Дать ИИ-агенту доступ к данным Google Search Console можно шестью практичными способами: через готовый OAuth-коннектор, через MCP-сервер от сообщества, напрямую через Search Console API, через массовый экспорт в BigQuery, через «мост» в виде таблицы или вообще без агента — с помощью встроенной ИИ-настройки самой Search Console. На подключение уйдёт от двух минут до большей части рабочего дня, а правильный выбор зависит от одного вопроса: нужна ли вам история глубже 16 месяцев.
С этого вопроса и начнём, потому что именно здесь дорога расходится. Search Analytics API отдаёт максимум 25 000 строк за запрос и хранит 16 месяцев истории. Всё, что старше 16 месяцев, исчезает — не прячется, а удаляется. Если вам нужна более длинная история, получить её позволяет только один способ из этого списка, и запускать его нужно заранее, до того как она понадобится.
Способ 1: готовый OAuth-коннектор
Настройка: от 2 до 5 минут. Без кода.
Вы авторизуете SEO-агента (готовый продукт) в своём аккаунте Google, выбираете ресурс — и подключение сохраняется на стороне сервера и используется при каждом запросе. Большинству маркетологов стоит выбрать именно этот вариант, и дело не в лени: типичные сбои здесь уже обработаны за вас. Хорошо сделанный коннектор замечает, что подключения нет, и просит его создать, а не гадает; сам определяет, какой ресурс использовать, если у вас их несколько; и обходит потолок в 25 000 строк с помощью пагинации, так что вам не нужно об этом думать.
В нашей собственной реализации инструмент Search Console помечен как «только чтение»: при первом вызове он проверяет, есть ли активное подключение, а если нет — показывает интерактивное приглашение подключиться со ссылкой прямо на экран интеграций и продолжает диалог, когда вы вернётесь.
Компромисс: вы получаете ровно тот набор инструментов, который сделал разработчик. Если вам нужен запрос в форме, которую он не реализовал, — увы, никак.
Способ 2: MCP-сервер для Search Console
Настройка: от 15 до 45 минут. Нужны базовые навыки разработчика.
Model Context Protocol — открытый клиент-серверный стандарт для подключения ИИ-ассистентов к внешним системам. Поэтому любой клиент с поддержкой MCP — Claude Desktop, Claude Code, Cursor и другие — может напрямую обращаться к серверу Search Console.
Важная оговорка: в отличие от GA4, для которого Google выпускает собственный MCP-сервер, официального MCP-сервера Google для Search Console не существует. Есть добротный набор реализаций от сообщества, например mcp-server-gsc: он получает данные поисковой аналитики в пределах потолка в 25 000 строк, поддерживает фильтрацию по регулярным выражениям и работает только на чтение.
Настройка — это JSON-блок в вашем MCP-клиенте, который указывает на сервер и ваши учётные данные:
{
"mcpServers": {
"search-console": {
"command": "npx",
"args": ["-y", "mcp-server-gsc"],
"env": { "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/service-account.json" }
}
}
}Компромисс: вы доверяете пакету от сообщества учётные данные к своим поисковым данным. Прочитайте исходный код, выбирайте права только на чтение и зафиксируйте версию. Ещё проверьте, какую версию протокола реализует сервер и совпадает ли она с той, что ожидает ваш клиент.
Способ 3: Search Console API и сервисный аккаунт
Настройка: от 1 до 3 часов. Придётся писать код.
Максимум контроля и максимум работы. Порядок действий:
- Создайте проект в Google Cloud или возьмите существующий.
- Включите в нём Search Console API.
- Создайте сервисный аккаунт и скачайте JSON-ключ.
- Добавьте адрес электронной почты сервисного аккаунта как пользователя самого ресурса в Search Console с ограниченным доступом (только чтение).
- Аутентифицируйте агента с этим ключом и вызывайте
searchanalytics.query.
Про шаг 4 забывают все. Учётные данные, созданные в Cloud, сами по себе не дают доступа к ресурсу: это две отдельные системы прав, и если пропустить вторую, вы получите невнятную ошибку 403, которая выглядит как проблема с включением API, а не с доступом к ресурсу. Будьте готовы один раз потерять на этом минут двадцать.
Минимальное тело запроса с пагинацией выглядит так:
{
"startDate": "2026-04-01",
"endDate": "2026-06-30",
"dimensions": ["query", "page"],
"rowLimit": 25000,
"startRow": 0
}Увеличивайте startRow на 25 000 для каждой страницы и останавливайтесь, когда ответ вернёт меньше строк, чем вы запросили. Всё остальное — работа с квотами, повторные попытки, обновление токенов — теперь ваша забота.
Компромисс: полная гибкость, но квоты, пагинация, повторные попытки и обновление токенов теперь на вас. Выбирайте этот путь, когда агенту нужна форма запроса, которой нет ни в одном коннекторе, или когда данные обязаны оставаться внутри вашей инфраструктуры.
Способ 4: массовый экспорт в BigQuery
Настройка: около часа плюс до 48 часов до появления первого экспорта.
Это единственный способ, который решает проблему 16 месяцев. Настроить его стоит уже сегодня, даже если сейчас он вам не нужен: история накапливается с момента запуска вперёд, а не назад.
Согласно документации Google по массовому экспорту данных, порядок такой:
- Создайте или выберите проект Google Cloud с включённой оплатой (billing). Это обязательно.
- Включите в нём BigQuery API и BigQuery Storage API.
- Выдайте сервисному аккаунту Search Console две роли в проекте: BigQuery Job User и BigQuery Data Editor.
- В Search Console откройте «Настройки», затем «Массовый экспорт данных» (Bulk data export) и укажите ID проекта Cloud и расположение набора данных.
- Подождите. Первый экспорт появится в течение 48 часов, дальше экспорт выполняется ежедневно.
Две детали, о которых стоит знать заранее. Анонимизированные запросы исключаются из экспорта из соображений конфиденциальности, поэтому итоги в BigQuery не сойдутся один в один с интерфейсом Search Console. Это ожидаемо и не является ошибкой — но агент, который сравнивает два источника, иначе доложит о расхождении, которого на самом деле нет. И расположение набора данных потом нельзя изменить, не начав всё заново, так что выбирайте его осознанно.
Когда данные уже в BigQuery, агент обращается к ним через SQL, а не через Search Console API, — и это одним махом снимает и потолок по строкам, и ограничение по сроку хранения. Для небольших сайтов расходы укладываются в бесплатный уровень BigQuery, для крупных становятся вполне ощутимыми. Поэтому велите агенту фильтровать по столбцу с датой партиции, а не сканировать всю таблицу: агент, который запустит неограниченный SELECT * по трём годам данных крупного ресурса, выставит вам счёт, который вы надолго запомните.
Компромисс: это стоит денег, требует больше всего инфраструктуры из всех вариантов и в первый день не даёт ничего. Зато это единственный путь к анализу за несколько лет.
Способ 5: «мост» через таблицу
Настройка: от 10 до 20 минут. Без кода.
Выгружайте данные Search Console в Google Таблицы по расписанию с помощью дополнения или Apps Script, а затем дайте агенту с доступом к Таблицам ссылку на этот файл. Прагматичный вариант, если ваш агент уже умеет читать таблицы и вы хотите, чтобы данные были у него перед глазами уже сегодня.
Компромисс: данные свежи ровно настолько, насколько свежа последняя выгрузка; всё заранее отфильтровано тем, кто настраивал таблицу; а задать уточняющий запрос, которого никто не предусмотрел, агент не сможет — хотя именно ради этого вы и заводили агента. Считайте это временной мерой.
Способ 6: вообще без подключения
Настройка: не нужна.
В Search Console уже встроен ИИ. Настройка отчётов с помощью ИИ (AI-powered configuration) от Google позволяет описать нужный анализ обычным языком, а система переводит его в фильтры отчёта, сравнения и выбор метрик. Запрос «Сравни трафик моих страниц, в адресе которых есть /blog, за этот квартал с тем же кварталом прошлого года» настраивается сам.
Знайте границы — Google называет их прямо: функция работает только с отчётами об эффективности для результатов поиска, а не для Discover или Google Новостей; она настраивает фильтры, сравнения и метрики, но не умеет сортировать таблицы и экспортировать данные; и Google предупреждает, что ИИ может неверно понять запрос, поэтому перед тем как доверять анализу, проверьте применённые фильтры. Кроме того, это только настройка: рассуждать по данным GA4 и Search Console одновременно или искать причину чего-либо она не будет.
Отдельно отметим: в Search Console теперь есть отчёты об эффективности генеративного ИИ для трафика с ИИ-поверхностей Google. Если ваш вопрос касается видимости в ИИ-поверхностях, это и есть авторитетный источник, и никакие сторонние оценки его не заменят.
Какой способ выбрать
| Способ | Настройка | История больше 16 месяцев | Кому подходит |
|---|---|---|---|
| Готовый коннектор | 2–5 мин | Нет | Маркетологам, которым ответы нужны сегодня |
| MCP-сервер | 15–45 мин | Нет | Разработчикам, которые уже пользуются MCP-клиентом |
| Прямой API | 1–3 ч | Нет | Нестандартные запросы, данные остаются внутри компании |
| Экспорт в BigQuery | 1 ч + 48 ч | Да | Анализ за несколько лет, крупные сайты |
| «Мост» через таблицу | 10–20 мин | Нет | Временное решение |
| Встроенная ИИ-настройка | Не нужна | Нет | Быстрая сборка отчётов, но не расследование |
В итоге большинство команд приходят к связке: готовый коннектор для повседневных вопросов плюс экспорт в BigQuery, который тихо работает в фоне, — так что через год у них будет история, которой нет ни у кого другого. Эти два варианта друг другу не конкуренты.
Безопасно ли давать агенту доступ к Search Console?
В разумных пределах — да, при трёх условиях. Давайте доступ только на чтение. Права в Search Console включают отправку файлов Sitemap и запросы на удаление, а агенту ничего из этого не нужно. Предпочитайте сервисный аккаунт с ограниченными правами личному OAuth-доступу, чтобы отзыв доступа не зависел от аккаунта одного сотрудника. И держите инструменты записи отдельно от инструментов загрузки веб-страниц: агент, прочитавший страницу конкурента, затянул текст стороннего автора в то же контекстное окно, где лежат ваши инструкции, и если на странице есть внедрённые команды, наивный агент может их выполнить. Наша среда выполнения изолирует загруженный контент как недоверенный, помечает ход как «заражённый» и до конца этого хода отказывает в любом инструменте с пометкой записи, пока его не одобрит человек. Запросы к Search Console помечены как чтение, так что в любом случае они безопасны.
Частые ошибки настройки и что они на самом деле означают
| Симптом | Обычная причина | Как исправить |
|---|---|---|
| 403 на каждый запрос, хотя API включён | Сервисный аккаунт так и не добавили пользователем ресурса | Добавьте его адрес в настройках ресурса в Search Console с ограниченным доступом |
| Пустой результат без ошибки | Несовпадение URL ресурса: доменный ресурс вместо ресурса с префиксом в URL или пропущенный слеш в конце | Скопируйте строку ресурса точно так, как её показывает Search Console |
| Агент выдаёт подозрительно круглые итоги | Результат обрезан на потолке в 25 000 строк и принят за полный | Используйте пагинацию через startRow или требуйте от агента сообщать об обрезке |
| Цифры расходятся с интерфейсом Search Console | Анонимизированные запросы исключены из экспорта в BigQuery или другая граница дат | Для BigQuery это нормально; в остальных случаях проверьте часовой пояс и абсолютные даты |
| Массовый экспорт настроен, но набор данных не появляется | Ещё не прошли 48 часов или в проекте не включена оплата | Подождите, затем проверьте оплату и две роли IAM |
| MCP-сервер запускается, но не показывает инструментов | Неверный путь к учётным данным или несовпадение версии протокола с клиентом | Проверьте, что путь в env существует, и какую версию спецификации поддерживает сервер |
Две вещи, которые важно сделать правильно при любом способе
Честно обрабатывайте пагинацию. Агент, который запросил 25 000 строк, получил ровно 25 000 и называет итог, на самом деле сообщает об обрезанных данных. Велите ему либо листать страницы, либо прямо говорить, что результат упёрся в потолок.
Используйте абсолютные даты. Относительные формулировки вроде «прошлый месяц» вычисляются по часовому поясу ресурса и моменту выполнения запроса. Это самая частая причина уверенного, складного — и неверного — анализа данных Search Console.
Когда подключение готово, загляните в статью о том, что агент действительно может найти в данных Search Console: там разобраны анализы, которые стоит запускать. А Autopilot реализует путь с готовым коннектором, описанный в способе 1.
Get a free AI ranking consultation
Want your brand to show up when ChatGPT, Gemini and Perplexity answer questions in your market? Tell us about your site and our team will send a personalized strategy.
