google-suite-mcp

Du hast eine KI, die denken kann. Jetzt gib ihr Hände.

Ein Open-Source Google Workspace MCP-Server, der Claude Desktop, Cursor, Windsurf, Zed, VS Code (GitHub Copilot), Gemini CLI und jedem anderen Model Context Protocol-Client die volle Lese-/Schreibkontrolle über Google Sheets, Docs, Drive und Apps Script gibt. 82 Tools. Ein Server. MIT-lizenziert.

google-suite-mcp ist der erste Workspace-Operator: das einzige MCP, das Google Workspace als Laufzeitumgebung behandelt, die eine KI bedienen kann. Es erstellt Dashboards, implementiert Apps Scripts und formatiert Dokumente in einem einzigen Aufruf, anstatt Workspace nur als schreibgeschützte Oberfläche für Stichproben freizugeben.

Eine 10-minütige OAuth-Einrichtung ist der gesamte Aufwand. Danach kann eine einzige natürlichsprachliche Aufforderung ein KPI-Dashboard mit mehreren Zellen erstellen (sheets_build_dashboard), ein Schema in eine vollständig formatierte Tabelle verwandeln (sheets_build_sheet) oder ein Google Apps Script als Live-Web-App veröffentlichen (script_deploy). Das sind drei zusammengesetzte Primitive, die kein anderes Google-MCP, das wir gesehen haben, bietet. Jedes Tool ist bewährt: 30 von 30 End-to-End-Tests bestehen gegen echte Google-APIs, nicht gegen Mocks. Wenn ein Tool hier aufgelistet ist, wurde es gegen die Produktions-Endpunkte von Google ausgeführt und hat das erwartete Ergebnis geliefert.

MCP ist ein Protokoll, kein Claude-Feature. Jeder Client, der das Model Context Protocol spricht, kann diesen Server verwenden, unabhängig davon, welches Modell dahintersteht.

Du weißt nicht, wo du anfangen sollst? Füge diese Repo-URL in Claude Code, Claude Desktop, Cursor oder ChatGPT ein und bitte um Hilfe bei der Installation. SETUP.md ist so geschrieben, dass deine KI dich durch jeden Schritt führen, die Google Cloud-Links für dich öffnen und am Ende alles überprüfen kann.

Was du in 60 Sekunden Prompting tun kannst

Dies sind echte Ergebnisse nach einem einzigen Prompt, keine Roadmap-Punkte. Füge einen davon in deinen MCP-Client ein, sobald der Server verbunden ist.

• "Erstelle mir ein KPI-Dashboard im Q4-Tabellenblatt mit Umsatz, CAC, Abwanderungsrate und MRR, formatiert, mit bedingten Farben." → ein Aufruf von sheets_build_dashboard.

• "Erstelle ein neues Tabellenblatt namens Clients mit diesen 12 Spalten, Header-Styling, Datenvalidierung und fixierter erster Zeile." → ein Aufruf von sheets_build_sheet.

• "Finde jedes Vorkommen von 'Q3 2025' in allen Tabs dieser Arbeitsmappe und ersetze es durch 'Q4 2025'." → ein Aufruf von sheets_find_replace_many.

• "Erstelle ein Apps Script, das an dieses Tabellenblatt gebunden ist, mir jeden Montag um 8 Uhr eine Zusammenfassung per E-Mail sendet, und implementiere es als Web-App." → ein Aufruf von script_deploy.

• "Füge eine 5-spaltige Preistabelle in dieses Google Doc mit diesen Zeilen ein." → ein Aufruf von docs_insert_table.

• "Erstelle einen freigegebenen Ordner in Drive, verschiebe diese drei Dateien hinein und setze die Berechtigungen so, dass jeder mit dem Link sie ansehen kann."

• "Füge eine bedingte Formatierung hinzu, um jede Zeile rot hervorzuheben, in der die Marge unter 15 Prozent liegt."

• "Schütze die Formeln in Spalte H, damit niemand sonst im Tabellenblatt sie bearbeiten kann."

Kein Code. Keine manuellen Schritte. Kein Kontextwechsel aus deinem KI-Client heraus.

Warum noch ein Google Workspace MCP-Server?

Die meisten Google-MCPs auf GitHub fallen in eine von zwei Kategorien: schreibgeschützte Konnektoren, die eine Tabelle abfragen, aber nicht ändern können, oder auf Sheets beschränkte Adapter, die Docs, Drive und Apps Script komplett ignorieren. Sie sind Konnektoren: dünne Wrapper um die REST-API, die einer KI übergeben werden, welche dann vierzig Tool-Aufrufe und ein Vermögen an Token ausgeben muss, um irgendetwas zu erreichen.

google-suite-mcp ist kein Konnektor. Es ist ein Operator. Die Primitive sind Ergebnisse (baue dieses Dashboard, implementiere dieses Skript, formatiere diesen Bericht), keine Endpunkte (Bereich lesen, Zelle schreiben, Datei auflisten). Operatoren decken die gesamte Suite ab, weil echte Arbeit toolübergreifend ist. Operatoren liefern zusammengesetzte Primitive, weil echte Arbeit nie nur aus einer Zellenänderung besteht.

Sie machen das eine, wir das andere.

Vergleich der Fähigkeiten

Anforderungen

• Node.js 20 oder neuer

• Ein Google-Konto mit Zugriff auf die Workspace-Dateien, die deine KI bearbeiten soll

• Ein Google Cloud-Projekt (kostenlose Stufe reicht aus)

• OAuth 2.0 Desktop-Anmeldedaten

• Ein MCP-kompatibler Client: Claude Desktop, Cursor, Windsurf, Zed, VS Code (GitHub Copilot), Gemini CLI, Cline, Goose, jeder Agent, der auf dem OpenAI Agents SDK basiert, oder jeder andere Client, der MCP spricht

Plane etwa zehn Minuten für die Ersteinrichtung ein, falls du noch nie mit Google Cloud gearbeitet hast. Einmal erledigt, nie wieder.

Wie installiere ich google-suite-mcp?

npm install -g google-suite-mcp

Oder überspringe die globale Installation und lass deinen MCP-Client sie bei Bedarf über npx -y google-suite-mcp abrufen (siehe Client-Konfigurationsblöcke unten).

In jedem Fall speichert der Server seine Anmeldedaten und OAuth-Token in ~/.google-suite-mcp/. Wenn du zum ersten Mal ein Tool ausführst, sagt er dir genau, wo du dein Google Cloud OAuth-Client-JSON ablegen musst, und öffnet einen Browser für die Zustimmung. Siehe SETUP.md für die einmaligen Google Cloud-Schritte.

Wie verbinde ich das mit Google Workspace?

Dies ist der einzige Teil der Einrichtung, der echte Aufmerksamkeit erfordert. Jeder Link unten öffnet genau die Seite der Google Cloud Console, auf der dein nächster Klick stattfindet, sodass du nie nach etwas suchen musst.

Vollständige Anleitung: SETUP.md enthält jeden Schritt in der richtigen Reihenfolge mit Fehlerbehebung für die häufigsten Probleme. Die Kurzfassung:

1. Erstelle ein Google Cloud-Projekt (10 Sekunden, kostenlose Stufe)

2. Aktiviere die vier APIs (klicke auf jeden Link und drücke auf Aktivieren):

   • Sheets API

   • Docs API

   • Drive API

   • Apps Script API

3. Konfiguriere den OAuth-Zustimmungsbildschirm: wähle "Extern" und füge deine eigene Google-E-Mail als Testnutzer hinzu

4. Erstelle einen OAuth 2.0 Desktop-Client: Anmeldedaten erstellen > OAuth-Client-ID > Desktop-App. Kopiere die Client-ID und das Client-Geheimnis.

5. Füge Anmeldedaten in .env ein:

   cp .env.example .env

   Bearbeite dann .env und füge die Client-ID und das Client-Geheimnis aus Schritt 4 ein.

Wenn der Server zum ersten Mal ein Tool ausführt, öffnet er deinen Browser, führt dich durch den Google-Zustimmungsfluss und speichert das Aktualisierungs-Token lokal. Du wirst dich nicht erneut authentifizieren müssen, es sei denn, du widerrufst den Zugriff.

Wenn du bei einem Schritt nicht weiterkommst, füge SETUP.md in deinen KI-Assistenten ein und bitte ihn, dich Schritt für Schritt durchzuführen.

Wie verbinde ich meinen MCP-Client?

Jeder MCP-kompatible Client akzeptiert dieselben zwei Dinge: einen command zum Ausführen und eine Liste von args. Die Blöcke unten verwenden npx, sodass du nie einen lokalen Installationspfad verwalten musst.

Claude Desktop

Öffne deine Konfigurationsdatei:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

• Windows: %APPDATA%\Claude\claude_desktop_config.json

Füge diesen Eintrag hinzu:

{
  "mcpServers": {
    "google-suite": {
      "command": "npx",
      "args": ["-y", "google-suite-mcp"]
    }
  }
}

Starte Claude Desktop neu. Die 82 Tools erscheinen in der Tool-Auswahl.

Cursor, Windsurf, Zed, VS Code

Jeder Client hat seinen eigenen Speicherort für die MCP-Konfiguration, akzeptiert aber dieselbe command- und args-Struktur. Konsultiere die MCP-Dokumentation deines Clients und füge den obigen Block unter dessen MCP-Server-Abschnitt ein. Es sind keine weiteren Änderungen erforderlich.

Gemini CLI

Füge den Server zu deiner Gemini CLI MCP-Konfiguration (~/.gemini/config.json oder äquivalent) hinzu, indem du denselben command und dieselben args verwendest.

OpenAI Agents SDK

Das OpenAI Agents SDK (Python und TypeScript) unterstützt MCP-Server nativ. Übergebe google-suite-mcp als MCP-Server beim Erstellen deines Agenten, und die 82 Tools stehen jedem OpenAI-Modell deiner Wahl zur Verfügung.

Jeder andere MCP-Client

Wenn er das Model Context Protocol spricht, funktioniert es. Verwende dasselbe command- und args-Muster, wo immer dein Client MCP-Server definiert.

Anwendungsbeispiele

Sobald der Server verbunden ist, sprichst du mit deiner KI, wie du es immer getan hast. Sie hat jetzt nur Hände.

Baue ein Live-KPI-Dashboard aus einem Schema

"Erstelle in der Arbeitsmappe mit dem Titel 'Q4 Forecast' einen neuen Tab namens 'Dashboard' und baue ein KPI-Dashboard mit vier Zellen: Umsatz, Bruttomarge, CAC und Abwanderungsrate. Ziehe die Werte aus dem 'Raw'-Tab, formatiere die Header fett, Zahlen als Währung und hebe alles unter dem Zielwert rot hervor."

Ein sheets_build_dashboard-Aufruf. Fertig.

Verwandle ein Schema in ein Tabellenblatt

"Erstelle ein neues Tabellenblatt namens 'Client Tracker' mit Spalten für Name, E-Mail, Status (Dropdown: Lead / Aktiv / Abgewandert), Letzter Kontakt (Datum) und Notizen. Füge eine bedingte Formatierung hinzu, damit abgewanderte Zeilen rot werden."

Ein sheets_build_sheet-Aufruf. Fertig.

Schreibe ein Dokument mit echter Struktur

"Entwirf das Kickoff-Briefing für das Henderson-Projekt in Docs. Füge eine Stakeholder-Tabelle, eine Zeitplantabelle und einen Risikoabschnitt mit Aufzählungspunkten hinzu."

docs_insert_table liefert dir echte Tabellen, keine ASCII-Imitationen.

Implementiere eine Apps Script Web-App

"Erstelle ein neues Apps Script-Projekt, das an dieses Tabellenblatt gebunden ist, füge ein doGet hinzu, das den Summary-Tab als JSON zurückgibt, versioniere es und implementiere es als Web-App, die ich per curl aufrufen kann."

script_deploy veröffentlicht es. Du erhältst eine Live-URL.

Benenne ein Feld in jedem Tabellenblatt einer Arbeitsmappe um

"Ersetze in der Expenses-Arbeitsmappe jedes Vorkommen von 'customer_id' durch 'account_id' in allen Tabellenblättern in einem Durchgang."

sheets_find_replace_many erledigt das in einem Aufruf.

Organisiere Drive

"Erstelle einen Ordner namens '2026 Client Intake', verschiebe jede Datei in meinem Drive mit 'intake' im Namen hinein und teile den Ordner mit Ansichtsberechtigung für jeden mit dem Link."

Zusammenfassung der Tool-Liste (82 Tools)

Gruppiert nach Google-Oberfläche:

• Google Sheets (53 Tools). Erstellen, auflisten, lesen, schreiben, anhängen, formatieren, bedingte Formatierung, Diagramm, benannter Bereich, geschützter Bereich, Filter, Sortierung, Validierung, Rahmen, zusammenführen, Fenster fixieren, Größe ändern, suchen/ersetzen (einzeln und sheets_find_replace_many über alle Tabs hinweg), suchen, Formeln, Array-Formeln, Batch-Update, duplizieren, umbenennen, neu anordnen, löschen, sheets_build_sheet, sheets_build_dashboard.

• Google Docs (8 Tools). Erstellen, schreiben, Text formatieren, Text abrufen, Text ersetzen, Bild einfügen, docs_insert_table, exportieren.

• Google Drive (12 Tools). Hochladen, herunterladen, suchen, Informationen abrufen, verschieben, kopieren, umbenennen, in den Papierkorb verschieben, Ordner erstellen, teilen, Berechtigungen auflisten und aktualisieren.

• Google Apps Script (7 Tools). Erstellen, aktualisieren, abrufen, gebunden abrufen, ausführen, Version erstellen, script_deploy.

• Auth (2 Tools). Status, aktualisieren.

Jedes Tool wird mit token-effizienten Antworten geliefert. Jede Nutzlast wurde von Anfang bis Ende geprüft und gestrafft, damit dein Kontextfenster bei langen agentischen Durchläufen schlank bleibt.

Für die maßgebliche Liste mit Live-Schemas rufe `tools