auto-geo
공식AI 가시성을 위한 GEO 최적화 콘텐츠 퍼블리싱 엔진
Auto Geo MCP(으)로 무엇을 할 수 있나요?
- AI 인용 준비 상태를 위해 모든 페이지 감사 — URL에 대해
auto-geo doctor를 실행하여 TL;DR 존재 여부, 질문 형식의 제목, 엔터티 밀도, JSON-LD 등을 확인하는 점수 보고서를 받습니다. - 타겟 쿼리에서 GEO 최적화 페이지 생성 —
auto-geo write를 사용하여 전체 7블록 인용 아키텍처를 준수하는 검증되고 게시 준비가 완료된 JSON 페이지를 생성합니다. - 기존 페이지를 다시 작성하여 모든 GEO 검사 통과 — URL을
auto-geo fix에 제공하면 인용 준비 감사에서 8/8 점수를 받을 것으로 예상되는 재생성된 버전을 받습니다. - AI 엔진이 실제로 도메인을 인용하는지 측정 — Perplexity, ChatGPT, Gemini, Claude 또는 Grok에 대해
auto-geo check를 실행하여 추적된 쿼리 중 어떤 것이 도메인을 소스로 반환하는지 확인합니다. - 시간에 따른 인용 커버리지 추세 추적 —
auto-geo history를 사용하여 실행별 커버리지 백분율, 엔진별 델타, 새로 인용되거나 손실된 쿼리를 확인합니다. - 추적할 높은 의도의 쿼리 발견 —
auto-geo prompts discover가 도메인을 분석하고 AI 검색 결과에서 경쟁해야 할 질문을 제안하도록 합니다.
문서
auto-geo
ChatGPT, Claude, Gemini, Perplexity, Grok에서 여러분의 브랜드가 언급되도록 하는 오픈소스 GEO 엔진.
대규모 언어 모델이 인용하는 페이지를 감사, 생성, 수정, 추적합니다 — 하나의 CLI, 파일 기반, MIT 라이선스.
누군가 ChatGPT, Perplexity, Claude, Gemini, Google AI Overviews에 여러분의 비즈니스가 답해야 할 질문을 할 때, 그 엔진들이 여러분의 도메인을 인용할까요? auto-geo 은 이를 실현하고 증명하기 위한 전체 루프입니다:
auto-geo init # set up the system once
auto-geo doctor # audit any page for citation readiness
auto-geo write # generate publish-ready pages from target queries
auto-geo fix # rewrite an existing page so it passes the audit
auto-geo check # measure: do AI engines actually cite you?
auto-geo history # track citation coverage over time
모든 것이 파일 기반이며 커밋 가능합니다 — 추적된 프롬프트, 검사 기록, 설정. 서버도, 계정도, 데이터베이스도 필요 없습니다. 한 번의 설치로 시작하세요:
npm i -g auto-geo
Shadow 제작 — OpenAI, TikTok, Meta, Amazon, Lovable을 성공시킨 팀들과 협력하여 차세대 AI 기반 미디어 인텔리전스 및 커뮤니케이션 기술을 구축하는 미디어 연구소입니다. Shadow는
auto-geo을 사용하여 shadow.inc/resources에 게시합니다.
목차
- 빠른 시작
- GEO란 무엇인가?
- 워크플로우
auto-geo init— 시스템 설정auto-geo doctor— 페이지의 인용 준비 상태 감사auto-geo write— 쿼리로 페이지 생성auto-geo fix— 인용 준비 상태에 맞게 페이지 재작성auto-geo prompts— 추적된 프롬프트 관리auto-geo check— 실제 인용 범위 측정auto-geo history— 시간 경과에 따른 인용 범위- 설정
- 페이지 아키텍처
- 에이전트 친화적 출력
- LLM 친화적
- 기여하기
- 라이선스
빠른 시작
0. 한 번 설치 (또는 npx auto-geo@latest 을 통해 모든 명령을 일회성으로 실행)
npm i -g auto-geo
1. 설정 — config, .env.local 키 슬롯, .auto-geo 워크스페이스
auto-geo init
2. .env.local에 API 키 추가 (모든 명령에서 자동 로드됨)
3. 모든 페이지 감사 — 여러분의 페이지 또는 경쟁사 페이지
auto-geo doctor https://example.com/some-page
4. AI 엔진이 여러분을 인용하길 원하는 프롬프트 추적
auto-geo prompts add "최고의 미디어 모니터링 도구" "GEO란 무엇인가"
5. 측정 — 모든 실행 결과는 자동으로 기록에 저장됨
auto-geo check
6. 시간 경과에 따른 커버리지 변화 확인
auto-geo history
Node >=18.17 필요. 나중에 업그레이드하는 것은 npm i -g auto-geo@latest 입니다. 다른 설치 방법:
brew install shadowresearch/tap/auto-geo # Homebrew (macOS / Linux) mise use -g npm:auto-geo # mise
macOS, Linux, Windows용 독립 실행 파일(Node 불필요)이 모든 릴리스와 함께 제공됩니다.
GEO란 무엇인가?
생성 엔진 최적화(Generative Engine Optimization) 는 AI 검색 엔진이 질문에 답할 때 여러분의 페이지를 인용하도록 만드는 원칙입니다. 이는 SEO의 후속 개념입니다. 링크 목록에서 순위를 매기는 대신, 답변 안에 인용되기 위해 경쟁하는 것입니다.
승리하는 페이지는 블로그 게시물이 아닙니다. 실증적 연구는 인용 확률을 특정 형태와 연결합니다:
- 산문이 아닌 아키텍처. 명명되고 검증된 블록 — TL;DR, 소개, 질문 형식의 H2 섹션, 관련 가이드, 핵심 요약, FAQ, 공개. AI 엔진은 구조화된 청크를 추출합니다. 엄격한 구조는 추출을 개선합니다.
- 답변 우선. 모든 섹션은 지원 단락 전에 섹션의 질문에 완전히 답하는 40~60단어의 "답변 캡슐"로 시작합니다.
- 질문 형식 제목. H2는 사용자가 실제로 AI 엔진에 묻는 질문으로 작성됩니다.
- 엔티티 밀도. 명명된 엔티티(회사, 사람, 제품)가 높은 밀도로 — 인용 확률이 약 4.8배 더 높음.
- 스키마 파생. 수동으로 작성되지 않고 구조에서 생성된 Article + FAQPage JSON-LD.
auto-geo 는 이 형태를 엄격한 스키마로 인코딩하고(전체 표준 운영 절차는 docs/sop.md 참조), 이에 대해 모든 URL을 감사하며, 이를 준수하는 새 페이지를 생성하고, 엔진이 실제로 여러분을 인용하는지 측정하여 루프를 닫습니다.
워크플로우
┌──────────────────────────────────────────────────────┐
│ auto-geo init │
│ config · .env.local · .auto-geo/ workspace │
└──────────────────────────────────────────────────────┘
│
┌──────────┼──────────────┬─────────────────┐
▼ ▼ ▼ ▼
doctor write fix prompts
audit a generate rewrite an track the queries
page new pages existing page that matter to you
│ │ │ │
└──────────┴──────────────┴────────┬────────┘
▼
check ──── saves every run ────┐
measure actual ▼
citations history
coverage over time,
newly cited / lost
doctor 은 준비 상태(이 페이지가 인용에 적합한 형태인가?)를 측정합니다. check 는 결과(실제로 인용되고 있는가?)를 측정합니다. history 은 결과를 추세선으로 전환합니다.
auto-geo init — 시스템 설정
auto-geo init # 대화형 (몇 가지 질문) auto-geo init --yes # 비대화형 템플릿
하나의 명령으로 모든 것을 스캐폴딩합니다:
| 파일 | 설명 |
|---|---|
| auto-geo.config.json | 기본값 — 도메인, 제공자, 모델, 작성자. 커밋 가능하며 비밀 정보를 보관하지 않음. |
| .env.local | API 키 슬롯. 모든 명령에서 자동 로드됨. Gitignore 처리. |
| .auto-geo/prompts.txt | 추적된 프롬프트 — 한 줄에 하나씩, # 주석 허용. |
| .auto-geo/checks/ | 모든 검사 실행 결과가 JSON으로 저장됨. 기록의 기반 데이터. |
대화형 흐름은 추적하려는 프롬프트를 묻는 것으로 끝나므로, 새 프로젝트는 한 번의 작업으로 제로에서 측정 가능한 인용 기준선으로 이동합니다. init 는 기존 .env.local 을 절대 덮어쓰지 않으며 --force 없이 기존 설정을 덮어쓰는 것을 거부합니다.
auto-geo doctor — 페이지의 인용 준비 상태 감사
모든 URL에서 실행하세요 — 여러분의 페이지, 경쟁사 페이지, 사이트맵의 모든 페이지 — AI 엔진이 찾는 인용 신호에 대한 구조화된 보고서를 받아보세요.
auto-geo doctor https://example.com/some-page
✓ TL;DR present (52 words, in range)
✗ Question-format H2 headings (2 of 6 are question-format; SOP §3 targets all)
✓ Article JSON-LD present
✗ FAQPage JSON-LD present (No FAQPage JSON-LD block detected)
✓ Entity density (12.3/1k words)
✗ Image cadence (0 images for 1247 words)
✓ Answer-first first paragraph
✓ No self-link in related guides
Score: 5 / 8 checks pass — moderate GEO posture
Top 3 fixes (ranked by citation lift):
1. Add a FAQPage JSON-LD block. Each Q is a citable extraction target.
2. Convert 4 statement-form H2 headings to question form.
3. Add 2 images with descriptive alt text (entity + context).
전체 사이트맵 — 평균 점수, 가장 낮은 점수의 페이지, 가장 흔한 실패
auto-geo doctor --site https://example.com/sitemap.xml --max-pages 50
CI / 대시보드용 JSON
auto-geo doctor https://example.com/page --json
점수가 75% 이상이면 종료 코드 0, 그렇지 않으면 1 — 이를 기준으로 배포를 제어합니다. 전체 검사 참조는 docs/doctor.md 을 참조하세요.
auto-geo write — 쿼리로 페이지 생성
도메인과 인용되길 원하는 쿼리를 제공하면 검증된, 게시 준비가 완료된 JSON 파일을 받습니다 — 쿼리당 하나의 구조화된 페이지, 전체 GEO 아키텍처를 준수합니다.
auto-geo write
--query "GEO란 무엇인가"
--query "GEO vs SEO"
--out ./resources
✓ "what is GEO" → ./resources/geo.json (validated, ~$0.06)
✓ "GEO vs SEO" → ./resources/geo-vs-seo.json (validated, ~$0.06)
Total: 2 pages · 2 ok · ~$0.12 spent · 31s elapsed
시스템 프롬프트는 GEO SOP(TL;DR 길이, 답변 캡슐 창, 금지된 최상급 표현, FAQ 구조)를 인코딩하며, 출력은 Vercel AI SDK의 generateObject 을 통해 유형 시스템 수준에서 스키마로 제한되고, 유효성 검사 실패 시 제한된 자체 수정 루프가 적용됩니다. 기본값: gpt-5.4 (OpenAI) 또는 claude-sonnet-4-6 (Anthropic), 설정한 API 키에 따라 자동 감지됩니다.
드라이 런 — 계획 + 비용 추정, LLM 호출 없음
auto-geo write --query "X란 무엇인가" --dry-run
파일에서 일괄 처리, anthropic, 한 번에 4페이지
auto-geo write --queries-file queries.txt --provider anthropic --concurrency 4
설정 파일(auto-geo init)이 있으면 --domain, 작성자 필드, 제공자가 설정에서 가져오므로 — --query 만 있으면 됩니다. docs/write.md 참조.
auto-geo fix — 인용 준비 상태에 맞게 페이지 재작성
doctor 이 무엇이 잘못되었는지 알려주는 반면, fix 는 8가지 검사를 모두 통과하는 GEO 최적화된 재작성본을 생성합니다 — write 이 사용하는 것과 동일한 스키마에 대해 가져오기, 감사, 재생성, 검증됩니다.
auto-geo fix https://www.example.com/some-blog-post --out ./fixed.json
Score (before): 3 / 8
Generating rewrite via openai gpt-5.4...
Score (projected): 8 / 8 — strong GEO posture
→ ./fixed.json (validated)
auto-geo fix https://example.com/page --provider anthropic # 대신 Claude 사용 auto-geo fix https://example.com/page --dry-run # 감사 + 비용 추정만
docs/fix.md 참조.
auto-geo prompts — 추적된 프롬프트 관리
추적된 프롬프트는 AI 엔진이 여러분의 도메인을 인용하여 답변하길 원하는 질문입니다. 이들은 .auto-geo/prompts.txt (일반 텍스트, 커밋 가능)에 저장되며 check 이 기본적으로 실행하는 대상입니다.
auto-geo prompts add "최고의 미디어 모니터링 도구" "GEO란 무엇인가" auto-geo prompts # 번호 매겨진 목록 auto-geo prompts rm 2 # 인덱스로 — 또는 정확한 텍스트로
무엇을 추적해야 할지 모르시나요? 엔진이 프롬프트 세트를 제안하도록 하세요 — discover 이 홈페이지를 가져와 이미 추적 중인 항목을 확인하고, LLM이 여러분이 경쟁해야 할 높은 의도의 쿼리를 생성하도록 합니다:
auto-geo prompts discover --dry-run # 제안 미리보기 auto-geo prompts discover --count 15 # 15개 추가 (절대 덮어쓰거나 중복되지 않음)
prompts add (및 discover)은 처음 사용 시 워크스페이스를 부트스트랩하므로, 추적을 시작하기 위해 init 도 필요하지 않습니다.
auto-geo check — 실제 인용 범위 측정
각 프롬프트에 대해 실제 AI 검색 엔진에 질문하고 여러분의 도메인이 인용 목록에 있는지 보고합니다. 이것이 doctor 이 예측하는 실제 결과입니다.
auto-geo check # 추적된 프롬프트, 설정의 도메인
using 3 tracked prompts from .auto-geo/prompts.txt
[1/3] ✗ "what is GEO" — not cited (5 sources)
[2/3] ✓ "how do I get cited by ChatGPT" — cited (2 sources)
[3/3] ✓ "open source GEO tools" — cited (1 source)
Coverage: 2/3 queries (67%) · 3 page citations total · ~$0.012 spent
saved → .auto-geo/checks/2026-06-10T13-22-05--perplexity.json (auto-geo history)
엔진: perplexity (기본값), openai, anthropic, gemini, xai (별칭 grok), 또는 --engine all — API 키가 설정된 모든 엔진을 실행하고 엔진별 커버리지와 통합 롤업을 보고합니다.
추적된 세트 대신 명시적 쿼리
auto-geo check --domain shadow.inc --query "GEO란 무엇인가"
키가 있는 모든 엔진, 통합 커버리지
auto-geo check --engine all
CI: 중요한 쿼리가 여러분을 인용하지 않으면 배포 실패
auto-geo check --queries-file geo/critical-queries.txt && deploy
에이전트 / 대시보드용 스트리밍 JSON
auto-geo check --ndjson
모든 실행 결과는 자동으로 .auto-geo/checks/ 에 저장됩니다(--no-save 로 거부 가능). 커버리지가 0%보다 크면 종료 코드 0, 0%이면 1. 출력 형태, 팬아웃 쿼리 캡처, 도메인 일치 규칙, --format geo-audit 상호 운용 모드는 docs/check.md 을 참조하세요.
auto-geo history — 시간 경과에 따른 인용 범위
모든 실행 결과를 저장한 것에 대한 보상: 추세선. 실행별 커버리지와 엔진별 변화량, 그리고 여러분이 인용되기 시작했거나 중단된 정확한 프롬프트를 확인할 수 있습니다.
auto-geo history
2026-06-01 08:30 perplexity 33% · 1/3 cited $0.01
2026-06-08 09:15 perplexity 67% ↑34 2/3 cited $0.01
Since last run (perplexity · 2026-06-01 08:30 ▸ 2026-06-08 09:15)
✓ newly cited open source GEO tools
✗ lost (none)
2 runs · .auto-geo/checks
추세는 유사 항목을 비교합니다 — 각 실행은 _동일한 엔진 선택기_의 이전 실행과 비교하여 측정됩니다. --engine all 은 다중 엔진 실행으로 필터링하고, --limit N 는 깊이를 제어하며, --json 는 행 + 변화량을 기계 판독 가능하게 내보냅니다. docs/history.md 참조.
설정
auto-geo init 로 한 번 설정하고 어디서든 재정의하세요. 우선순위, 높은 순서대로:
- CLI 플래그
- 환경 변수 (설정된 API 키에 따라 제공자 자동 감지)
auto-geo.config.json(cwd에서 위로 탐색 — 모노레포 친화적)- 내장 기본값
// auto-geo.config.json — 커밋 가능, 비밀 정보 없음 { "domain": "https://www.example.com", "basePath": "/resources", "provider": "openai", "model": "gpt-5.4", "engine": "perplexity", "concurrency": 4, "author": { "name": "Jane Doe", "jobTitle": "콘텐츠 책임자", "bio": "Jane은 생성 엔진 최적화에 대해 글을 씁니다…", }, }
API 키는 .env.local (또는 .env)에 저장되며 모든 명령에서 자동 로드됩니다 — 이미 설정된 환경 변수가 항상 우선합니다:
| 엔진 / 제공자 | 환경 변수 |
|---|---|
| OpenAI (쓰기, 수정, 확인) | OPENAI_API_KEY |
| Anthropic (쓰기, 수정, 확인) | ANTHROPIC_API_KEY |
| Perplexity (확인) | PERPLEXITY_API_KEY |
| Gemini (확인) | GOOGLE_API_KEY 또는 GEMINI_API_KEY |
| xAI / Grok (확인) | XAI_API_KEY |
페이지 아키텍처
write 과 fix 가 생성하는 모든 것 — 그리고 doctor 이 감사하는 모든 것 — 은 엄격한 7블록 아키텍처를 따릅니다:
- TL;DR — 40~60단어 답변 캡슐
- 소개 — 컨텍스트 설정 블록
- 섹션 — 질문 형식의 H2, 각각 40~60단어 답변 캡슐로 시작
- 관련 가이드 — 4~8개 항목
- 핵심 요약 — 4~6개의 선언적 글머리 기호
- FAQ — 40
60단어 답변이 포함된 310개의 Q&A - 공개 — 출처 표기, 타임스탬프, 게시자 정보
구조적 위반은 하드 오류(생성된 페이로드가 거부되고 재생성됨)이며, 밀도 및 주기 휴리스틱은 소프트 경고입니다. 전체 사양:
docs/architecture.md,docs/validation.md, 그리고 모든 제약 조건의 배경이 되는 SOP:docs/sop.md.
출력 JSON은 렌더러에 구애받지 않습니다 — CMS에 POST하거나, 템플릿을 하이드레이트하거나, 자체 컴포넌트로 렌더링하세요. 구조 자체가 계약입니다.
에이전트 친화적 출력
모든 명령은 사람뿐만 아니라 에이전트가 구동할 수 있도록 설계되었습니다:
--json— stdout에 하나의 안정적이고 기계 판독 가능한 객체.--ndjson(check) — 결과가 스트리밍될 때 쿼리당 하나의 JSON 라인과_summary라인.- 진행 상황은 stderr로, 결과는 stdout으로 — 파이프가 깨끗하게 유지됩니다.
- 안정적인 종료 코드 —
doctor및check은 기본적으로 CI 게이트입니다. --no-color/NO_COLOR/ 로그 친화적 출력을 위한 비-TTY 감지.
auto-geo check --ndjson | jq 'select(.cited) | .query'
LLM 친화적
auto-geo는 LLM이 인용할 콘텐츠를 출력하는 도구입니다 — 따라서 이 저장소는 자체 도구를 직접 사용합니다:
llms.txt— llmstxt.org 규칙을 따르는 큐레이션된 색인.llms-full.txt— README + 모든 실질적 문서를 단일 파일로 인라인하여 한 번의 페치로 수집.- GitHub Pages 사이트 shadowresearch.github.io/auto-geo —
<link rel="alternate">을 통해 둘 다 광고하고, Article JSON-LD를 내보냅니다. AGENT.md— CLI를 구동하는 코딩 에이전트를 위한 간결한 운영 사양.
기여
CONTRIBUTING.md를 참조하세요. 버그 보고, 검사 개선, 새 엔진, 문서 개선 모두 환영합니다.
- 행동 강령
- 보안 정책
- 변경 로그
라이선스
MIT.
Shadow 소개
Shadow는 OpenAI, TikTok, Meta, Amazon, Lovable을 지도에 올린 팀들과 협력하여 차세대 AI 기반 미디어 인텔리전스 및 커뮤니케이션 기술을 구축하는 미디어 연구소입니다. Shadow는 미디어 연구, PR, 커뮤니케이션 팀을 위해 auto-geo를 일정에 따라 엔드투엔드로 실행합니다.
자세한 내용은 shadow.inc에서 확인하세요.