MCP-сервер Google Search Console для SEO-специалистов

Апрель 2026 (v0.2.2): Режим безопасности для деструктивных инструментов, транспорт HTTP/SSE, официальный Dockerfile, исправление предупреждений sitemap и исправление PyPI. Подробности см. в журнале изменений.

Сервер протокола контекста модели (MCP), который подключает Google Search Console (GSC) к ИИ-ассистентам, позволяя анализировать SEO-данные с помощью естественного языка. Работает с Claude, Cursor, Codex, Gemini CLI, Antigravity и любым другим MCP-совместимым клиентом. Эта интеграция дает доступ к информации о ресурсах, поисковой аналитике, проверке URL и управлению sitemap — и все это через простой чат.

Что этот инструмент дает SEO-специалистам?

1. Управление ресурсами

   • Просмотр всех ваших ресурсов GSC в одном месте

   • Получение данных о верификации и базовой информации о сайте

   • Добавление новых ресурсов в аккаунт

   • Удаление ресурсов из аккаунта

2. Поисковая аналитика и отчетность

   • Узнайте, по каким поисковым запросам приходят посетители

   • Отслеживайте показы, клики и CTR

   • Анализируйте динамику эффективности

   • Сравнивайте разные периоды времени для выявления изменений

   • Визуализируйте данные с помощью графиков и диаграмм, созданных Claude

3. Проверка URL и индексация

   • Проверяйте наличие проблем с индексацией конкретных страниц

   • Узнавайте, когда Google в последний раз сканировал ваши страницы

   • Проверяйте несколько URL одновременно для выявления закономерностей

   • Получайте практические рекомендации по улучшению индексации

4. Управление файлами Sitemap

   • Просматривайте все свои sitemap и их статус

   • Отправляйте новые sitemap прямо через Claude

   • Проверяйте наличие ошибок или предупреждений в sitemap

   • Мониторьте статус обработки sitemap

Related MCP server: Google Ads MCP

Доступные инструменты

Вот что вы можете попросить сделать своего ИИ-ассистента после настройки интеграции:

Полный список из 19 доступных инструментов и их подробное описание можно получить, попросив ИИ-ассистента "list tools" после настройки.

Начало работы (навыки программирования не требуются!)

1. Настройка доступа к API Google Search Console

Перед использованием инструмента необходимо создать учетные данные API, которые позволят ИИ-ассистенту получать доступ к данным GSC:

Варианты аутентификации

Инструмент поддерживает два метода аутентификации:

1. OAuth-аутентификация (рекомендуется)

Этот метод позволяет аутентифицироваться через ваш личный аккаунт Google, что часто удобнее, чем использование сервисного аккаунта. У него будет доступ к тем же ресурсам, что и у вас.

Установите GSC_SKIP_OAUTH в значение "true", "1" или "yes", чтобы пропустить OAuth и использовать только аутентификацию через сервисный аккаунт.

Инструкция по настройке:

1. Перейдите в Google Cloud Console и создайте аккаунт, если его нет

2. Создайте новый проект или выберите существующий

3. Включите Search Console API для вашего проекта

4. Добавьте область действия (scope) https://www.googleapis.com/auth/webmasters в ваш проект

5. Перейдите на страницу "Учетные данные"

6. Нажмите "Создать учетные данные" и выберите "Идентификатор клиента OAuth"

7. Настройте экран согласия OAuth

8. В качестве типа приложения выберите "Компьютерное приложение" (Desktop app)

9. Дайте имя клиенту OAuth и нажмите "Создать"

10. Скачайте JSON-файл с секретами клиента (он будет называться примерно client_secrets.json)

11. Поместите этот файл в ту же папку, где находится скрипт, или укажите путь к нему через переменную окружения GSC_OAUTH_CLIENT_SECRETS_FILE

При первом запуске инструмента с OAuth откроется окно браузера с просьбой войти в аккаунт Google и авторизовать приложение. После этого токен будет сохранен для дальнейшего использования.

2. Аутентификация через сервисный аккаунт

Этот метод использует сервисный аккаунт, что полезно для автоматизированных скриптов или если вы не хотите использовать личный аккаунт Google. Требуется добавить сервисный аккаунт в качестве пользователя в Google Search Console.

Инструкция по настройке:

1. Перейдите в Google Cloud Console и создайте аккаунт, если его нет

2. Создайте новый проект или выберите существующий

3. Включите Search Console API для вашего проекта

4. Перейдите на страницу "Учетные данные"

5. Нажмите "Создать учетные данные" и выберите "Сервисный аккаунт"

6. Заполните данные сервисного аккаунта и нажмите "Создать"

7. Нажмите на созданный сервисный аккаунт

8. Перейдите на вкладку "Ключи" и нажмите "Добавить ключ" > "Создать новый ключ"

9. Выберите формат JSON и нажмите "Создать"

10. Скачайте файл ключа и сохраните его как service_account_credentials.json в папку со скриптом или укажите путь через переменную GSC_CREDENTIALS_PATH

11. Добавьте адрес электронной почты сервисного аккаунта в соответствующие ресурсы Search Console

🎬 Посмотрите этот обучающий видеоурок на YouTube:

Нажмите на изображение выше, чтобы посмотреть пошаговый видеоурок

2. Установка необходимого ПО

Вам нужно установить на компьютер:

• Python (версии 3.11 или новее) — для запуска MCP-сервера

• Node.js — требуется для работы инспектора MCP и некоторых компонентов

• MCP-совместимый ИИ-клиент — поддерживаются Claude Desktop, Cursor, Codex CLI, Gemini CLI или Antigravity

Убедитесь, что Python и Node.js установлены и добавлены в системный путь (PATH).

3. Скачивание Google Search Console MCP

1. Нажмите зеленую кнопку "Code" вверху страницы

2. Выберите "Download ZIP"

3. Распакуйте файл в удобное место (например, в папку "Документы")

Или, если вы знакомы с Git:

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

4. Установка компонентов

Откройте терминал (Mac) или командную строку (Windows):

1. Перейдите в папку, куда вы распаковали файлы:

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

2. Создайте виртуальное окружение:

# 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

Примечание: Если при установке uv возникает ошибка "pip not found", см. раздел ниже.

3. Активируйте виртуальное окружение:

# On Mac/Linux:
source .venv/bin/activate

# On Windows:
.venv\Scripts\activate

4. Установите зависимости:

# Using uv:
uv pip install -r requirements.txt

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

Если возникает ошибка "pip not found":

# 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

Когда вы видите (.venv) в начале строки терминала, это значит, что виртуальное окружение активно.

5. Подключение ИИ-клиента к Google Search Console

Ниже приведен пример настройки для Claude Desktop. Для других клиентов (Cursor, Codex, Gemini CLI, Antigravity) структура JSON такая же — проверьте документацию вашего клиента.

1. Установите Claude Desktop, если еще не сделали этого

2. Убедитесь, что файл учетных данных Google сохранен на компьютере

3. Откройте терминал (Mac) или командную строку (Windows) и введите:

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

4. Добавьте следующую конфигурацию:

OAuth-аутентификация (используя ваш аккаунт)

{
  "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"
      }
    }
  }
}

Аутентификация через сервисный аккаунт

{
  "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"
      }
    }
  }
}

Справочник переменных окружения

Важно: Замените все пути на реальные пути на вашем компьютере.

5. Сохраните файл и перезапустите ИИ-клиент.

6. После открытия вы увидите инструменты GSC в разделе инструментов.

6. Начните анализ SEO-данных!

Теперь вы можете задавать вопросы о данных GSC! ИИ может не только извлекать данные, но и анализировать их, объяснять тренды и создавать визуализации.

Примеры запросов:

Визуализация данных

Ваш ИИ-ассистент может визуализировать данные GSC:

• Графики трендов: изменение метрик во времени

• Графики сравнения: сравнение периодов или измерений

• Распределение эффективности: как контент работает на разных позициях

• Корреляционный анализ: связи между метриками

• Тепловые карты: визуализация сложных наборов данных

Просто попросите ИИ "визуализировать" или "создать график".

Устранение неполадок

Команда Python не найдена

На macOS команда python часто указывает на python3. Если возникают ошибки, создайте псевдоним:

1. Создайте псевдоним:

# For macOS users:
sudo ln -s $(which python3) /usr/local/bin/python

# If that doesn't work, try finding your Python installation:
sudo ln -s /Library/Frameworks/Python.framework/Versions/3.11/bin/python3 /usr/local/bin/python

2. Проверьте работу:

python --version

Проблемы с конфигурацией ИИ-клиента

1. Убедитесь, что все пути к файлам верны и являются полными

2. Проверьте, есть ли у сервисного аккаунта доступ к ресурсам GSC

3. Перезапустите ИИ-клиент после изменений

Безопасность: Деструктивные операции

По умолчанию инструменты, которые могут безвозвратно изменить ваш аккаунт GSC (add_site, delete_site, delete_sitemap), отключены. Чтобы включить их, установите переменную окружения GSC_ALLOW_DESTRUCTIVE:

# In your MCP client config (Claude Desktop, Cursor, etc.)
GSC_ALLOW_DESTRUCTIVE=true

Удаленное развертывание и Docker

Стандартная настройка работает локально. Для работы на удаленном сервере используйте транспорт HTTP/SSE, установив MCP_TRANSPORT=sse:

MCP_TRANSPORT=sse MCP_HOST=0.0.0.0 MCP_PORT=3001 python gsc_server.py

Docker

Dockerfile включен в репозиторий. Сборка и запуск:

# Build the image
docker build -t mcp-gsc .

# Run locally (stdio mode — for testing)
docker run -v /path/to/client_secrets.json:/app/client_secrets.json mcp-gsc

# Run as a network server (SSE mode — for remote use)
docker run \
  -e MCP_TRANSPORT=sse \
  -e MCP_HOST=0.0.0.0 \
  -e MCP_PORT=3001 \
  -e GSC_CREDENTIALS_PATH=/app/credentials.json \
  -v /path/to/credentials.json:/app/credentials.json \
  -p 3001:3001 \
  mcp-gsc

Журнал изменений

[0.2.2] — Апрель 2026

Добавлено

• Режим безопасности: add_site, delete_site и delete_sitemap отключены по умолчанию.

• Транспорт HTTP/SSE: для работы в сети.

• Dockerfile: официальный образ контейнера.

Исправлено

• Статус предупреждений sitemap: get_sitemaps теперь корректно отображает "Has warnings".

Улучшено

• Пакет PyPI: pip install mcp-gsc теперь работает корректно.