MCP 数据分析怎么用：AI 连接行为数据指南

MCP 数据分析是把行为分析平台的查询和配置能力作为标准工具交给 AI 客户端。用户完成授权后，可以直接用自然语言查询 PV、UV、事件、来源、漏斗和留存，也能在权限允许时维护事件字典、分群与漏斗。

它适合产品经理、运营和开发人员减少重复查数与配置工作，但不能替代指标口径确认、权限管理和上线验收。

MCP 数据分析是什么

MCP 是 AI 客户端与外部工具之间的连接协议。官方协议定义了本地 stdio 和远程 Streamable HTTP 两种标准传输方式；远程受保护服务可通过 OAuth 在浏览器中让用户登录并授权。Iris 将项目列表、聚合指标、漏斗、分群、事件字典和报告导出封装成受权限控制的 MCP 工具。

这与“把后台账号密码交给 AI”不同。AI 只能看到本次授权允许的工具，Iris 服务端还会在每次调用时重新检查账号、项目角色与能力范围。

先选择连接方式

用 OAuth 连接 Iris

1. 添加连接。在支持 Remote MCP 的 AI 客户端中添加 Iris 地址。
2. 浏览器授权。客户端打开 Iris 登录与授权页，确认登录账号和申请的能力范围。
3. 确认项目。先让 AI 列出可访问项目、角色和当前有效权限，不立即修改配置。
4. 执行分析。指定项目、日期范围与问题，写操作完成后再读取一次结果。

{
  "mcpServers": {
    "iris": {
      "url": "https://iris.teown.com/mcp"
    }
  }
}

不同客户端的入口名称可能是“连接器”“MCP Servers”或“添加服务器”，但远程地址保持一致。完整配置与权限说明见Iris MCP 帮助文档。

AI 可以读取和维护什么

每次写操作都需要新的幂等请求标识，重试同一操作时复用原标识。这样可以降低客户端超时重试造成重复创建的风险。

从项目代码到漏斗分析

如果目标不是“查一次数据”，而是让 AI 帮一个产品完成接入，可以使用公开的 Iris Analytics Skill。它把完整流程拆成可核验步骤：

1. 注册或登录 Iris，复用已有项目或创建新项目。
2. 检查产品代码与关键业务路径，先规划事件和中文名称。
3. 在项目代码中接入 SDK，添加必要事件并避免采集敏感信息。
4. 通过 MCP 写入事件字典与漏斗，再验证真实事件是否入库。
5. 按日期范围查询数据，导出聚合数据或分析报告。

事件设计仍应从业务问题出发。先读埋点方案与验收模板，再把关键路径配置成转化漏斗。

权限和隐私边界

Remote MCP 同时校验 OAuth 能力范围与实时项目角色。Viewer 与 Member 只读；Owner 或 Admin 取得写能力后才能维护项目配置。访客和回放只返回临时脱敏引用，不返回邮箱、手机号、IP、完整用户标识或项目密钥。

公开 MCP 不提供删除工具。任何会删除项目、成员、事件、漏斗、分群或凭据的操作，仍由用户在网页端完成。授权前应核对能力范围，任务完成后可在账户设置中撤销连接。

常见问题

MCP 与普通 API 有什么区别？

普通 API 需要开发者自己编写调用逻辑。MCP 会把可用工具、参数和权限边界提供给 AI 客户端，让 AI 能按用户指令组合查询与配置操作。

是否需要把 Iris Token 发给 AI？

推荐的 Remote MCP 不需要在对话中粘贴 Token。客户端会打开浏览器完成 OAuth 授权。只有兼容旧客户端时才使用 npm stdio 和个人 Token，而且 Token 应保存在本机环境变量或密钥管理工具中。

AI 能直接删除项目或数据吗？

不能。Iris 的公开 MCP 不提供删除项目、成员、事件、漏斗、分群或凭据的工具，删除操作仍需用户在网页端人工完成。

Viewer 可以让 AI 修改漏斗吗？

不能。项目角色和 OAuth 能力范围会同时校验。Viewer 与 Member 在公开 Remote MCP 中只读，Owner 或 Admin 取得 workspace:write 后才能维护漏斗、分群和事件字典。

连接后为什么看不到项目？

先确认浏览器授权时登录的是正确 Iris 账号，再检查该账号是否已加入目标项目。角色或授权范围变更后，重新连接并让客户端再次列出项目。