AutomateLab-si-seo

Servidor MCP independiente de proveedor que audita, puntúa y reescribe páginas web para elegibilidad de citación por IA. Sin claves API. Sin registro. Funciona en Claude Desktop, Cursor, Cline, Windsurf, VS Code (Copilot / Continue) y cualquier cliente que hable el Model Context Protocol.

GitHub

Prueba este MCPPatrocinado

Documentación

@automatelab/ai-seo-mcp

Kit de citación con IA para el Protocolo de Contexto de Modelos

Audita por qué los sistemas de IA citan o no citan tus páginas. Servidor MCP. Sin claves API.

Funciona dentro de Claude, Cursor, Windsurf, Codex y cualquier cliente MCP que hable stdio.

Qué comprueba

Acceso de rastreadores de IA - GPTBot, OAI-SearchBot, ClaudeBot y PerplexityBot permitidos o bloqueados en robots.txt
llms.txt - presente, conforme a especificaciones, enlaces activos
Extracción de respuestas estructuradas - encabezados FAQ, párrafos BLUF, bloques listos para responder
Integridad de [[schema]] - FAQPage, Article, Organization, Person; marca patrones obsoletos
Claridad de entidades - densidad de entidades nombradas y cobertura de sameAs que ayudan a los sistemas de IA a identificar el tema
Formato de citas - higiene de URL canónica, og:url, hreflang, trampas noindex
Actualidad del sitemap - señales de lastmod que indican a los rastreadores que la página está actualizada

Ejecuta una auditoría. Obtén una lista de bloqueadores de citas, clasificados.

Tú: Ejecuta una auditoría de AI-SEO en https://automatelab.tech/launching-the-ai-seo-mcp/.

Resultado (truncado):

{
  "url": "https://automatelab.tech/launching-the-ai-seo-mcp/",
  "score": 61,
  "grade": "C",
  "dimension_scores": {
    "schema": 45, "technical": 80, "structure": 40,
    "robots": 90, "freshness": 85, "authority": 40,
    "entity_density": 21, "sitemap": 100
  },
  "findings": [
    {
      "severity": "critical",
      "category": "structure",
      "message": "No FAQ structure found (no FAQPage schema or H3 question headings).",
      "fix": "Add FAQ H3 headings ending in '?' with answer paragraphs, and a FAQPage JSON-LD block.",
      "estimated_impact": "high"
    },
    {
      "severity": "warning",
      "category": "authority",
      "message": "Low authority signals - missing Organization or author Person schema.",
      "fix": "Add Organization JSON-LD and Article.author as a Person node with sameAs links.",
      "estimated_impact": "high"
    }
  ]
}

Cada hallazgo nombra la corrección exacta. Sin puntuaciones opacas, sin conjeturas.

Instalación

npx -y @automatelab/ai-seo-mcp

Requiere Node 20 o posterior.

Claude Desktop

Añade a %APPDATA%\Claude\claude_desktop_config.json (Windows) o ~/Library/Application Support/Claude/claude_desktop_config.json (macOS):

{
  "mcpServers": {
    "ai-seo": {
      "command": "npx",
      "args": ["-y", "@automatelab/ai-seo-mcp"]
    }
  }
}

Reinicia Claude Desktop. Cualquier cliente MCP que admita transporte stdio funciona: el mismo patrón command / args.

Opcional: renderizado headless para SPAs

Por defecto, audit_page lee HTML sin procesar: rápido, pero omite contenido en SPAs de React/Vue/Angular. Pasa render: "headless" para iniciar Chromium y auditar el DOM renderizado (añade 3-10 s por auditoría).

Instalación única:

npm install playwright-core
npx playwright install chromium

Luego llama a audit_page con render: "headless". Usa static para todo lo demás: la mayoría de los sitios de marketing y documentación se renderizan bien sin ello.

Ejecútalo en CI (GitHub Action)

Este repositorio funciona también como GitHub Action. Colócalo en un flujo de trabajo para fallar un PR cuando cualquier página regrese por debajo de una puntuación de citación de IA: el mismo motor de auditoría, controlado en cada cambio.

- uses: actions/checkout@v4
- name: AI-SEO audit
  uses: AutomateLab-tech/ai-seo-mcp@v0.5.0
  with:
    urls: "https://example.com,https://example.com/pricing"
    min-score: "70"            # fail if any URL scores below this
    respect-robots: "true"     # set false for staging / sites you own
    report-path: "ai-seo-report.md"   # optional Markdown report artifact
    fail-on-regression: "true"

La Action construye el auditor desde la referencia fijada, ejecuta audit_page en cada URL, escribe una tarjeta de puntuación en el resumen del trabajo y sale con código distinto de cero si alguna URL cae por debajo de min-score (cuando fail-on-regression es true). Salidas: min_score_observed, urls_audited, report_path. Ejemplo completo: examples/github-action-usage.yml.

Lecturas adicionales

automatelab.tech - análisis y casos de estudio

Superficie de herramientas MCP (19 herramientas)

Herramienta	Propósito
`audit_page`	Auditoría compuesta de AI-SEO con puntuación de 8 dimensiones (schema, técnica, estructura, robots, actualidad, autoridad, densidad de entidades, sitemap).
`audit_schema`	Valida JSON-LD contra las reglas de Schema.org y las mejores prácticas de citación de IA. Marca patrones obsoletos.
`audit_canonical`	Integridad de enlaces canónicos, higiene de barras finales, consistencia de `og:url`.
`audit_site`	Barrido de sitio en una sola llamada: `audit_page` + `check_robots` + `check_sitemap` + `audit_schema` con calificación general y las 5 correcciones principales.
`audit_sitemap`	Auditoría de contenido en todo el sitio: muestrea N URLs del sitemap, ejecuta `audit_page` en cada una, devuelve distribución + peores páginas + hallazgos principales.
`check_robots`	Analiza `robots.txt` e informa permitir/bloquear por rastreador para todos los rastreadores de IA conocidos. Expone la trampa de GPTBot-bloqueado-pero-OAI-SearchBot-permitido.
`check_sitemap`	Valida sitemaps XML: presencia, recuento de URLs, actualidad de `lastmod`, extensiones de imagen/video.
`check_technical`	Auditoría de etiquetas HEAD: canónica, OpenGraph, Twitter Card, hreflang, HTTPS, noindex, higiene de títulos.
`score_ai_overview_eligibility`	Puntúa la probabilidad de que una página aparezca en AI Overviews de Google usando factores de correlación actuales.
`score_citation_worthiness`	Puntúa cuán citable es una página o bloque de texto para Perplexity, ChatGPT, AI Overviews de Google y Claude. Incluye `chunk_analysis` / `extractability_score` por sección: cuán limpiamente puede un LLM extraer una respuesta independiente de cada encabezado.
`score_agentic_browsing`	Puntúa una página contra la categoría "Agentic Browsing" de Lighthouse (mayo de 2026): llms.txt, WebMCP, integridad del árbol de accesibilidad y estabilidad del diseño.
`score_test_citation`	Simula "¿citaría un motor de IA esto para esta consulta?" mediante muestreo MCP, con respaldo heurístico determinista.
`llms_txt_generate`	Genera `llms.txt` y opcionalmente `llms-full.txt` a partir del sitemap de un dominio.
`llms_txt_validate`	Revisa un `llms.txt` existente para verificar cumplimiento de especificaciones y enlaces rotos.
`rewrite_aeo`	Reescribe contenido para optimización de motores de respuesta (estructura BLUF, formato FAQ, adiciones de schema).
`rewrite_geo`	Reescribe contenido para optimización de motores generativos (definiciones de entidades, tablas comparativas, estructura lista para síntesis).
`extract_entities`	Extrae entidades nombradas, enlaces `sameAs` y puntuación de densidad de citas del contenido y los datos estructurados de una página.
`diff_pages`	Compara dos URLs para determinar su valor de citación de IA: puntuaciones de dimensiones lado a lado, análisis de brechas y recomendaciones de corrección priorizadas para url_a.
`report_save`	Renderiza un resultado de `audit_page` / `audit_site` como informe Markdown y lo escribe en disco bajo `MCP_WORKSPACE_ROOT`.

v0.4.0 renombró las herramientas de snake_case plano a notación de puntos (audit_page, check_robots, …) para una jerarquía navegable. Actualiza cualquier invocación guardada.

Variables de entorno: consulta ENV.md.

Contribuciones

Informes de errores, ideas de funciones y PRs bienvenidos. Consulta CONTRIBUTING.md.

Seguridad

Para informar una vulnerabilidad, consulta SECURITY.md.

Licencia

MIT - consulta LICENSE.

Construido por automatelab.tech