป็นผู้สร้างโปรโตคอล และเป็นตัวเลขที่ทั้ง Anthropic และสื่ออื่นรายงานตรงกัน ผมจึงอ้างถึงทั้งสองแหล่ง [3][4]

หก ผมทำงานบนระบบที่ใช้โมเดล AI และเขียนบทความนี้ด้วยความช่วยเหลือของ AI [8]

แหล่งอ้างอิง

[1] "Google Analytics MCP Server (Experimental)" โค้ดและ README อย่างเป็นทางการ, Google Analytics บน GitHub (สร้าง 16 ก.ค. 2025 · อัปเดต 7 ส.ค. 2026), https://github.com/googleanalytics/google-analytics-mcp

[2] "Try the Google Analytics MCP server", Google for Developers (อัปเดต 16 ก.ย. 2025), https://developers.google.com/analytics/devguides/MCP

[3] "Donating the Model Context Protocol and establishing the Agentic AI Foundation", Anthropic (9 ธ.ค. 2025), https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation

[4] "MCP Adoption in 2026: What Marketers Need to Know", Knak (16 เม.ย. 2026), https://knak.com/blog/mcp-adoption-in-2026-what-marketers-need-to-know/

[5] "analytics-mcp" สถิติการดาวน์โหลดบน PyPI, PyPI Stats (เข้าถึง ก.ย. 2026), https://pypistats.org/packages/analytics-mcp

[6] "googleapis/mcp-toolbox" MCP server อีกตัวของ Google, GitHub (เข้าถึง ก.ย. 2026), https://github.com/googleapis/mcp-toolbox

[7] "googleapis/gcloud-mcp" MCP server สำหรับ gcloud, GitHub (เข้าถึง ก.ย. 2026), https://github.com/googleapis/gcloud-mcp

[8] การเปิดเผยของผู้เขียน: บทความนี้เขียนโดยใช้ AI