Cómo Usar Google Search Console Servidor MCP

La IA ha sido una necesidad para optimizar flujos de trabajo y obtener información más profunda. Los servidores Model Context Protocol (MCP) están a la vanguardia, actuando como puentes que permiten que las herramientas impulsadas por IA interactúen directamente con tus fuentes de datos cruciales.

Hoy, profundizaremos en cómo configurar el Servidor MCP de Google Search Console, una opción popular para datos de análisis y SEO, y luego presentaremos el Servidor MCP de Apidog, una solución potente y todo en uno diseñada para mejorar tu flujo de trabajo de desarrollo de API.

button

¿Qué es el Servidor MCP de Google Search Console?

El Servidor MCP de Google Search Console actúa como un puente entre Google Search Console y los IDEs impulsados por IA. Exponer los datos de análisis de búsqueda de tu sitio a la IA permite una codificación y generación de informes más inteligentes y basadas en datos.

Características Clave

Recuperación de datos de análisis de búsqueda con soporte para dimensiones personalizadas
Análisis de datos enriquecido con períodos de informe flexibles
Integración con Claude Desktop y otros clientes de IA

Cómo Configurar el Servidor MCP de Google Search Console

Configurar el Servidor MCP de Google Search Console implica varios pasos. Aquí tienes una guía paso a paso:

Requisitos Previos

Antes de comenzar, asegúrate de tener:

Node.js 18 o posterior
Un proyecto de Google Cloud con la API de Search Console habilitada
Credenciales de cuenta de servicio con acceso a Search Console

1. Instalar el Servidor MCP

Puedes instalar el servidor automáticamente a través de Smithery o manualmente con npm.

Vía Smithery:

npx -y @smithery/cli install mcp-server-gsc --client claude

Instalación Manual:

npm install mcp-server-gsc

2. Configurar las Credenciales de Google Cloud

Ve a la Consola de Google Cloud.

Crea un nuevo proyecto o selecciona uno existente

Habilita la API de Search Console:

Navega a “APIs y Servicios” > “Biblioteca”
Busca y habilita “Search Console API”

Crea credenciales:

Ve a “APIs y Servicios” > “Credenciales”
Haz clic en “Crear credenciales” > “Cuenta de servicio”
Completa los detalles y crea una nueva clave en formato JSON
Descarga el archivo de credenciales

Otorga acceso:

Abre Google Search Console
Añade el correo electrónico de la cuenta de servicio como administrador de propiedad

3. Configurar el Servidor MCP en tu Cliente de IA

Para Claude Desktop o herramientas similares, añade la siguiente configuración:

{
  "mcpServers": {
    "gsc": {
      "command": "npx",
      "args": ["-y", "mcp-server-gsc"],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/credentials.json"
      }
    }
  }
}

4. Consultando Datos de Análisis de Búsqueda

Ahora puedes usar la herramienta search_analytics para recuperar datos. Parámetros de ejemplo:

{
  "siteUrl": "https://example.com",
  "startDate": "2024-01-01",
  "endDate": "2024-01-31",
  "dimensions": "query,country",
  "type": "web",
  "rowLimit": 500
}

Parámetros Obligatorios y Opcionales

Parámetro	Obligatorio	Descripción
siteUrl	Sí	URL del sitio (ej., https://example.com)
startDate	Sí	Fecha de inicio (AAAA-MM-DD)
endDate	Sí	Fecha de fin (AAAA-MM-DD)
dimensions	No	Separado por comas (consulta, página, país, etc.)
type	No	Tipo de búsqueda (web, imagen, vídeo, noticias)
rowLimit	No	Máx. filas a devolver (predeterminado: 1000)

Ejemplo de Prompt para IA:

@gsc use the search_analytics tool for siteUrl 'https://example.com', startDate '2024-04-01', endDate '2024-04-30', with dimensions 'query,page' and a rowLimit of 10. Show me the top queries and pages.

Esta configuración permite que tu asistente de IA se convierta en un potente analista de SEO, proporcionando información basada en datos para un mejor desarrollo.

Optimizando el Desarrollo de API: El Servidor MCP de Apidog

Mientras que el Servidor MCP de Google Search Console se centra en el análisis web, el Servidor MCP de Apidog está específicamente diseñado para mejorar el desarrollo de API asistido por IA. Permite que tu asistente de codificación de IA comprenda e interactúe directamente con tus especificaciones de API, acelerando drásticamente tareas como la generación de código, la documentación y las pruebas.

button

¿Qué Hace Único al Servidor MCP de Apidog?

Conecta cualquier especificación de API a la IA: No solo análisis; conecta tus especificaciones de proyectos REST, OpenAPI o Apidog directamente a la IA.
Aumenta la productividad: Deja que la IA genere, actualice y documente código basado en especificaciones de API reales.
Mejora la calidad del código: Las sugerencias de IA se basan en tu API real, reduciendo errores y mejorando la mantenibilidad.
Funciona con múltiples IDEs: Intégrate con Cursor, VS Code (con Cline) y más.
Gratis: Sin costes, sin dependencia de proveedor.

Características Clave

Caché local: Las especificaciones de API se almacenan en caché localmente para mayor velocidad y privacidad.
Múltiples fuentes de datos: Conéctate a proyectos de Apidog, documentación de API pública, o archivos Swagger/OpenAPI.
Configuración flexible: Soporta despliegues locales y entornos personalizados.

Cómo Configurar el Servidor MCP de Apidog: Guía Paso a Paso

Configurar el Servidor MCP de Apidog implica unos pocos pasos sencillos.

button

Requisitos Previos:

1. Node.js: Versión 18 o posterior (se recomienda la última LTS).

2. IDE Compatible con MCP:

Cursor
VS Code con el plugin Cline

Configuración Basada en tu Fuente de Datos

El Servidor MCP de Apidog ofrece flexibilidad al soportar varias fuentes de especificaciones de API:

1. Usando un Proyecto de Apidog como Fuente de Datos

Esto es ideal para equipos que gestionan sus APIs dentro de Apidog.

Obtener Token de Acceso a la API e ID del Proyecto:

Token de Acceso a la API: En Apidog, ve a Configuración de la Cuenta (a través de la imagen de perfil) > Token de Acceso a la API. Crea un nuevo token y cópialo.

Obtener token de acceso a la API desde Apidog

ID del Proyecto: Abre tu proyecto objetivo en Apidog. Ve a Configuración del Proyecto (barra lateral izquierda) > Configuración Básica. Copia el ID del Proyecto.

Obtener ID del proyecto de API desde Apidog

Configurar en Cursor (Ejemplo):

En Cursor, abre la configuración de MCP (Icono de Configuración > MCP > "+ Añadir nuevo servidor MCP global").

Captura de pantalla de la configuración de MCP en Cursor

Pega la configuración en mcp.json, reemplazando los marcadores de posición:

Para macOS/Linux:

{
 "mcpServers": {
   "MyApidogAPI": { // You can name this descriptively
     "command": "npx",
     "args": [
       "-y",
       "apidog-mcp-server@latest",
       "--project=<your-project-id>"
     ],
     "env": {
       "APIDOG_ACCESS_TOKEN": "<your-access-token>"
     }
   }
 }
}

Para Windows:

{
 "mcpServers": {
   "MyApidogAPI": {
     "command": "cmd",
     "args": [
       "/c",
       "npx",
       "-y",
       "apidog-mcp-server@latest",
       "--project=<your-project-id>"
     ],
     "env": {
       "APIDOG_ACCESS_TOKEN": "<your-access-token>"
     }
   }
 }
}

2. Usando Documentación de API Online Publicada por Apidog

Útil para APIs públicas o para compartir especificaciones con desarrolladores externos a través de IA.

Obtener URL de la Documentación: Obtén la URL de la documentación de Apidog compartida públicamente.

Configurar en Cursor (Ejemplo):

Para macOS/Linux:

{
  "mcpServers": {
    "apidog-site-123456": {
      "command": "npx",
      "args": [
        "-y",
        "apidog-mcp-server@latest",
        "--site-id=123456"
      ]
    }
  }
}

Para Windows:

{
  "mcpServers": {
    "apidog-site-123456": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "apidog-mcp-server@latest",
        "--site-id=123456"
      ]
    }
  }
}

3. Usando Archivos Swagger/OpenAPI como Fuente de Datos

Perfecto para trabajar con archivos OpenAPI/Swagger locales o aquellos alojados online.

Ruta/URL del Archivo: Identifica la ruta local o la URL directa a tu archivo swagger.json, openapi.json, o openapi.yaml.

Configurar en Cursor (Ejemplo):

Para macOS/Linux:

{
  "mcpServers": {
    "API specification": {
      "command": "npx",
      "args": [
        "-y",
        "apidog-mcp-server@latest",
        "--oas=https://petstore.swagger.io/v2/swagger.json"
      ]
    }
  }
}

Para Windows:

{
  "mcpServers": {
    "API specification": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "apidog-mcp-server@latest",
        "--oas=https://petstore.swagger.io/v2/swagger.json"
      ]
    }
  }
}

Verificar la Configuración

Después de la configuración, prueba la conexión pidiendo a tu asistente de IA en modo Agente. Por ejemplo:

@MyApidogAPI please fetch the API specification and tell me how many endpoints exist in the project.

Si la IA responde con información de tu especificación de API, la configuración es exitosa. Recuerda, los datos de la API se almacenan en caché localmente. Si actualizas tus especificaciones en Apidog, instruye a la IA para que actualice su contexto y obtenga los últimos cambios.

Conclusión

Integrar la IA en tu flujo de trabajo de desarrollo ya no es un lujo, es un cambio radical. Al configurar servidores MCP como Google Search Console y Apidog MCP, permites que tus asistentes de IA interactúen directamente con conjuntos de datos críticos, desbloqueando casos de uso avanzados tanto en análisis SEO como en desarrollo de API.

button