Agent Accessibility Auditor

Servidor MCP Agent Accessibility Auditor

Servidor MCP para o ator Agent Accessibility Auditor da Mamba Labs no Apify.

Um agente de IA consegue ler este site? Dê a ele um domínio e ele retorna uma única linha plana com 42 campos cobrindo cinco famílias de fatos: a família llms.txt, política de crawlers de IA do robots.txt incluindo as novas diretivas de Content Signal, presença e saúde de dados estruturados, modo de renderização e descoberta de endpoints legíveis por máquina.

Instalação

npx -y @mambalabsdev/mcp-agent-accessibility-auditor

Claude Desktop

{
  "mcpServers": {
    "mamba-agent-accessibility-auditor": {
      "command": "npx",
      "args": ["-y", "@mambalabsdev/mcp-agent-accessibility-auditor"],
      "env": { "APIFY_TOKEN": "your-apify-token" }
    }
  }
}

Obtenha um token do Apify em console.apify.com/account/integrations.

Ferramenta

audit_agent_accessibility

Entrada de domínio, retorna se um agente de IA consegue ler aquele site.

Entrada	Tipo	Obrigatório	Observações
domain	string	sim	Um domínio de empresa, por exemplo vercel.com. Uma URL completa é aceita: o protocolo e o caminho são removidos. Um domínio por chamada.
checks	array	não	Execute apenas estas verificações: llms_txt, robots_ai, sitemap, openapi, security_txt, feeds, json_ld, microdata, open_graph, canonical, render_mode. Omita para executar todas. Uma verificação não executada reporta null, nunca false, e a pontuação é recalculada sobre o que você selecionou.
check_endpoints	boolean	não	Alias para o array de verificações: false remove sitemap, openapi, security_txt e feeds. Ignorado quando checks está definido. Padrão true.
check_structured_data	boolean	não	Alias para o array de verificações: false remove json_ld, microdata, open_graph e canonical. Ignorado quando checks está definido. Padrão true.
skipCache	enum	não	Deixe como false para usar o cache de 7 dias. Defina como true para reauditar o domínio do zero. Padrão false.

Lendo a saída

Cada campo é um fato lido de uma busca. Nenhum modelo é chamado em nenhum momento, então o mesmo domínio retorna a mesma linha hoje e no próximo mês, a menos que o site realmente mude.

has_llms_txt é verdadeiro apenas quando /llms.txt retorna 200 e o corpo é markdown real, e llms_txt_reject_reason explica por que um 200 não foi contabilizado. Doze requisições por domínio, robots.txt primeiro e depois a página inicial e dez sondas simultaneamente. O tempo real típico é de 2 a 4 segundos.

Feito para um engenheiro de SEO técnico ou de crescimento que prepara um site para crawlers de IA e tráfego de agentes, ou para uma agência que vende esse trabalho e precisa de uma auditoria de antes e depois em uma lista de clientes.

Cobrança

Você é cobrado por domínio analisado, mais uma pequena taxa de início de ator. Uma execução repetida dentro da janela de cache de 7 dias não custa nada novo.

Os preços estão na página do ator no Apify. Executar este servidor consome créditos do Apify.

O que este servidor faz e não faz

É um cliente leve para o ator do Apify. Ele passa sua entrada adiante e retorna a saída do ator inalterada. Todo comportamento descrito acima vive no ator, não aqui.

A ferramenta inicia a execução do ator e a consulta até um status concluído, então uma execução longa não é interrompida aos 300 segundos. A execução tem permissão de 1.800 segundos. Se ainda estiver em andamento dois minutos depois disso, a chamada para de esperar e retorna o ID da execução com um link para ela no Apify Console, onde os resultados chegam quando ela termina. Uma execução que não é bem-sucedida retorna como um erro com seu ID e status.

Erros são expostos, nunca engolidos. Uma entrada inválida, um token inválido, um saldo esgotado, um timeout ou uma execução que retorna qualquer coisa diferente de um dataset aparecem como um erro explícito da ferramenta, em vez de um resultado vazio.

Fonte

O ator está na Apify Store. Este wrapper é licenciado sob MIT.

Construído por Mamba Labs