Citation Intelligence Mcp

引用情报 MCP

一款免费、可自托管的 MCP 服务，可告知你的 Agent 在 Perplexity、Google AI Overviews、ChatGPT、Claude、Gemini 和 Bing 上引用了哪些内容。

这是什么

一款面向 Agent 和开发者的 MCP 服务，可查询 AI 搜索引擎针对任意查询引用了哪些 URL。只需安装一次，即可通过任何兼容 MCP 的客户端（Claude Desktop、Cursor、Claude Code、Continue、Cline、n8n、LangGraph）查询。可自托管，无需账户，也没有集中式后端。使用你自己的 API 密钥；数据不会存储在远程服务上。

适用人群

如果你符合以下情况，请安装：

• 正在构建用于研究的 Agent，并希望它引用大模型已经信任的来源
• 独立开发者或个人创业者，想检查自己的 SaaS 是否出现在 AI 搜索结果中
• 内容创作者，想确认自己的文章是否被 ChatGPT、Claude 或 Perplexity 引用
• SEO 或 GEO 从业者，希望以编程方式获取引用数据，而不想使用每月 295–499 美元的仪表盘
• 正在运行编辑工作流，并希望根据引用缺口选择主题
• 想比较竞争对手在各 AI 引擎中的可见度，涵盖任意细分领域

如果你希望获得以下功能，请勿安装：

• 精美的营销仪表盘，包含图表和团队席位——可以试试 Profound、AthenaHQ 或 Otterly.AI
• 带 SLA 的托管服务——本项目有意设计为可自托管
• 学术论文引用追踪——可以试试 citecheck
• 3.5 亿多个预建模提示词——这属于 Ahrefs Brand Radar

为什么要做这个项目

AI 引用追踪市场由获得风险投资的仪表盘主导，起价为每月 295 美元。没有一款产品以 MCP 为先。如果你是想将引用数据直接接入工作流（而不是 SaaS 登录界面）的 Agent 或开发者，就没有适合你的工具。这就是这款工具的用武之地。

---

工具

工具分为七个命名空间：citations_*、domain_*、signals_*、panel_*、report_*、competitors_*、audit_*。前缀表示问题类别，后缀表示操作。工具名称使用下划线（而非点号），这样基于 Anthropic API 的 MCP 客户端（Claude Desktop、Claude Code）就能转发工具列表，而不会触发 HTTP 400 错误。

建议从 citations_provenance 或 domain_am_i_cited 开始。 单引擎结果（将引擎固定为某一个时使用 citations_check）只能作为参考；多引擎共识才是可靠信号。某个 URL 被 5 个引擎中的 4 个引用，与只被 1 个引擎引用，代表的情况截然不同。

citations_* — 查询级别：谁引用了什么，有哪些证据

工具	用途
citations_provenance	推荐的首选工具。 将查询发送至多个引擎；生成逐 URL 的跨引擎共识矩阵。为每个引擎返回 interpretation_note。
citations_check	查询在 Perplexity / Claude / ChatGPT / Gemini / Google AI Mode 中引用的 URL；或通过 bing_serp / brave_serp 获取网页排名
citations_evidence	从每条引用的 raw_answer 中提取被引用的片段（了解原因，而不只是是否引用）
citations_predict	根据公开信号预测引用可能性——不会调用大模型
citations_trend	引用率时间序列报告，以及逐查询的新增／丢失差异
citations_freshness	引擎引用页面的新近度评分（半衰期 = 365 天）

domain_* — 域名级：我是否被引用，以及因何被引用

工具	用途
domain_am_i_cited	域名引用检查。使用 engine=auto（默认值）时，会查询所有可用的大模型引擎，并返回各引擎的细分结果和跨引擎共识。指定 engine= 可降低成本。
domain_cited_for	从本地缓存查询该域名因哪些内容被引用
domain_cited_for_diff	对比某个域名在两个时间段内 domain_cited_for 的差异

signals_* — 外部信号：AI Overview、Wikipedia、GSC、答案框位置

工具	用途
signals_ai_overview	Google AI Overview 的展示情况和引用来源
signals_wikipedia	列出引用某个域名的 Wikipedia 文章（无需密钥）
signals_gsc_gap	将 Google Search Console 的效果数据与 AI 引用状态关联起来
signals_answer_box	将 raw_answer 中每条引用首次出现的位置划分为前、中、后三段

panel_* — 已保存的查询面板（编辑监测列表）

工具	用途
panel_track	保存、加载或列出命名查询面板（编辑监测列表）
panel_run	通过 domain_am_i_cited 运行面板，并将快照保存到磁盘

report_* — 一站式报告产物

工具	用途
report_visibility	针对一组查询（或面板）生成一站式 AI 可见度报告：引用率（提及频率）、相较竞争对手的声量份额、平均排名和品牌情感。返回结构化数据，以及可用于公开页面的 Markdown 产物。

competitors_* — 按查询分析竞争格局

工具	用途
competitors_canonical_set	汇总各引擎结果，列出每个查询中被引用最多的域名
competitors_compete	端到端竞争快照：对比你的 URL 与被引用最多的竞争对手
competitors_compare	并排比较 2-10 个 URL 的 citations_predict 结果

audit_* — 可修复的页面内／网站内检查

工具	用途
audit_schema	深入验证 schema.org：检查每种 @type 的必填字段和格式错误的 JSON-LD
audit_structured_data	面向修复的 schema.org 诊断，并提供建议补丁
audit_crawler_access	验证 GPTBot / ClaudeBot / PerplexityBot / CCBot / Google-Extended 等能否抓取某个 URL
audit_sitemap	对站点地图中的每个 URL 批量运行 citations_predict，并按表现从差到好排序
audit_sitemap_map	将站点地图 URL 与缓存的引用交叉比对（与 audit_sitemap 的方向相反）
audit_llms_txt	根据站点地图生成 llms.txt（https://llmstxt.org）

提示词

客户端可向最终用户提供的服务端提示词模板（通过 MCP 提示词列表调用）：

• audit_citation_readiness(url) - 串联 citations_predict 和 audit_schema
• audit_competitor_snapshot(query, your_url?) - 串联 competitors_canonical_set 和 competitors_compete
• audit_crawler_checkup(url) - 运行 audit_crawler_access 并生成修复清单
• audit_gap_analysis(domain, days?) - 调用 signals_gsc_gap 并提出后续行动建议
• audit_sitemap_coverage(sitemap_url) - 运行 audit_sitemap_map 并推荐优先事项

资源

客户端可读取或订阅的缓存视图（无需调用工具）：

• citation://cache/summary - 按类型／引擎统计条目数、唯一查询／URL 数量，以及最早／最新记录
• citation://panels - 已保存的面板及各面板的快照数量
• citation://docs/llms-txt - llms.txt 入门介绍（Markdown）
• citation://docs/ai-crawlers - AI 爬虫速查表（Markdown）
• citation://domain/{domain}/cited-for - 动态模板：{domain} 的引用记录

这项指标实际测量的内容

每个响应都包含一个 surface 字段，准确说明数据的采集方式。在得出结论前，了解这一点很重要。

Surface	Engines	含义
consumer_scrape	perplexity, google_ai_mode	通过面向消费者的真实 AI 搜索产品代理获取。最接近用户看到的结果。
api_proxy	claude, openai, gemini	调用支持搜索的大模型 API。结果可能与面向消费者的产品行为不同——模型版本不同、没有 UI 层级的排名逻辑，也没有个性化。可用作趋势参考，而非事实依据。
web_rank	bing_serp, brave_serp	传统网页搜索排名（不是大模型引用）。测量 URL 是否出现在 SERP 结果中，而不是大模型是否引用了它。
static_signal	citations_predict, signals_wikipedia	根据公开数据离线计算的信号。不进行实时大模型查询。

各引擎说明

perplexity（consumer_scrape） — 通过 Perplexity API 使用 Sonar Pro 和与消费者版本相当的系统提示词。结果与 Perplexity.ai 比较接近。引用来自响应中的 search_results；citations 备用字段仅包含 URL，不含标题。

claude（api_proxy） — 通过 Anthropic Messages API 使用 Claude Sonnet，并启用 web_search 工具。面向消费者的 Claude.ai 产品使用不同的路由和排名逻辑。引用行为可能有所不同，尤其是在近期或时效性查询中。

openai（api_proxy） — 通过 OpenAI Responses API 使用 gpt-4o 和 web_search_preview 工具。它取代了 OpenAI 已停用的 gpt-4o-search-preview 别名；受支持的方式是使用基础版 gpt-4o 搭配该工具。

gemini（api_proxy） — 通过 Generative Language API 使用 Gemini 2.5 Pro，并以 google_search 进行 grounding。面向消费者的 Gemini 使用相同的 grounding 索引，但重新排序方式不同。结果仅供趋势参考。

google_ai_mode（consumer_scrape） — 通过 SerpAPI 获取 Google AI Mode 结果。最接近用户在 Google 搜索中看到的结果。需要 SERPAPI_KEY。

bing_serp / brave_serp（web_rank） — 传统 SERP 排名。不测量大模型引用。使用这些引擎运行 citations_check，可将自然网页排名与大模型引用排名进行比较。domain_am_i_cited 不接受这些引擎——它只测量大模型的行为。

api_proxy 引擎采用代理方式是其特性，而非缺陷：这样你就能运行引用检查，而无需消耗昂贵的面向消费者产品配额。但请勿将 API 代理数据称为“ChatGPT 引用了你”，除非同时说明这一限制。

每个工具响应都包含一个 interpretation_note 字段，用一句话概述结果的保真度。各引擎的完整保真度评级请参阅：docs/surface-fidelity.md。

---

快速开始

npx -y @automatelab/citation-intelligence

需要 Node 20 或更高版本。

Claude Desktop

将以下内容添加到 %APPDATA%\Claude\claude_desktop_config.json（Windows）或 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）：

{
  "mcpServers": {
    "citation-intelligence": {
      "command": "npx",
      "args": ["-y", "@automatelab/citation-intelligence"],
      "env": {
        "PERPLEXITY_API_KEY": "pplx-...",
        "SERPAPI_KEY": "...",
        "ANTHROPIC_API_KEY": "sk-ant-...",
        "OPENAI_API_KEY": "sk-...",
        "GEMINI_API_KEY": "..."
      }
    }
  }
}

只设置你拥有的密钥即可。任何支持 stdio 传输的 MCP 客户端都可以使用——采用相同的 command / args 模式。

如何保持免费

• 没有中央后端。 服务在你的计算机上运行，不会上传任何内容。
• 优先使用免费套餐。 SerpAPI 每月提供 100 次免费的 Google AI Overview 查询。Bing Web Search 提供免费套餐。Perplexity 注册后提供免费的 Sonar 访问权限。
• 需要使用高级引擎（Claude、ChatGPT、Gemini）时，自备付费密钥。 密钥会直接传给服务提供商，不会经过任何第三方。
• 本地缓存位于 ~/.config/citation-intelligence/cache.json。重复查询会命中缓存，而非调用 API。默认 TTL：7 天。
• citations_predict 无需任何密钥即可运行——它根据公开信号（Wikipedia、schema.org、llms.txt、GitHub）评估被引用的可能性，不会调用任何大模型。

隐私

• 所有 API 调用都会从你的计算机直接发送到服务商（Anthropic、OpenAI、Google、Perplexity、Bing、SerpAPI）。
• 默认不使用代理，不做分析，也不收集遥测数据。
• API 密钥从 MCP 进程的环境变量中读取，绝不会记录或持久化。
• 缓存文件位于 ~/.config/citation-intelligence/cache.json。你可以随时删除它。

环境变量

变量	用途	是否有免费额度？
PERPLEXITY_API_KEY	citations_check（perplexity — consumer_scrape）	是
SERPAPI_KEY	signals_ai_overview + citations_check（google_ai_mode — consumer_scrape）	每月免费 100 次
ANTHROPIC_API_KEY	citations_check（claude — api_proxy）	仅付费
OPENAI_API_KEY	citations_check（openai — api_proxy）	仅付费
GEMINI_API_KEY	citations_check（gemini — api_proxy）	是
BING_API_KEY	citations_check（bing_serp — web_rank）	是
BRAVE_API_KEY	citations_check（brave_serp — web_rank）	是（每月 2000 次）
CITATION_CACHE_TTL_DAYS	citations_check 条目的缓存 TTL（默认值为 7）	不适用
CITATION_AI_OVERVIEW_TTL_DAYS	signals_ai_overview 条目的缓存 TTL（默认值为 1）	不适用
CITATION_CONFIG_DIR	覆盖配置目录（默认值为 ~/.config/citation-intelligence）	不适用

示例：我被引用了吗？

You: For the queries "best AI citation tracker", "MCP for AI search", "self-hosted GEO tool",
     is automatelab.tech cited?

(agent invokes `domain_am_i_cited`)

Result:
{
  "domain": "automatelab.tech",
  "engine": "perplexity",
  "results": [
    { "query": "best AI citation tracker",   "cited": true,  "rank": 4 },
    { "query": "MCP for AI search",          "cited": true,  "rank": 1 },
    { "query": "self-hosted GEO tool",       "cited": false, "matching_urls": [] }
  ],
  "summary": {
    "queries_total": 3,
    "queries_cited": 2,
    "citation_rate": 0.67,
    "average_rank": 2.5
  }
}

示例：预测被引用的可能性（无需密钥）

You: How likely is https://example.com/blog/post to be cited by AI?

(agent invokes `citations_predict`)

Result:
{
  "url": "https://example.com/blog/post",
  "score": 62,
  "grade": "C",
  "signals": {
    "wikipedia_linked": false,
    "github_referenced": false,
    "reddit_referenced": true,
    "llms_txt_present": true,
    "https": true,
    "has_article_schema": true,
    "has_faq_schema": false,
    "has_breadcrumb_schema": true,
    "canonical_clean": true,
    "word_count": 1850,
    "reading_time_minutes": 8,
    "h2_count": 7,
    "h2_question_count": 1,
    "authority_link_count": 2,
    "external_link_count": 6,
    "internal_link_count": 11,
    "last_modified_days_ago": 42,
    "has_open_graph": true
  },
  "fixes": [
    { "signal": "has_faq_schema", "suggestion": "Page already has question-style H2s. Wrap them in FAQPage JSON-LD - high-leverage win.", "estimated_lift": "high" },
    { "signal": "h2_question_count", "suggestion": "Reframe at least 2 H2s as questions users actually ask...", "estimated_lift": "medium" }
  ]
}

维基百科信号会被纳入测量（它与引用相关），但不会给出“去创建一篇维基百科条目”的建议——这种建议不可执行。评分分为六个类别：域名权威性、结构化数据、内容深度、链接图谱、内容新鲜度和元数据，因此，同一域名下的浅薄页面和深度页面会得到有明显差异的分数。

---

工作流示例

将 26 个工具组合起来解决实际问题的具体模式。成本按每次查询约 0.01–0.03 美元估算，适用于 ChatGPT 或 Perplexity。

1. 每周引用跟踪

这是投资回报率最高的模式。选取编辑待办列表中的 20–30 个查询，每周快照一次，并关注引用率趋势。

# One-time setup
panel_track name="editorial-watchlist" domain="example.com" action="save"
            queries=["best widget tutorial", "how to set up X", ...]

# Weekly cron (5 min, ~$0.20-0.60 per run)
panel_run name="editorial-watchlist"

# Anytime
citations_trend panel="editorial-watchlist"

citations_trend 会返回每个查询的变化：自首次快照以来，哪些查询从 cited: false 变成了 cited: true。这才是真正衡量编辑影响力的指标。

2. 发布前检查

发布文章之前，先了解谁占据了引用位置，以及争取这个位置是否值得。

# 1. Is there an AI Overview to compete for?
signals_ai_overview query="<target query>"

# 2. Who is cited today?
citations_check query="<target query>"

# 3. After publish + 14 days: did the post break in?
domain_am_i_cited domain="example.com" queries=["<target query>"]

如果 citations_check 返回低搜索量查询中有 5 个或更多强势的现有引用者，就换个角度。如果 ai_overview_present: false，说明该查询没有 AI 展示位——请重新考虑。

3. 批量网站审计

一次性发现整个网站各页面的结构性问题。无需 API 支出。

audit_sitemap sitemap_url="https://example.com/sitemap.xml" limit=200

按引用可能性分数从低到高返回 worst_first。可发现缺少 schema、规范网址冲突、缺少 /llms.txt 以及 HTTPS 故障等问题。

4. 竞争对手信号差距

你没有被引用，他们却有。为什么？

# 1. Find the top-cited URLs for your target query
citations_check query="<query>"

# 2. Compare your URL to theirs signal-by-signal
competitors_compare urls=[
  "https://example.com/your-post",
  "https://competitor-1.com/their-post",
  "https://competitor-2.com/their-post"
]

diverging_signals 列出了你落后的方面。通常一看就明白——他们有 FAQ schema、GitHub 引用和维基百科链接，而你没有。

5. Google 排名与 AI 引用的差距

最容易取得的编辑成果，来自你已排在 Google 搜索结果前 10 位、但 AI 却看不到你的查询。需要拥有 webmasters.readonly 权限范围的 GCP 服务账号。

signals_gsc_gap
  domain="example.com"
  queries=["...editorial watchlist..."]
  start_date="2026-04-01"
  end_date="2026-05-01"

closest_wins 会返回 position <= 10 且 ai_cited: false 的查询，并按展示次数降序排列。优先为这些特定 URL 增加引用信号。

6. 维基百科提及监控

维基百科是相关性最高的信号，但“登上维基百科”的建议毫无用处。因此，改为监控自然出现的维基百科提及。

signals_wikipedia domain="example.com" limit=50

返回已链接到该域名的维基百科条目 URL。每季度重新运行一次；差异结果就是“我们获得了维基百科引用”的提醒。

Schema.org

{
  "@context": "https://schema.org",
  "@type": "SoftwareApplication",
  "name": "Citation Intelligence MCP",
  "applicationCategory": "DeveloperApplication",
  "operatingSystem": "Cross-platform",
  "description": "Self-hosted MCP server for querying AI citation data from Perplexity, Claude, ChatGPT, Gemini, Bing, and Google AI Overviews.",
  "offers": { "@type": "Offer", "price": "0" },
  "url": "https://github.com/AutomateLab-tech/citation-intelligence"
}

贡献

欢迎提交 Bug 报告、功能想法和 PR。请参阅 CONTRIBUTING.md。

安全

请通过 SECURITY.md 报告漏洞。

许可证

MIT 许可证，详见 LICENSE。

由 automatelab.tech 构建

维护与验证

有关解读限制、适用情况下的当前工具名称以及可复现的验证，请参阅维护指南。