geoseo-mcp 是一款 MIT 协议开源 MCP 服务器，将传统搜索引擎优化（Google Search Console、Bing Webmaster、IndexNow）与生成式引擎优化（GEO，覆盖 ChatGPT、Claude、Gemini、Perplexity 及 Google AI Overviews）整合于单一工具。支持本地运行、36+ 工具、本地趋势追踪，无需 SaaS 订阅。

geoseo-mcp：一站式开源 MCP 服务器，统一传统 SEO 与生成式引擎优化（GEO）\n\n## 背景：搜索优化的范式转移\n\n2025 年以来，生成式 AI 正在重塑用户获取信息的方式。ChatGPT、Claude、Gemini 等对话式 AI 不再只是"工具"，而是成为了用户搜索意图的第一入口。与此同时，Google AI Overviews 直接将 AI 生成的摘要置于搜索结果首位，传统 SEO 的点击路径被大幅压缩。\n\n对于内容创作者和网站运营者而言，这意味着双重挑战：既要维持在传统搜索引擎（Google、Bing）中的可见性，又要在新兴的 AI 搜索生态中获得引用和曝光。然而，市面上的 SEO 工具往往只覆盖单一维度——要么只做 Google Search Console，要么只做 GEO 评分，要么则是封闭的 SaaS 服务，数据无法自主掌控。\n\ngeoseo-mcp 的出现，正是为了解决这一割裂现状。\n\n## 项目概述：统一搜索优化的开源方案\n\ngeoseo-mcp 是一款基于 Python 开发的开源 MCP（Model Context Protocol）服务器，由开发者 Rachit8484 创建并维护。它以 MIT 协议发布，支持通过 stdio 在本地运行，无需托管、无需 API 密钥门槛，用户的凭证信息永远不会离开本地机器。\n\n该项目的核心定位是"统一"——在一个 MCP 服务器中整合传统 SEO 与生成式引擎优化（GEO）所需的全部能力，覆盖从 Google、Bing、Yandex 等传统搜索引擎，到 ChatGPT、Claude、Gemini、Perplexity 等主流 LLM 平台，再到 Google AI Overviews 这一新兴搜索形态。\n\n目前 v0.3 版本已提供 36 个工具，涵盖站点审计、索引提交、LLM 引用检查、趋势追踪等多个维度。\n\n## 核心能力详解\n\n### 传统搜索引擎支持\n\ngeoseo-mcp 对主流搜索引擎提供了深度集成：\n\nGoogle Search Console：支持站点列表查询、性能数据分析（点击、展示、排名）、URL 检查、站点地图提交以及索引 API 调用。对于依赖 Google 流量的站点，这些工具提供了完整的 GSC 操作能力。\n\nBing Webmaster Tools：提供已验证站点的统计信息、查询与页面级数据、URL 信息查询、快速提交入口以及爬虫问题诊断。Bing 在桌面搜索市场仍占有重要份额，且其 Webmaster 工具提供了一些 GSC 不具备的数据维度。\n\nIndexNow 协议：支持向 Bing、Yandex、Naver、Seznam、Yep 等多个搜索引擎批量提交 URL 更新。IndexNow 是一种新兴的即时索引协议，能够让搜索引擎在内容更新后更快地发现并抓取页面，对于新闻站点和高频更新内容尤为重要。\n\n### 生成式引擎优化（GEO）能力\n\n这是 geoseo-mcp 区别于传统 SEO 工具的核心亮点：\n\n多 LLM 查询与引用检查：项目集成了 Perplexity、ChatGPT（通过 OpenAI Responses API）、Claude（通过 Anthropic 服务器端搜索工具）、Gemini（通过 Google Search Grounding）四大主流 AI 平台的查询能力。更重要的是，它提供了 multi_llm_citation_check 工具，可以一次性检查你的域名在四大 LLM 中的引用份额——这是衡量 GEO 表现的关键指标。\n\nGoogle AI Overviews 追踪：通过 SerpAPI 集成，geoseo-mcp 可以检测特定查询是否触发了 AI Overviews，以及哪些 URL 被引用。aio_check 和 aio_citation_check 工具让站长能够追踪自己的内容在 Google AI 摘要中的曝光情况。\n\nllms.txt 支持：项目提供从 HTML 文件夹生成符合规范的 llms.txt 文件的能力，以及验证现有 llms.txt 的工具。llms.txt 是 AI 爬虫（如 ChatGPT-User、Claude-Web）识别站点 AI 策略的重要文件。\n\n### 站内优化与链接分析\n\n页面与站点审计：audit_page 和 audit_site 工具可以对单个页面或整个内容文件夹进行深度审计，评估标题、元描述、H1-H3 结构、字数、Schema 标记、Open Graph 标签、内容新鲜度、GEO 可引用性等维度，并给出 0-100 的评分。\n\n内链图谱分析：internal_link_graph 工具能够识别孤立页面、死胡同页面、枢纽页面以及悬空链接，帮助优化站点内部链接结构。suggest_internal_links 则基于 TF-IDF 算法提供相关页面建议及锚文本提示。\n\n### 趋势追踪与数据主权\n\ngeoseo-mcp 内置了基于 SQLite 的本地趋势追踪系统：\n\n- snapshot_gsc：持久化 GSC 性能数据\n- snapshot_llm_citations：持久化多 LLM 引用检查结果\n- snapshot_serp_aio：持久化 AI Overviews 引用数据\n- trend_gsc、trend_llm_citations：时间序列趋势分析\n\n这一设计的意义在于数据主权——用户无需依赖第三方 SaaS 的趋势追踪服务，所有数据存储在本地 SQLite 数据库（默认位于平台用户数据目录），可以自主分析、备份、迁移。\n\n## 部署与使用\n\ngeoseo-mcp 的安装非常简洁，推荐使用 uv 包管理器：\n\n\nuvx geoseo-mcp\n\n\n或通过 pip 安装：\n\n\npip install geoseo-mcp\n\n\n在 MCP 客户端（Cursor、Claude Desktop、Continue、Cline）中配置也很简单，只需在配置文件中添加服务器定义，填入相应的 API 密钥即可。值得注意的是，所有凭证都是可选的——如果缺少某个服务的密钥，相关工具会返回清晰的错误提示，而其他工具仍可正常使用。\n\n零配置即可使用的工具包括单页面审计、站点文件夹审计、内链图谱构建、llms.txt 生成等，这些工具对于快速评估内容质量非常有用。\n\n## 技术架构与扩展性\n\n项目采用插件化架构，每个搜索引擎或 LLM 引擎都作为独立的 Engine 实现，位于 src/geoseo_mcp/engines/ 目录下。添加新的搜索源只需实现 Engine ABC 接口，注册到 engines 包，并在 tools 中暴露相应工具即可。\n\n这种设计使得社区贡献变得简单。无论是接入 Yandex Webmaster API、添加 Grok 引用检查，还是针对特定垂直领域（YMYL、健康、电商）开发专用工具包，都可以通过标准接口扩展实现。\n\n## 与现有方案的对比\n\n市面上的 SEO MCP 方案通常只覆盖单一维度：\n\n- mcp-gsc：仅支持 Google Search Console\n- brightdata-mcp：提供网页访问能力并附带 GEO 功能，但与特定厂商绑定\n- geo-optimizer-skill：仅提供 GEO 评分，无传统 SEO 能力\n- Frase / Conductor / Cairrot：封闭的 SaaS 服务，数据无法自主掌控\n\ngeoseo-mcp 的独特价值在于"统一"——一个配置、一个服务器、覆盖所有重要的搜索表面。对于需要同时管理传统搜索流量和 AI 搜索可见性的现代内容运营者而言，这种整合大幅降低了工具链复杂度。\n\n## 未来路线图\n\n项目已规划了清晰的演进方向：\n\nv0.4 版本将引入 Yandex Webmaster API、Grok 引用检查、Schema 标记检查器、断链挖掘工具，以及针对 YMYL、健康、电商等垂直领域的专用工具包。\n\nv1.0 版本将提供稳定的 API、完整的测试覆盖率，以及可选的远程 HTTP 传输模式。\n\n## 实践意义与建议\n\n对于中文内容创作者和网站运营者，geoseo-mcp 提供了几个值得关注的实践价值：\n\nAI 搜索的可观测性：通过 multi_llm_citation_check 和 aio_citation_check，可以量化自己的内容在 AI 搜索生态中的曝光度，这是传统 SEO 工具无法提供的维度。\n\n数据自主可控：本地 SQLite 趋势追踪意味着你拥有自己的搜索表现历史数据，不受第三方服务关停或政策变更的影响。\n\n成本可控：作为开源工具，geoseo-mcp 本身无订阅费用。API 调用成本（如 Perplexity、SerpAPI）按实际使用量付费，对于中小型站点而言，成本远低于 enterprise SEO SaaS。\n\n集成友好：MCP 协议的设计使得 geoseo-mcp 可以无缝集成到 Cursor、Claude Desktop 等 AI 编码助手的工作流中，开发者可以直接在对话中查询搜索数据、审计页面、优化内容。\n\n## 结语\n\ngeoseo-mcp 代表了 SEO 工具演进的一个重要方向——从单一搜索引擎优化，转向传统搜索与 AI 搜索的统一优化。在生成式 AI 重塑信息获取方式的背景下，这种整合能力将成为内容运营的基础设施。\n\n对于希望掌握自己搜索命运、不愿被封闭 SaaS 绑定的开发者和运营者而言，geoseo-mcp 提供了一个值得深入探索的开源选择。

geoseo-mcp：一站式开源 MCP 服务器，统一传统 SEO 与生成式引擎优化（GEO）\n\n背景：搜索优化的范式转移\n\n2025 年以来，生成式 AI 正在重塑用户获取信息的方式。ChatGPT、Claude、Gemini 等对话式 AI 不再只是"工具"，而是成为了用户搜索意图的第一入口。与此同时，Google AI Overviews 直接将 AI 生成的摘要置于搜索结果首位，传统 SEO 的点击路径被大幅压缩。\n\n对于内容创作者和网站运营者而言，这意味着双重挑战：既要维持在传统搜索引擎（Google、Bing）中的可见性，又要在新兴的 AI 搜索生态中获得引用和曝光。然而，市面上的 SEO 工具往往只覆盖单一维度——要么只做 Google Search Console，要么只做 GEO 评分，要么则是封闭的 SaaS 服务，数据无法自主掌控。\n\ngeoseo-mcp 的出现，正是为了解决这一割裂现状。\n\n项目概述：统一搜索优化的开源方案\n\ngeoseo-mcp 是一款基于 Python 开发的开源 MCP（Model Context Protocol）服务器，由开发者 Rachit8484 创建并维护。它以 MIT 协议发布，支持通过 stdio 在本地运行，无需托管、无需 API 密钥门槛，用户的凭证信息永远不会离开本地机器。\n\n该项目的核心定位是"统一"——在一个 MCP 服务器中整合传统 SEO 与生成式引擎优化（GEO）所需的全部能力，覆盖从 Google、Bing、Yandex 等传统搜索引擎，到 ChatGPT、Claude、Gemini、Perplexity 等主流 LLM 平台，再到 Google AI Overviews 这一新兴搜索形态。\n\n目前 v0.3 版本已提供 36 个工具，涵盖站点审计、索引提交、LLM 引用检查、趋势追踪等多个维度。\n\n核心能力详解\n\n传统搜索引擎支持\n\ngeoseo-mcp 对主流搜索引擎提供了深度集成：\n\nGoogle Search Console：支持站点列表查询、性能数据分析（点击、展示、排名）、URL 检查、站点地图提交以及索引 API 调用。对于依赖 Google 流量的站点，这些工具提供了完整的 GSC 操作能力。\n\nBing Webmaster Tools：提供已验证站点的统计信息、查询与页面级数据、URL 信息查询、快速提交入口以及爬虫问题诊断。Bing 在桌面搜索市场仍占有重要份额，且其 Webmaster 工具提供了一些 GSC 不具备的数据维度。\n\nIndexNow 协议：支持向 Bing、Yandex、Naver、Seznam、Yep 等多个搜索引擎批量提交 URL 更新。IndexNow 是一种新兴的即时索引协议，能够让搜索引擎在内容更新后更快地发现并抓取页面，对于新闻站点和高频更新内容尤为重要。\n\n生成式引擎优化（GEO）能力\n\n这是 geoseo-mcp 区别于传统 SEO 工具的核心亮点：\n\n多 LLM 查询与引用检查：项目集成了 Perplexity、ChatGPT（通过 OpenAI Responses API）、Claude（通过 Anthropic 服务器端搜索工具）、Gemini（通过 Google Search Grounding）四大主流 AI 平台的查询能力。更重要的是，它提供了 multi_llm_citation_check 工具，可以一次性检查你的域名在四大 LLM 中的引用份额——这是衡量 GEO 表现的关键指标。\n\nGoogle AI Overviews 追踪：通过 SerpAPI 集成，geoseo-mcp 可以检测特定查询是否触发了 AI Overviews，以及哪些 URL 被引用。aio_check 和 aio_citation_check 工具让站长能够追踪自己的内容在 Google AI 摘要中的曝光情况。\n\nllms.txt 支持：项目提供从 HTML 文件夹生成符合规范的 llms.txt 文件的能力，以及验证现有 llms.txt 的工具。llms.txt 是 AI 爬虫（如 ChatGPT-User、Claude-Web）识别站点 AI 策略的重要文件。\n\n站内优化与链接分析\n\n页面与站点审计：audit_page 和 audit_site 工具可以对单个页面或整个内容文件夹进行深度审计，评估标题、元描述、H1-H3 结构、字数、Schema 标记、Open Graph 标签、内容新鲜度、GEO 可引用性等维度，并给出 0-100 的评分。\n\n内链图谱分析：internal_link_graph 工具能够识别孤立页面、死胡同页面、枢纽页面以及悬空链接，帮助优化站点内部链接结构。suggest_internal_links 则基于 TF-IDF 算法提供相关页面建议及锚文本提示。\n\n趋势追踪与数据主权\n\ngeoseo-mcp 内置了基于 SQLite 的本地趋势追踪系统：\n\n- snapshot_gsc：持久化 GSC 性能数据\n- snapshot_llm_citations：持久化多 LLM 引用检查结果\n- snapshot_serp_aio：持久化 AI Overviews 引用数据\n- trend_gsc、trend_llm_citations：时间序列趋势分析\n\n这一设计的意义在于数据主权——用户无需依赖第三方 SaaS 的趋势追踪服务，所有数据存储在本地 SQLite 数据库（默认位于平台用户数据目录），可以自主分析、备份、迁移。\n\n部署与使用\n\ngeoseo-mcp 的安装非常简洁，推荐使用 uv 包管理器：\n\n\nuvx geoseo-mcp\n\n\n或通过 pip 安装：\n\n\npip install geoseo-mcp\n\n\n在 MCP 客户端（Cursor、Claude Desktop、Continue、Cline）中配置也很简单，只需在配置文件中添加服务器定义，填入相应的 API 密钥即可。值得注意的是，所有凭证都是可选的——如果缺少某个服务的密钥，相关工具会返回清晰的错误提示，而其他工具仍可正常使用。\n\n零配置即可使用的工具包括单页面审计、站点文件夹审计、内链图谱构建、llms.txt 生成等，这些工具对于快速评估内容质量非常有用。\n\n技术架构与扩展性\n\n项目采用插件化架构，每个搜索引擎或 LLM 引擎都作为独立的 Engine 实现，位于 src/geoseo_mcp/engines/ 目录下。添加新的搜索源只需实现 Engine ABC 接口，注册到 engines 包，并在 tools 中暴露相应工具即可。\n\n这种设计使得社区贡献变得简单。无论是接入 Yandex Webmaster API、添加 Grok 引用检查，还是针对特定垂直领域（YMYL、健康、电商）开发专用工具包，都可以通过标准接口扩展实现。\n\n与现有方案的对比\n\n市面上的 SEO MCP 方案通常只覆盖单一维度：\n\n- mcp-gsc：仅支持 Google Search Console\n- brightdata-mcp：提供网页访问能力并附带 GEO 功能，但与特定厂商绑定\n- geo-optimizer-skill：仅提供 GEO 评分，无传统 SEO 能力\n- Frase / Conductor / Cairrot：封闭的 SaaS 服务，数据无法自主掌控\n\ngeoseo-mcp 的独特价值在于"统一"——一个配置、一个服务器、覆盖所有重要的搜索表面。对于需要同时管理传统搜索流量和 AI 搜索可见性的现代内容运营者而言，这种整合大幅降低了工具链复杂度。\n\n未来路线图\n\n项目已规划了清晰的演进方向：\n\nv0.4 版本将引入 Yandex Webmaster API、Grok 引用检查、Schema 标记检查器、断链挖掘工具，以及针对 YMYL、健康、电商等垂直领域的专用工具包。\n\nv1.0 版本将提供稳定的 API、完整的测试覆盖率，以及可选的远程 HTTP 传输模式。\n\n实践意义与建议\n\n对于中文内容创作者和网站运营者，geoseo-mcp 提供了几个值得关注的实践价值：\n\nAI 搜索的可观测性：通过 multi_llm_citation_check 和 aio_citation_check，可以量化自己的内容在 AI 搜索生态中的曝光度，这是传统 SEO 工具无法提供的维度。\n\n数据自主可控：本地 SQLite 趋势追踪意味着你拥有自己的搜索表现历史数据，不受第三方服务关停或政策变更的影响。\n\n成本可控：作为开源工具，geoseo-mcp 本身无订阅费用。API 调用成本（如 Perplexity、SerpAPI）按实际使用量付费，对于中小型站点而言，成本远低于 enterprise SEO SaaS。\n\n集成友好：MCP 协议的设计使得 geoseo-mcp 可以无缝集成到 Cursor、Claude Desktop 等 AI 编码助手的工作流中，开发者可以直接在对话中查询搜索数据、审计页面、优化内容。\n\n结语\n\ngeoseo-mcp 代表了 SEO 工具演进的一个重要方向——从单一搜索引擎优化，转向传统搜索与 AI 搜索的统一优化。在生成式 AI 重塑信息获取方式的背景下，这种整合能力将成为内容运营的基础设施。\n\n对于希望掌握自己搜索命运、不愿被封闭 SaaS 绑定的开发者和运营者而言，geoseo-mcp 提供了一个值得深入探索的开源选择。