Comment utiliser le serveur MCP de Google Search Console

L'IA est devenue une nécessité pour rationaliser les flux de travail et obtenir des informations plus approfondies. Les serveurs Model Context Protocol (MCP) sont à l'avant-garde, agissant comme des ponts qui permettent aux outils basés sur l'IA d'interagir directement avec vos sources de données cruciales.

Aujourd'hui, nous allons explorer comment configurer le Google Search Console MCP Server—un choix populaire pour les données d'analyse et de référencement—et ensuite présenter l'Apidog MCP Server, une solution puissante et tout-en-un conçue pour améliorer votre flux de travail de développement d'API.

button

Qu'est-ce que Google Search Console MCP Server ?

Le Google Search Console MCP Server agit comme un pont entre Google Search Console et les IDE basés sur l'IA. L'exposition des données d'analyse de recherche de votre site à l'IA permet un codage et des rapports plus intelligents et basés sur les données.

Fonctionnalités clés

Récupération des données d'analyse de recherche avec prise en charge des dimensions personnalisées
Analyse de données enrichies avec des périodes de reporting flexibles
Intégration avec Claude Desktop et d'autres clients d'IA

Comment configurer Google Search Console MCP Server

La configuration du Google Search Console MCP Server implique plusieurs étapes. Voici un guide étape par étape :

Conditions préalables

Avant de commencer, assurez-vous d'avoir :

Node.js 18 ou version ultérieure
Un projet Google Cloud avec l'API Search Console activée
Identifiants de compte de service avec accès à Search Console

1. Installer le serveur MCP

Vous pouvez installer le serveur automatiquement via Smithery ou manuellement avec npm.

Via Smithery :

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

Installation manuelle :

npm install mcp-server-gsc

2. Configurer les identifiants Google Cloud

Accédez à la Google Cloud Console.

Créez un nouveau projet ou sélectionnez-en un existant

Activez l'API Search Console :

Accédez à « API et services » > « Bibliothèque »
Recherchez et activez « API Search Console »

Créez des identifiants :

Accédez à « API et services » > « Identifiants »
Cliquez sur « Créer des identifiants » > « Compte de service »
Remplissez les détails et créez une nouvelle clé au format JSON
Téléchargez le fichier d'identifiants

Accorder l'accès :

Ouvrez Google Search Console
Ajoutez l'adresse e-mail du compte de service en tant qu'administrateur de propriété

3. Configurer le serveur MCP dans votre client d'IA

Pour Claude Desktop ou des outils similaires, ajoutez la configuration suivante :

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

4. Interrogation des données d'analyse de recherche

Vous pouvez maintenant utiliser l'outil search_analytics pour récupérer des données. Exemples de paramètres :

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

Paramètres requis et facultatifs

Paramètre	Obligatoire	Description
siteUrl	Oui	URL du site (par exemple, https://example.com)
startDate	Oui	Date de début (AAAA-MM-JJ)
endDate	Oui	Date de fin (AAAA-MM-JJ)
dimensions	Non	Séparées par des virgules (requête, page, pays, etc.)
type	Non	Type de recherche (web, image, vidéo, actualités)
rowLimit	Non	Nombre maximal de lignes à renvoyer (par défaut : 1 000)

Exemple d'invite d'IA :

@gsc utilisez l'outil search_analytics pour siteUrl 'https://example.com', startDate '2024-04-01', endDate '2024-04-30', avec dimensions 'query,page' et une rowLimit de 10. Montrez-moi les requêtes et les pages les plus importantes.

Cette configuration permet à votre assistant d'IA de devenir un puissant analyste SEO, fournissant des informations basées sur les données pour un meilleur développement.

Rationalisation du développement d'API : l'Apidog MCP Server

Alors que le Google Search Console MCP Server se concentre sur l'analyse Web, l'Apidog MCP Server est spécialement conçu pour améliorer le développement d'API assisté par l'IA. Il permet à votre assistant de codage IA de comprendre et d'interagir directement avec vos spécifications d'API, ce qui accélère considérablement les tâches telles que la génération de code, la documentation et les tests.

button

Qu'est-ce qui rend Apidog MCP Server unique ?

Connectez n'importe quelle spécification d'API à l'IA : Pas seulement l'analyse, connectez directement vos spécifications de projet REST, OpenAPI ou Apidog à l'IA.
Boostez la productivité : Laissez l'IA générer, mettre à jour et documenter le code en fonction des spécifications réelles de l'API.
Améliorez la qualité du code : Les suggestions de l'IA sont basées sur votre API réelle, ce qui réduit les erreurs et améliore la maintenabilité.
Fonctionne avec plusieurs IDE : Intégrez-vous à Cursor, VS Code (avec Cline), et plus encore.
Gratuit : Pas de frais, pas de dépendance fournisseur.

Fonctionnalités clés

Mise en cache locale : Les spécifications d'API sont mises en cache localement pour la vitesse et la confidentialité.
Plusieurs sources de données : Connectez-vous à projets Apidog, documents d'API publics ou fichiers Swagger/OpenAPI.
Configuration flexible : Prend en charge les déploiements sur site et les environnements personnalisés.

Comment configurer Apidog MCP Server : guide étape par étape

La configuration de l'Apidog MCP Server implique quelques étapes simples.

button

Conditions préalables

1. Node.js : Version 18 ou ultérieure (dernière LTS recommandée).

2. IDE compatible MCP :

Cursor
VS Code avec le plugin Cline

Configuration basée sur votre source de données

Apidog MCP Server offre une flexibilité en prenant en charge diverses sources de spécifications d'API :

1. Utilisation d'un projet Apidog comme source de données

Ceci est idéal pour les équipes gérant leurs API au sein d'Apidog.

Obtenir le jeton d'accès à l'API et l'ID du projet :

Jeton d'accès à l'API : Dans Apidog, accédez à Paramètres du compte (via l'image de profil) > Jeton d'accès à l'API. Créez un nouveau jeton et copiez-le.

ID du projet : Ouvrez votre projet cible dans Apidog. Accédez à Paramètres du projet (barre latérale gauche) > Paramètres de base. Copiez l'ID du projet.

Configurer dans Cursor (Exemple) :

Dans Cursor, ouvrez les paramètres MCP (icône Paramètres > MCP > « + Ajouter un nouveau serveur MCP global »).

Collez la configuration dans mcp.json, en remplaçant les espaces réservés :

Pour macOS/Linux :

{
 "mcpServers": {
   "MyApidogAPI": { // Vous pouvez nommer ceci de manière descriptive
     "command": "npx",
     "args": [
       "-y",
       "apidog-mcp-server@latest",
       "--project=<your-project-id>"
     ],
     "env": {
       "APIDOG_ACCESS_TOKEN": "<your-access-token>"
     }
   }
 }
}

Pour 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. Utilisation de la documentation de l'API en ligne publiée par Apidog

Utile pour les API publiques ou le partage de spécifications avec des développeurs externes via l'IA.

Obtenir l'URL de la documentation : Obtenez l'URL de la documentation Apidog partagée publiquement.

Configurer dans Cursor (Exemple) :

Pour macOS/Linux :

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

Pour Windows :

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

3. Utilisation des fichiers Swagger/OpenAPI comme source de données

Parfait pour travailler avec des fichiers OpenAPI/Swagger locaux ou ceux hébergés en ligne.

Chemin/URL du fichier : Identifiez le chemin local ou l'URL directe de votre fichier swagger.json, openapi.json ou openapi.yaml.

Configurer dans Cursor (Exemple) :

Pour macOS/Linux :

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

Pour Windows :

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

Vérifier la configuration

Après la configuration, testez la connexion en invitant votre assistant d'IA en mode Agent. Par exemple :

@MyApidogAPI veuillez récupérer la spécification de l'API et me dire combien de points de terminaison existent dans le projet.

Si l'IA répond avec des informations provenant de votre spécification d'API, la configuration est réussie. N'oubliez pas que les données de l'API sont mises en cache localement. Si vous mettez à jour vos spécifications dans Apidog, demandez à l'IA d'actualiser son contexte pour récupérer les dernières modifications.

Conclusion

L'intégration de l'IA à votre flux de travail de développement n'est plus un luxe, c'est un facteur de changement. En configurant des serveurs MCP comme Google Search Console et Apidog MCP, vous permettez à vos assistants d'IA d'interagir directement avec des ensembles de données critiques, ouvrant ainsi des cas d'utilisation avancés dans l'analyse SEO et le développement d'API.

button