Google Search Console MCP 서버 사용법

AI는 워크플로우를 간소화하고 더 깊은 통찰력을 얻는 데 필수적인 요소가 되었습니다. 모델 컨텍스트 프로토콜(MCP) 서버는 AI 기반 도구가 중요한 데이터 소스와 직접 상호 작용할 수 있도록 하는 브릿지 역할을 하며 최전선에 있습니다.

오늘 우리는 분석 및 SEO 데이터에 널리 사용되는 Google Search Console MCP 서버를 설정하는 방법을 자세히 살펴보고, API 개발 워크플로우를 향상시키도록 설계된 강력한 올인원 솔루션인 Apidog MCP 서버를 소개할 것입니다.

버튼

Google Search Console MCP 서버란 무엇인가요?

Google Search Console MCP 서버는 Google Search Console과 AI 기반 IDE 사이의 브릿지 역할을 합니다. 사이트의 검색 분석 데이터를 AI에 노출하면 더 스마트하고 데이터 기반의 코딩 및 보고가 가능해집니다.

주요 기능

사용자 지정 측정기준을 지원하는 검색 분석 데이터 검색
유연한 보고 기간을 통한 풍부한 데이터 분석
Claude Desktop 및 기타 AI 클라이언트와의 통합

Google Search Console MCP 서버 설정 방법

Google Search Console MCP 서버 설정에는 여러 단계가 포함됩니다. 단계별 가이드는 다음과 같습니다.

사전 준비 사항

시작하기 전에 다음을 확인하십시오.

Node.js 18 이상
Search Console API가 활성화된 Google Cloud 프로젝트
Search Console 액세스 권한이 있는 서비스 계정 자격 증명

1. MCP 서버 설치

Smithery를 통해 자동으로 또는 npm을 사용하여 수동으로 서버를 설치할 수 있습니다.

Smithery를 통해:

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

수동 설치:

npm install mcp-server-gsc

2. Google Cloud 자격 증명 설정

Google Cloud Console로 이동합니다.

새 프로젝트를 생성하거나 기존 프로젝트를 선택합니다.

Search Console API 활성화:

"API 및 서비스" > "라이브러리"로 이동합니다.
"Search Console API"를 검색하고 활성화합니다.

자격 증명 생성:

"API 및 서비스" > "자격 증명"으로 이동합니다.
"자격 증명 만들기" > "서비스 계정"을 클릭합니다.
세부 정보를 입력하고 JSON 형식으로 새 키를 생성합니다.
자격 증명 파일을 다운로드합니다.

액세스 권한 부여:

Google Search Console을 엽니다.
서비스 계정 이메일을 속성 관리자로 추가합니다.

3. AI 클라이언트에서 MCP 서버 구성

Claude Desktop 또는 유사한 도구의 경우 다음 구성을 추가합니다.

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

4. 검색 분석 데이터 쿼리

이제 search_analytics 도구를 사용하여 데이터를 검색할 수 있습니다. 예제 매개변수:

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

필수 및 선택적 매개변수

매개변수	필수	설명
siteUrl	예	사이트 URL (예: https://example.com)
startDate	예	시작 날짜 (YYYY-MM-DD)
endDate	예	종료 날짜 (YYYY-MM-DD)
dimensions	아니요	쉼표로 구분 (쿼리, 페이지, 국가 등)
type	아니요	검색 유형 (웹, 이미지, 동영상, 뉴스)
rowLimit	아니요	반환할 최대 행 수 (기본값: 1000)

예제 AI 프롬프트:

@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.

이 설정을 통해 AI 어시스턴트는 강력한 SEO 분석가가 되어 더 나은 개발을 위한 데이터 기반 통찰력을 제공할 수 있습니다.

API 개발 간소화: Apidog MCP 서버

Google Search Console MCP 서버가 웹 분석에 중점을 두는 반면, Apidog MCP 서버는 AI 기반 API 개발을 향상시키도록 특별히 설계되었습니다. 이를 통해 AI 코딩 어시스턴트가 API 사양을 직접 이해하고 상호 작용하여 코드 생성, 문서화 및 테스트와 같은 작업을 획기적으로 가속화할 수 있습니다.

버튼

Apidog MCP 서버의 특징은 무엇인가요?

모든 API 사양을 AI에 연결: 분석뿐만 아니라 REST, OpenAPI 또는 Apidog 프로젝트 사양을 AI에 직접 연결할 수 있습니다.
생산성 향상: AI가 실제 API 사양을 기반으로 코드를 생성, 업데이트 및 문서화하도록 합니다.
코드 품질 향상: AI 제안은 실제 API를 기반으로 하므로 오류를 줄이고 유지 관리성을 개선합니다.
여러 IDE와 호환: Cursor, VS Code (Cline 플러그인 사용) 등과 통합됩니다.
무료: 비용이나 공급업체 종속이 없습니다.

주요 기능

로컬 캐싱: API 사양은 속도 및 개인 정보 보호를 위해 로컬에 캐시됩니다.
여러 데이터 소스: Apidog 프로젝트, 공개 API 문서 또는 Swagger/OpenAPI 파일에 연결합니다.
유연한 구성: 온프레미스 배포 및 사용자 지정 환경을 지원합니다.

Apidog MCP 서버 설정 방법: 단계별 가이드

Apidog MCP 서버 설정에는 몇 가지 간단한 단계가 포함됩니다.

버튼

사전 준비 사항:

1. Node.js: 버전 18 이상 (최신 LTS 권장).

2. MCP 호환 IDE:

Cursor
Cline 플러그인이 설치된 VS Code

데이터 소스에 따른 구성

Apidog MCP 서버는 다양한 API 사양 소스를 지원하여 유연성을 제공합니다.

1. 데이터 소스로 Apidog 프로젝트 사용

이는 Apidog 내에서 API를 관리하는 팀에 이상적입니다.

API 액세스 토큰 및 프로젝트 ID 가져오기:

API 액세스 토큰: Apidog에서 계정 설정 (프로필 사진을 통해) > API 액세스 토큰으로 이동합니다. 새 토큰을 생성하고 복사합니다.

프로젝트 ID: Apidog에서 대상 프로젝트를 엽니다. 프로젝트 설정 (왼쪽 사이드바) > 기본 설정으로 이동합니다. 프로젝트 ID를 복사합니다.

Cursor에서 구성 (예시):

Cursor에서 MCP 설정을 엽니다 (설정 아이콘 > MCP > "+ 새 전역 MCP 서버 추가").

mcp.json에 구성을 붙여넣고 플레이스홀더를 바꿉니다.

macOS/Linux의 경우:

{
 "mcpServers": {
   "MyApidogAPI": { // 설명적인 이름으로 지정할 수 있습니다.
     "command": "npx",
     "args": [
       "-y",
       "apidog-mcp-server@latest",
       "--project=<your-project-id>"
     ],
     "env": {
       "APIDOG_ACCESS_TOKEN": "<your-access-token>"
     }
   }
 }
}

Windows의 경우:

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

2. Apidog에서 게시한 온라인 API 문서 사용

공개 API 또는 AI를 통해 외부 개발자와 사양을 공유하는 데 유용합니다.

문서 URL 가져오기: 공개적으로 공유된 Apidog 문서의 URL을 가져옵니다.

Cursor에서 구성 (예시):

macOS/Linux의 경우:

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

Windows의 경우:

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

3. 데이터 소스로 Swagger/OpenAPI 파일 사용

로컬 OpenAPI/Swagger 파일 또는 온라인 호스팅 파일 작업에 적합합니다.

파일 경로/URL: swagger.json, openapi.json, 또는 openapi.yaml 파일의 로컬 경로 또는 직접 URL을 확인합니다.

Cursor에서 구성 (예시):

macOS/Linux의 경우:

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

Windows의 경우:

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

구성 확인

설정 후 에이전트 모드에서 AI 어시스턴트에게 프롬프트를 제공하여 연결을 테스트합니다. 예시:

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

AI가 API 사양의 정보로 응답하면 설정이 성공한 것입니다. API 데이터는 로컬에 캐시된다는 점을 기억하십시오. Apidog에서 사양을 업데이트하는 경우 AI에게 컨텍스트를 새로 고쳐 최신 변경 사항을 가져오도록 지시하십시오.

결론

AI를 개발 워크플로우와 통합하는 것은 더 이상 사치가 아니라 판도를 바꾸는 일입니다. Google Search Console 및 Apidog MCP와 같은 MCP 서버를 설정하면 AI 어시스턴트가 중요한 데이터 세트와 직접 상호 작용하여 SEO 분석 및 API 개발 전반에 걸쳐 고급 사용 사례를 활용할 수 있습니다.

버튼