OpenAnalytics

这是什么？适合谁？

OpenAnalytics 是开源、隐私优先的 Web 分析：一个轻量 tracker 脚本、无 cookie、无跨站画像、只读聚合数据，可在自己的硬件上自托管（AGPL-3.0）。官方同时运营托管实例 getopen.so。它最特别的一点是内置 MCP server：把分析数据暴露给 AI Agent，让 Agent 直接读取站点数据做决策——分析数据第一次成为 Agent 的一等公民。

适合人群：想摆脱 Google Analytics 的独立站长与博客作者、对隐私合规有要求的团队、想让 AI Agent 直接消费站点分析数据的开发者。 使用前提：自托管需要 Docker/Node 部署能力与一台服务器；或直接注册托管版。接入 MCP 需要一个支持 MCP 的 Agent 客户端。

快速上手（3 步）

第一步：接入 tracker

在站点页面加入官方 tracker 片段（几 KiB，CI 还强制字节预算）。无 cookie、无跨站跟踪，无需 GDPR 横幅。

第二步：看仪表盘

登录仪表盘（自托管或 getopen.so）：访问量、会话、来源、热门页面、实时 SSE 流（apps/realtime）一应俱全，还支持事件定义、漏斗、小组件与收入面板。

第三步：把数据接给 AI Agent

通过 apps/api 暴露的 MCP server，把站点分析数据接入你的 Agent（Claude、DSH 等）。Agent 可以直接查询”上周哪个来源转化最好”并基于数据行动。

# CLI 同样可用：oa 命令行完成站点设置、统计查询、设备流程登录
oa stats <site>

初级用法

• 实时看板：apps/realtime 的 SSE 流撑起 live dashboard，发版后实时观察流量变化。
• 事件与漏斗：自定义事件定义 → 漏斗分析 → 小组件订阅，覆盖增长分析主路径。
• CLI 快查：oa CLI 免开浏览器即可拉取站点统计，适合写进脚本和 cron。

高级玩法

1. Agent 驱动的增长分析：MCP 接入后让 Agent 定期读数据、生成报告、提出实验建议，把分析师的例行工作自动化。
2. 自托管全栈：pnpm monorepo 包含 collector（摄取/限流）、worker（ClickHouse 落库/会话/汇总/删除）、query-gateway（唯一可读 ClickHouse 的进程，验证签名查询信封）——按官方架构自建一套完整分析基建。
3. 数据治理组合拳：利用内置的删除任务与导出能力，把”数据最小化”落到工程层而非纸面承诺。

常见踩坑（5 条）

踩坑 1：混淆自托管与托管版边界

• 现象：文档读到一半发现功能对不上
• 原因：getopen.so 托管实例与自托管仓库同代码但配置不同
• 解决：先决定用哪条路，再按对应文档部署

踩坑 2：ClickHouse 运维负担低估

• 现象：自托管后资源占用超预期
• 原因：worker + ClickHouse + 多个 app 的完整栈不小
• 解决：小站点直接用托管版；自托管先在低配环境压测

踩坑 3：tracker 字节预算被破坏

• 现象：CI 报 tracker 超预算
• 原因：tracker 有 CI 强制的字节预算，定制时容易超
• 解决：定制改动最小化，或调整预算配置并评估加载性能

踩坑 4：MCP 权限给了过大的面

• 现象：Agent 能读到超出需要的站点数据
• 原因：MCP 暴露的是控制面 API（auth/sites/keys/sharing 等）
• 解决：为 Agent 建最小权限的只读 key，限定站点范围

踩坑 5：AGPL 合规误判

• 现象：把 OpenAnalytics 改造后作为 SaaS 提供
• 原因：AGPL-3.0 要求网络交互也开源
• 解决：商用改造前咨询合规，或使用官方托管版

FAQ（5 个常见问题）

Q1：OpenAnalytics 免费吗？ A：AGPL-3.0 开源，自托管免费；官方托管版 getopen.so 的定价以官网为准。

Q2：和 Plausible / Umami 有什么区别？ A：同样是隐私优先分析；OpenAnalytics 的差异化是原生 MCP server（Agent 直接读数）+ query-gateway 签名查询信封的架构设计。

Q3：真的无 cookie 吗？ A：是：一个 tracker 脚本、无 cookie、无跨站画像、聚合只读。

Q4：支持哪些数据库？ A：数据落在 ClickHouse，由 worker 异步写入，query-gateway 独占读取。

Q5：能导入历史 GA 数据吗？ A：仓库提供 exports 能力（worker 的 rollups/exports/mail 任务），GA 导入以官方文档为准，本文未实测。

小技巧（5 条）

1. 先用托管版验证价值：接入 tracker 十分钟见数据，确认满足需求再考虑自托管迁移。
2. 实时流做发版观察：每次发版后盯 realtime 面板 15 分钟，异常回落立即可见。
3. 事件命名先立规范：事件定义、漏斗、小组件都依赖事件名，项目初期定好命名表。
4. MCP 场景从只读开始：先让 Agent 只做查询与报告，验证准确性后再考虑行动类权限。
5. 用 oa CLI 写巡检脚本：每日 cron 拉 oa stats 存档，长期趋势不依赖仪表盘。

进阶学习建议

• 通读 monorepo 各 app 的职责表（tracker/collector/worker/api/query-gateway/realtime/web/cli），理解”唯一进程可读 ClickHouse + 签名查询信封”的安全设计
• 实验事件定义 → 漏斗 → 小组件的完整链路，建立自己的增长指标体系
• 把 MCP 接口接给一个 Agent，自动化周报生成，评估”Agent 消费分析数据”的可靠性
• 研究 worker 的删除任务实现，学习隐私优先系统的数据治理工程化

参考链接

• OpenAnalytics GitHub 仓库
• 官方托管版 getopen.so

本文基于公开资料于 2026-08-17 整理，社区指标反映 GitHub 公开数据。独立实测未进行，功能和配置项可能随版本更新而变化，请以官方文档为准。