Cara Menggunakan Google Search Console MCP Server

AI telah menjadi kebutuhan untuk merampingkan alur kerja dan mendapatkan wawasan yang lebih mendalam. Server Model Context Protocol (MCP) berada di garis depan, bertindak sebagai jembatan yang memungkinkan alat bertenaga AI berinteraksi langsung dengan sumber data penting Anda.

Hari ini, kita akan mempelajari cara menyiapkan Server MCP Google Search Console—pilihan populer untuk data analitik dan SEO—dan kemudian memperkenalkan Server MCP Apidog, solusi lengkap yang canggih yang dirancang untuk meningkatkan alur kerja pengembangan API Anda.

button

Apa Itu Server MCP Google Search Console?

Server MCP Google Search Console bertindak sebagai jembatan antara Google Search Console dan IDE bertenaga AI. Mengekspos data analitik penelusuran situs Anda ke AI memungkinkan pengkodean dan pelaporan yang lebih cerdas dan berbasis data.

Fitur Utama

Pengambilan data analitik penelusuran dengan dukungan untuk dimensi khusus
Analisis data yang kaya dengan periode pelaporan yang fleksibel
Integrasi dengan Claude Desktop dan klien AI lainnya

Cara Menyiapkan Server MCP Google Search Console

Menyiapkan Server MCP Google Search Console melibatkan beberapa langkah. Berikut panduan langkah demi langkah:

Prasyarat

Sebelum memulai, pastikan Anda memiliki:

Node.js 18 atau yang lebih baru
Proyek Google Cloud dengan Search Console API diaktifkan
Kredensial Akun Layanan dengan akses Search Console

1. Instal Server MCP

Anda dapat menginstal server secara otomatis melalui Smithery atau secara manual dengan npm.

Melalui Smithery:

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

Instalasi Manual:

npm install mcp-server-gsc

2. Siapkan Kredensial Google Cloud

Buka Google Cloud Console.

Buat proyek baru atau pilih yang sudah ada

Aktifkan Search Console API:

Navigasi ke "APIs & Services" > "Library"
Cari dan aktifkan "Search Console API"

Buat kredensial:

Buka "APIs & Services" > "Credentials"
Klik "Create Credentials" > "Service Account"
Isi detailnya dan buat kunci baru dalam format JSON
Unduh file kredensial

Berikan akses:

Buka Google Search Console
Tambahkan email akun layanan sebagai administrator properti

3. Konfigurasi Server MCP di Klien AI Anda

Untuk Claude Desktop atau alat serupa, tambahkan konfigurasi berikut:

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

4. Kueri Data Analitik Penelusuran

Anda sekarang dapat menggunakan alat search_analytics untuk mengambil data. Contoh parameter:

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

Parameter Wajib dan Opsional

Parameter	Wajib	Deskripsi
siteUrl	Ya	URL Situs (misalnya, https://example.com)
startDate	Ya	Tanggal mulai (YYYY-MM-DD)
endDate	Ya	Tanggal akhir (YYYY-MM-DD)
dimensions	Tidak	Dipisahkan koma (query, page, country, dll.)
type	Tidak	Jenis penelusuran (web, image, video, news)
rowLimit	Tidak	Jumlah baris maksimum yang dikembalikan (default: 1000)

Contoh Perintah AI:

@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.

Pengaturan ini memberdayakan asisten AI Anda untuk menjadi analis SEO yang kuat, memberikan wawasan berbasis data untuk pengembangan yang lebih baik.

Merampingkan Pengembangan API: Server MCP Apidog

Sementara Server MCP Google Search Console berfokus pada analitik web, Server MCP Apidog secara khusus direkayasa untuk meningkatkan pengembangan API yang dibantu AI. Ini memungkinkan asisten pengkodean AI Anda untuk langsung memahami dan berinteraksi dengan spesifikasi API Anda, secara dramatis mempercepat tugas-tugas seperti pembuatan kode, dokumentasi, dan pengujian.

button

Apa yang Membuat Server MCP Apidog Unik?

Hubungkan spesifikasi API apa pun ke AI: Bukan hanya analitik—hubungkan spesifikasi proyek REST, OpenAPI, atau Apidog Anda langsung ke AI.
Tingkatkan produktivitas: Biarkan AI menghasilkan, memperbarui, dan mendokumentasikan kode berdasarkan spesifikasi API yang sebenarnya.
Tingkatkan kualitas kode: Saran AI didasarkan pada API Anda yang sebenarnya, mengurangi kesalahan dan meningkatkan kemampuan pemeliharaan.
Bekerja dengan banyak IDE: Berintegrasi dengan Cursor, VS Code (dengan Cline), dan lainnya.
Gratis: Tanpa biaya, tanpa ketergantungan vendor.

Fitur Utama

Caching lokal: Spesifikasi API di-cache secara lokal untuk kecepatan dan privasi.
Beberapa sumber data: Terhubung ke proyek Apidog, dokumen API publik, atau file Swagger/OpenAPI.
Konfigurasi fleksibel: Mendukung deployment on-premise dan lingkungan khusus.

Cara Menyiapkan Server MCP Apidog: Panduan Langkah demi Langkah

Menyiapkan Server MCP Apidog melibatkan beberapa langkah sederhana.

button

Prasyarat:

1. Node.js: Versi 18 atau yang lebih baru (disarankan LTS terbaru).

2. IDE yang Kompatibel dengan MCP:

Cursor
VS Code dengan plugin Cline

Konfigurasi Berdasarkan Sumber Data Anda

Server MCP Apidog menawarkan fleksibilitas dengan mendukung berbagai sumber spesifikasi API:

1. Menggunakan Proyek Apidog sebagai Sumber Data

Ini ideal untuk tim yang mengelola API mereka di dalam Apidog.

Dapatkan API Access Token & Project ID:

API Access Token: Di Apidog, buka Account Settings (melalui gambar profil) > API Access Token. Buat token baru dan salin.

Project ID: Buka proyek target Anda di Apidog. Buka Project Settings (sidebar kiri) > Basic Settings. Salin Project ID.

Konfigurasi di Cursor (Contoh):

Di Cursor, buka pengaturan MCP (ikon Pengaturan > MCP > "+ Add new global MCP server").

Tempelkan konfigurasi ke mcp.json, ganti placeholder:

Untuk 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>"
     }
   }
 }
}

Untuk 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. Menggunakan Dokumentasi API Online yang Diterbitkan oleh Apidog

Berguna untuk API publik atau berbagi spesifikasi dengan pengembang eksternal melalui AI.

Dapatkan URL Dokumentasi: Dapatkan URL dokumentasi Apidog yang dibagikan secara publik.

Konfigurasi di Cursor (Contoh):

Untuk macOS/Linux:

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

Untuk Windows:

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

3. Menggunakan File Swagger/OpenAPI sebagai Sumber Data

Sempurna untuk bekerja dengan file OpenAPI/Swagger lokal atau yang di-host online.

Jalur File/URL: Identifikasi jalur lokal atau URL langsung ke file swagger.json, openapi.json, atau openapi.yaml Anda.

Konfigurasi di Cursor (Contoh):

Untuk macOS/Linux:

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

Untuk Windows:

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

Verifikasi Konfigurasi

Setelah penyiapan, uji koneksi dengan memberikan perintah kepada asisten AI Anda dalam mode Agen. Misalnya:

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

Jika AI merespons dengan informasi dari spesifikasi API Anda, penyiapan berhasil. Ingat, data API di-cache secara lokal. Jika Anda memperbarui spesifikasi Anda di Apidog, instruksikan AI untuk menyegarkan konteksnya untuk mengambil perubahan terbaru.

Kesimpulan

Mengintegrasikan AI dengan alur kerja pengembangan Anda bukan lagi kemewahan—itu adalah pengubah permainan. Dengan menyiapkan server MCP seperti Google Search Console dan Apidog MCP, Anda memungkinkan asisten AI Anda untuk berinteraksi langsung dengan set data penting, membuka kasus penggunaan lanjutan di seluruh analisis SEO dan pengembangan API.

button