Umami MCP Server

Umami MCP服务器

MCP服务器 Umami分析 --两者都适用 Umami云 和 自托管 实例。

零依赖。 无需克隆，无需安装步骤——只需将MCP客户端指向它即可。

为什么？

该服务器与Umami API对话，并通过MCP公开5个工具。纯Python，零依赖。

工具

快速开始

1.获取您的凭证

Umami云： 转到“设置”→ API密钥 Umami Cloud仪表板 并创建API密钥。

自托管： 使用您登录时使用的用户名和密码。

2.添加到您的MCP客户端

无需克隆-- uvx 直接从GitHub获取并运行它。

需要 uv. 安装方式： curl -LsSf https://astral.sh/uv/install.sh | sh

克劳德桌面/克劳德代码

添加到MCP配置(~/.claude.json、克劳德桌面设置等）：

Umami云：

{
  "mcpServers": {
    "umami": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/lukasschmit/umami-mcp", "umami-mcp"],
      "env": {
        "UMAMI_URL": "https://api.umami.is",
        "UMAMI_API_KEY": "your_api_key_here"
      }
    }
  }
}

自托管：

{
  "mcpServers": {
    "umami": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/lukasschmit/umami-mcp", "umami-mcp"],
      "env": {
        "UMAMI_URL": "https://your-umami-instance.com",
        "UMAMI_USERNAME": "admin",
        "UMAMI_PASSWORD": "your_password"
      }
    }
  }
}

光标

添加 .cursor/mcp.json 在项目根目录（或全局设置）中：

{
  "mcpServers": {
    "umami": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/lukasschmit/umami-mcp", "umami-mcp"],
      "env": {
        "UMAMI_URL": "https://api.umami.is",
        "UMAMI_API_KEY": "your_api_key_here"
      }
    }
  }
}

VS代码（副本）

添加到您的VS代码 settings.json:

{
  "mcp": {
    "servers": {
      "umami": {
        "command": "uvx",
        "args": ["--from", "git+https://github.com/lukasschmit/umami-mcp", "umami-mcp"],
        "env": {
          "UMAMI_URL": "https://api.umami.is",
          "UMAMI_API_KEY": "your_api_key_here"
        }
      }
    }
  }
}

BoltAI

转到“设置”→ MCP服务器→ 添加服务器，然后输入：

• 命令： uvx
• 论据： --from git+https://github.com/lukasschmit/umami-mcp umami-mcp
• 环境变量：

- UMAMI_URL = https://api.umami.is - UMAMI_API_KEY = your_api_key_here

环境变量

设置其中之一 UMAMI_API_KEY （云）或两者兼而有之 UMAMI_USERNAME + UMAMI_PASSWORD （自托管）。服务器会自动检测要使用哪种模式。 为了方便起见， UMAMI_URL 可能包括 /v1 （云）或 /api （自托管）；后缀会自动规范化。

如果您的自托管Umami支持Cloudflare Access，请同时设置 UMAMI_CF_ACCESS_CLIENT_ID 和 UMAMI_CF_ACCESS_CLIENT_SECRET 因此机器对机器MCP呼叫可以通过访问检查。

get_metrics 接受两者 type="path" 和 type="url" 以实现跨Umami版本的兼容性。 startAt 和 endAt 接受来自MCP客户端的Unix毫秒整数或数字字符串。 对于基于时间的工具，您可以使用 range 代替原始时间戳： last_24h, last_7d, last_30d, this_month, last_month. compare 支持 prev （上一期，相同长度）和 yoy 年同比

使用示例

连接后，您可以向您的AI助手询问以下问题：

• *“本周我的主页是什么？”*
• *“显示过去30天的访客趋势”*
• *“我的访客来自哪些国家？”*
• *“现在我的网站上有多少人？”*
• *“将本月的流量与上月进行比较”*

助手将调用具有正确参数的适当工具。

运作原理

服务器实现 模型上下文协议 通过stdio（JSON-RPC，每行一个JSON对象）。当MCP客户端启动它时，服务器：

1. 从stdin读取JSON-RPC消息
2. 手柄 initialize, tools/list，以及 tools/call 方法
3. 向Umami API发出经过身份验证的HTTP请求
4. 以JSON文本内容返回结果

没有后台进程，没有轮询，没有身份验证令牌之外的状态。

许可证

麻省理工学院