Google Search Console MCP-Server für SEOs

April 2026 (v0.2.2): Sicherheitsmodus für destruktive Tools, HTTP/SSE-Transport, offizielles Dockerfile, Korrektur der Sitemap-Warnung und PyPI-Fix. Details finden Sie im Changelog.

Ein Model Context Protocol (MCP)-Server, der die Google Search Console (GSC) mit KI-Assistenten verbindet und es Ihnen ermöglicht, Ihre SEO-Daten durch natürlichsprachliche Konversationen zu analysieren. Funktioniert mit Claude, Cursor, Codex, Gemini CLI, Antigravity und jedem anderen MCP-kompatiblen Client. Diese Integration bietet Ihnen Zugriff auf Property-Informationen, Suchanalysen, URL-Inspektion und Sitemap-Verwaltung – alles über einen einfachen Chat.

Was kann dieses Tool für SEO-Profis tun?

1. Property-Verwaltung

   • Sehen Sie alle Ihre GSC-Properties an einem Ort

   • Erhalten Sie Verifizierungsdetails und grundlegende Website-Informationen

   • Fügen Sie Ihrem Konto neue Properties hinzu

   • Entfernen Sie Properties aus Ihrem Konto

2. Suchanalysen & Berichte

   • Entdecken Sie, welche Suchanfragen Besucher auf Ihre Website bringen

   • Verfolgen Sie Impressionen, Klicks und Klickraten (CTR)

   • Analysieren Sie Leistungstrends im Zeitverlauf

   • Vergleichen Sie verschiedene Zeiträume, um Veränderungen zu erkennen

   • Visualisieren Sie Ihre Daten mit Diagrammen und Grafiken, die von Claude erstellt wurden

3. URL-Inspektion & Indexierung

   • Prüfen Sie, ob bestimmte Seiten Indexierungsprobleme haben

   • Sehen Sie, wann Google Ihre Seiten zuletzt gecrawlt hat

   • Untersuchen Sie mehrere URLs gleichzeitig, um Muster zu identifizieren

   • Erhalten Sie umsetzbare Erkenntnisse zur Verbesserung der Indexierung

4. Sitemap-Verwaltung

   • Zeigen Sie alle Ihre Sitemaps und deren Status an

   • Übermitteln Sie neue Sitemaps direkt über Claude

   • Prüfen Sie Ihre Sitemaps auf Fehler oder Warnungen

   • Überwachen Sie den Verarbeitungsstatus von Sitemaps

Related MCP server: Google Search Console MCP Server

Verfügbare Tools

Hier ist, was Sie Ihren KI-Assistenten tun lassen können, sobald Sie diese Integration eingerichtet haben:

Für eine vollständige Liste aller 19 verfügbaren Tools und deren detaillierte Beschreibungen fragen Sie Ihren KI-Assistenten nach der Einrichtung nach "list tools".

Erste Schritte (Keine Programmierkenntnisse erforderlich!)

1. Google Search Console API-Zugriff einrichten

Bevor Sie dieses Tool verwenden, müssen Sie API-Anmeldedaten erstellen, die Ihrem KI-Assistenten den Zugriff auf Ihre GSC-Daten ermöglichen:

Authentifizierungsoptionen

Das Tool unterstützt zwei Authentifizierungsmethoden:

1. OAuth-Authentifizierung (Empfohlen)

Diese Methode ermöglicht es Ihnen, sich mit Ihrem eigenen Google-Konto zu authentifizieren, was oft bequemer ist als die Verwendung eines Dienstkontos. Es hat Zugriff auf dieselben Ressourcen, die Sie normalerweise auch haben.

Setzen Sie GSC_SKIP_OAUTH auf "true", "1" oder "yes", um die OAuth-Authentifizierung zu überspringen und nur die Dienstkonto-Authentifizierung zu verwenden.

Einrichtungsanleitung:

1. Gehen Sie zur Google Cloud Console und erstellen Sie ein Google Cloud-Konto, falls Sie noch keines haben

2. Erstellen Sie ein neues Projekt oder wählen Sie ein bestehendes aus

3. Aktivieren Sie die Search Console API für Ihr Projekt

4. Fügen Sie den Scope https://www.googleapis.com/auth/webmasters zu Ihrem Projekt hinzu

5. Gehen Sie zur Seite "Anmeldedaten"

6. Klicken Sie auf "Anmeldedaten erstellen" und wählen Sie "OAuth-Client-ID"

7. Konfigurieren Sie den OAuth-Zustimmungsbildschirm

8. Wählen Sie als Anwendungstyp "Desktop-App"

9. Geben Sie Ihrem OAuth-Client einen Namen und klicken Sie auf "Erstellen"

10. Laden Sie die JSON-Datei mit den Client-Geheimnissen herunter (sie wird etwa client_secrets.json heißen)

11. Legen Sie diese Datei im selben Verzeichnis wie das Skript ab oder setzen Sie die Umgebungsvariable GSC_OAUTH_CLIENT_SECRETS_FILE, um auf ihren Speicherort zu verweisen

Wenn Sie das Tool zum ersten Mal mit OAuth-Authentifizierung ausführen, öffnet sich ein Browserfenster, in dem Sie aufgefordert werden, sich bei Ihrem Google-Konto anzumelden und die Anwendung zu autorisieren. Nach der Autorisierung speichert das Tool das Token für die zukünftige Verwendung.

2. Dienstkonto-Authentifizierung

Diese Methode verwendet ein Dienstkonto, was für automatisierte Skripte nützlich ist oder wenn Sie Ihr persönliches Google-Konto nicht verwenden möchten. Dies erfordert, dass das Dienstkonto als Nutzer in der Google Search Console hinzugefügt wird.

Einrichtungsanleitung:

1. Gehen Sie zur Google Cloud Console und erstellen Sie ein Google Cloud-Konto, falls Sie noch keines haben

2. Erstellen Sie ein neues Projekt oder wählen Sie ein bestehendes aus

3. Aktivieren Sie die Search Console API für Ihr Projekt

4. Gehen Sie zur Seite "Anmeldedaten"

5. Klicken Sie auf "Anmeldedaten erstellen" und wählen Sie "Dienstkonto"

6. Geben Sie die Details des Dienstkontos ein und klicken Sie auf "Erstellen"

7. Klicken Sie auf das neu erstellte Dienstkonto

8. Gehen Sie zum Tab "Schlüssel" und klicken Sie auf "Schlüssel hinzufügen" > "Neuen Schlüssel erstellen"

9. Wählen Sie das JSON-Format und klicken Sie auf "Erstellen"

10. Laden Sie die Schlüsseldatei herunter und speichern Sie sie als service_account_credentials.json im selben Verzeichnis wie das Skript oder setzen Sie die Umgebungsvariable GSC_CREDENTIALS_PATH, um auf ihren Speicherort zu verweisen

11. Fügen Sie Ihre Dienstkonto-E-Mail-Adresse zu den entsprechenden Search Console-Properties hinzu

🎬 Sehen Sie sich dieses anfängerfreundliche Tutorial auf Youtube an:

Klicken Sie auf das Bild oben, um das Schritt-für-Schritt-Video-Tutorial anzusehen

2. Erforderliche Software installieren

Sie müssen diese Tools auf Ihrem Computer installieren:

• Python (Version 3.11 oder neuer) – Dies führt den MCP-Server aus

• Node.js – Erforderlich für die Ausführung des MCP-Inspektors und bestimmter MCP-Komponenten

• Einen MCP-kompatiblen KI-Client — Claude Desktop, Cursor, Codex CLI, Gemini CLI oder Antigravity werden alle unterstützt

Stellen Sie sicher, dass sowohl Python als auch Node.js ordnungsgemäß installiert und in Ihrem Systempfad verfügbar sind, bevor Sie fortfahren.

3. Google Search Console MCP herunterladen

Sie müssen dieses Tool auf Ihren Computer herunterladen. Der einfachste Weg ist:

1. Klicken Sie oben auf dieser Seite auf die grüne Schaltfläche "Code"

2. Wählen Sie "Download ZIP"

3. Entpacken Sie die heruntergeladene Datei an einen Ort, den Sie leicht finden können (z. B. Ihren Dokumente-Ordner)

Alternativ, wenn Sie mit Git vertraut sind:

git clone https://github.com/AminForou/mcp-gsc.git

4. Erforderliche Komponenten installieren

Öffnen Sie das Terminal (Mac) oder die Eingabeaufforderung (Windows) Ihres Computers:

1. Navigieren Sie zu dem Ordner, in den Sie die Dateien entpackt haben:

   # Example (replace with your actual path):
   cd ~/Documents/mcp-gsc-main

2. Erstellen Sie eine virtuelle Umgebung (dies hält die Projektabhängigkeiten isoliert):

   # Using uv (recommended):
   uv venv .venv
   
   # If uv is not installed, install it first:
   pip install uv
   # Then create the virtual environment:
   uv venv .venv
   
   # OR using standard Python:
   python -m venv .venv

   Hinweis: Wenn Sie beim Versuch, uv zu installieren, einen "pip not found"-Fehler erhalten, lesen Sie den Abschnitt "Wenn Sie einen 'pip not found'-Fehler erhalten" weiter unten.

3. Aktivieren Sie die virtuelle Umgebung:

   # On Mac/Linux:
   source .venv/bin/activate
   
   # On Windows:
   .venv\Scripts\activate

4. Installieren Sie die erforderlichen Abhängigkeiten:

   # Using uv:
   uv pip install -r requirements.txt
   
   # OR using standard pip:
   pip install -r requirements.txt

   Wenn Sie einen "pip not found"-Fehler erhalten:

   # First ensure pip is installed and updated:
   python3 -m ensurepip --upgrade
   python3 -m pip install --upgrade pip
   
   # Then try installing the requirements again:
   python3 -m pip install -r requirements.txt
   
   # Or to install uv:
   python3 -m pip install uv

Wenn Sie (.venv) am Anfang Ihrer Eingabeaufforderung sehen, bedeutet dies, dass die virtuelle Umgebung aktiv ist und die Abhängigkeiten dort installiert werden, ohne Ihre System-Python-Installation zu beeinträchtigen.

5. Verbinden Sie Ihren KI-Client mit der Google Search Console

Die folgende Konfiguration verwendet Claude Desktop als Beispiel. Für andere Clients (Cursor, Codex, Gemini CLI, Antigravity) ist die JSON-Struktur dieselbe – prüfen Sie die Dokumentation Ihres Clients, wo sich die Konfigurationsdatei befindet.

1. Laden Sie Claude Desktop herunter und installieren Sie es, falls Sie dies noch nicht getan haben

2. Stellen Sie sicher, dass Ihre Google-Anmeldedatei irgendwo auf Ihrem Computer gespeichert ist

3. Öffnen Sie das Terminal (Mac) oder die Eingabeaufforderung (Windows) Ihres Computers und geben Sie ein:

   # For Mac users:
   nano ~/Library/Application\ Support/Claude/claude_desktop_config.json
   
   # For Windows users:
   notepad %APPDATA%\Claude\claude_desktop_config.json

4. Fügen Sie den folgenden Konfigurationstext hinzu (dies teilt Ihrem KI-Client mit, wie er eine Verbindung zu GSC herstellen soll):

OAuth-Authentifizierung (unter Verwendung Ihres eigenen Kontos)

{
  "mcpServers": {
    "gscServer": {
      "command": "/FULL/PATH/TO/-main/.venv/bin/python",
      "args": ["/FULL/PATH/TO/mcp-gsc-main/gsc_server.py"],
      "env": {
        "GSC_OAUTH_CLIENT_SECRETS_FILE": "/FULL/PATH/TO/client_secrets.json",
        "GSC_DATA_STATE": "all"
      }
    }
  }
}

Dienstkonto-Authentifizierung

{
  "mcpServers": {
    "gscServer": {
      "command": "/FULL/PATH/TO/-main/.venv/bin/python",
      "args": ["/FULL/PATH/TO/mcp-gsc-main/gsc_server.py"],
      "env": {
        "GSC_CREDENTIALS_PATH": "/FULL/PATH/TO/service_account_credentials.json",
        "GSC_SKIP_OAUTH": "true",
        "GSC_DATA_STATE": "all"
      }
    }
  }
}

Referenz der Umgebungsvariablen

Wichtig: Ersetzen Sie alle Pfade durch die tatsächlichen Speicherorte auf Ihrem Computer:

• Der erste Pfad sollte auf die Python-Executable innerhalb Ihrer virtuellen Umgebung zeigen

• Der zweite Pfad sollte auf die Datei gsc_server.py innerhalb des von Ihnen entpackten Ordners zeigen

• Der dritte Pfad sollte auf Ihre JSON-Datei mit den Anmeldedaten für das Google-Dienstkonto zeigen

Beispiele:

• Mac:

  • Python-Pfad: /Users/yourname/Documents/mcp-gsc/.venv/bin/python

  • Skript-Pfad: /Users/yourname/Documents/mcp-gsc/gsc_server.py

• Windows:

  • Python-Pfad: C:\Users\yourname\Documents\mcp-gsc\.venv\Scripts\python.exe

  • Skript-Pfad: C:\Users\yourname\Documents\mcp-gsc\gsc_server.py

5. Speichern Sie die Datei:

   • Mac: Drücken Sie Strg+O, dann Eingabetaste, dann Strg+X zum Beenden

   • Windows: Klicken Sie auf Datei > Speichern, dann schließen Sie Notepad

6. Starten Sie Ihren KI-Client neu

7. Wenn er sich öffnet, sollten Sie nun die GSC-Tools im Bereich "Tools" sehen

6. Beginnen Sie mit der Analyse Ihrer SEO-Daten!

Jetzt können Sie Ihrem KI-Assistenten Fragen zu Ihren GSC-Daten stellen! Er kann die Daten nicht nur abrufen, sondern auch analysieren, Trends erklären und Visualisierungen erstellen, damit Sie Ihre SEO-Leistung besser verstehen.

Hier sind einige leistungsstarke Prompts, die Sie mit jedem Tool verwenden können: