内容
# MCP GEO 服务器 (`mcp-geo-server`)
[](https://opensource.org/licenses/MIT)
[](https://www.python.org/)
[](https://modelcontextprotocol.io)
[](https://github.com/psf/black)
一款用于**生成引擎优化 (GEO)** 和 **RAG（检索增强生成）就绪性审计**的**模型上下文协议（MCP）服务器**。
由 **[塔奇·莫拉维](https://molavi.pro)** （莫拉维研发智库）作为 **莫拉维 GEO 金字塔** 框架的一部分开发。
---
## 📖 目录
- [什么是 GEO（生成引擎优化）？](#-什么是-geo生成引擎优化)
- [莫拉维 GEO 金字塔](#-莫拉维-geo金字塔)
- [核心功能和 MCP 工具](#-核心功能和-mcp-工具)
- [安装](#-安装)
- [MCP 客户端配置](#-mcp-客户端配置)
- [Claude 桌面版](#claude-桌面版)
- [Cursor IDE](#cursor-ide)
- [编程 Python 使用](#-编程-python-使用)
- [本地开发和测试](#-本地开发和测试)
- [贡献](#-贡献)
- [许可证](#-许可证)
---
## 💡 什么是 GEO（生成引擎优化）？
随着 AI 驱动的搜索引擎（例如 Perplexity、OpenAI SearchGPT、Gemini 和 Claude）继续用合成答案取代传统的搜索结果，标准的 SEO 策略正在变得过时。
网站现在必须针对**生成引擎**进行优化。这个过程被称为**生成引擎优化（GEO）**。
要在 RAG 管道中被 LLM 引用或排名，内容必须高度结构化、机器可读，并分解为自包含的语义块。`mcp-geo-server` 直接在您的 AI 代理工作流（例如 Cursor、Claude Desktop）中自动执行此审计过程。
---
## 📐 莫拉维 GEO 金字塔
该 MCP 服务器基于 **莫拉维 GEO 金字塔** 框架构建，这是一个 5 级的方法论，用于审计和优化数字资产以实现 LLM 可见性和代理可发现性：
```text
/\
/ \ 第 5 级：代理思维份额
/----\ （零提示 AI 代理发现和工具注册）
/ \
/--------\ 第 4 级：引用信任
/ \ （多源验证和领域引用权威）
/------------\
/ \ 第 3 级：RAG 检索和语义分块
/----------------\ （信息密集文本，20-100 字自包含单元）
/ \
/--------------------\ 第 2 级：实体权威和知识图谱
/ \ （JSON-LD 链接数据图谱：人员、组织、产品）
/------------------------\
/ \ 第 1 级：基础架构
/----------------------------\ （机器可读 /llms.txt，干净的 DOM，高信息比率）
```
1. **L1：基础架构** — 基础可访问性。确保正确的 `/llms.txt` 格式、有效的 JSON-LD 模式和干净的 DOM 结构，具有高文本与 HTML 比率。
2. **L2：实体权威** — 通过标准模式结构（例如 schema.org）清晰地表示品牌属性。
3. **L3：RAG 检索** — 格式化段落，以便于嵌入模型解析为不同的、自包含的块。
4. **L4：引用信任** — 从多模型合成运行中获取引用并维护信任指标。
5. **L5：代理思维份额** — 准备模式以无缝集成到零提示 AI 代理工具中。
有关完整的白皮书，请访问 **[molavi.pro/research/geo-pyramid](https://molavi.pro/research/geo-pyramid)**。
---
## 🛠️ 核心功能和 MCP 工具
该服务器向连接的 MCP 客户端公开三个主要工具：
### 1. `audit_geo_url`
对目标网页进行自动审计，以检查其 GEO 指标。
* **参数：**
* `url`（字符串，必填）：目标 URL。
* `html_content`（字符串，必填）：页面的原始 HTML 内容（为了避免 CORS/网络问题，客户端检索 HTML 并将其传递给工具）。
* **返回：**
* `dom_cleanliness_score`（0-10）：信息到 HTML 密度。
* `has_schema_markup` 和 `schemas`：解析的 JSON-LD 图谱的详细信息。
* `self_contained_chunks`：适合理想 RAG 块大小（20-100 字）的段落数。
* `heading_structure_sample`：提取的 H1-H6 大纲。
### 2. `calculate_mavi_score`
根据金字塔 5 个级别的分数计算 **Molavi AI 可见性指数（MAVI）**。
* **参数：**
* `l1_infrastructure`（数字，0-10）
* `l2_entity_authority`（数字，0-20）
* `l3_rag_retrieval`（数字，0-25）
* `l4_citation_trust`（数字，0-25）
* `l5_agentic_mindshare`（数字，0-20）
* **返回：**
* `mavi_score`（0-100 总分）
* `grade`（`A+`、`A`、`B` 或 `C`）
* 所有级别的 `breakdown`。
### 3. `generate_llms_txt_template`
根据现代规范规则生成 `/llms.txt` 的 Markdown 模板。
* **参数：**
* `domain`（字符串）：您的域名（例如 `molavi.pro`）。
* `title`（字符串）：品牌或项目名称。
* `description`（字符串）：简要描述。
* **返回：**
* 准备好在 `yourdomain.com/llms.txt` 处提供的完整 Markdown 字符串。
---
## 🚀 安装
您可以通过 `pip` 或使用更快、更现代的 Python 管理器 `uv` 来安装服务器。
### 使用 `pip`
```bash
pip install mcp-geo-server
```
### 使用 `uv`（推荐）
```bash
uv pip install mcp-geo-server
# 或在无需安装的情况下立即运行：
uvx mcp-geo-server
```
---
## ⚙️ MCP 客户端配置
### Claude 桌面版
将以下内容添加到您的 `claude_desktop_config.json`（通常位于 `~/Library/Application Support/Claude/claude_desktop_config.json`（macOS）或 `%APPDATA%\Claude\claude_desktop_config.json`（Windows））：
```json
{
"mcpServers": {
"geo-auditor": {
"command": "uv",
"args": [
"run",
"--package",
"mcp-geo-server",
"mcp-geo-server"
]
}
}
}
```
如果您更喜欢使用标准 Python：
```json
{
"mcpServers": {
"geo-auditor": {
"command": "python3",
"args": [
"-m",
"mcp_geo_server.server"
]
}
}
}
```
### Cursor IDE
1. 打开 Cursor 设置 -> **功能** -> **MCP**。
2. 点击 **+ 新增 MCP 服务器**。
3. 填写：
* **名称：** `GEO-Auditor`
* **类型：** `command`
* **命令：** `uv run --package mcp-geo-server mcp-geo-server`
---
## 🐍 编程 Python 使用
您也可以直接在自己的 Python 项目中使用 `GEOAuditor` 类：
```python
from mcp_geo_server.auditor import GEOAuditor
# 1. 审计 HTML 内容
html = "<html><body><h1>示例</h1><p>这是一个段落，包含足够的单词，代表一个自包含的 RAG 块以进行测试。</p></body></html>"
audit_results = GEOAuditor.analyze_html(html, "https://example.com")
print(audit_results["l1_infrastructure"]["dom_cleanliness_score"])
# 2. 计算 MAVI 分数
mavi = GEOAuditor.calculate_mavi(9.5, 18.0, 22.5, 19.0, 15.0)
print(f"品牌分数：{mavi['mavi_score']}（等级：{mavi['grade']})")
```
---
## 🧪 本地开发和测试
1. 克隆仓库：
```bash
git clone https://github.com/tmolavi/mcp-geo-server.git
cd mcp-geo-server
```
2. 使用 `uv` 创建环境并安装依赖项：
```bash
uv venv
source .venv/bin/activate
uv pip install -e ".[dev]"
```
3. 运行测试：
```bash
uv run pytest
```
---
## 🤝 贡献
欢迎贡献！请阅读我们的 [CONTRIBUTING.md](CONTRIBUTING.md) 和 [SECURITY.md](SECURITY.md) 指南。所有贡献都将在 **Taghi Molavi 反重力生态系统** 下获得认可。
---
## 📄 许可证
该仓库根据 MIT 许可证授权。有关详细信息，请参阅 [LICENSE](LICENSE) 文件。
由 **塔奇·莫拉维** 开发，网址：[molavi.pro](https://molavi.pro)
