mcpField
A
Agent Audit

Agent Audit

本地服务
github.com/fullstackdegenAI 与智能体418 周前更新

关于 Agent Audit

Agent Audit 是面向编码 Agent 的 MCP 服务,可将 Lighthouse 和有限页面检查结果整理为按优先级排列、带证据的修复包。它覆盖移动端与桌面端性能、无障碍、SEO 和 AI 可见性,并提供实施步骤及验证标准。

主要功能

  1. 01移动端和桌面端 Lighthouse 审计
  2. 02多次运行指标与波动范围
  3. 03技术 SEO 和页面检查
  4. 04按优先级排列的问题及证据
  5. 05附仓库搜索提示和标准的修复包
  6. 06结构化 JSON 与 Markdown 报告

适用场景

  1. 01为网站性能修复排定优先级
  2. 02查找无障碍问题及建议改动
  3. 03检查 SEO 和 AI 可见性信号
  4. 04根据审计标准验证编码 Agent 的修复

MCP 相关

向 MCP 客户端提供 analyze_website_performance 工具。结果包含 structuredContent 和对应的 Markdown 报告。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"fullstackdegen-agent-audit": {
"command": "npx",
"args": [
"-y",
"@fullstackdegen/agent-audit"
]
}
}
}
启动命令npx -y @fullstackdegen/agent-audit

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npm@fullstackdegen/agent-audit0.3.1

工具

1

收录的工具列表 · 更新于 2 周前

参数类型必填说明
urlstring是完整限定的公开 HTTP 或 HTTPS URL,例如 https://example.com。
modeenum否fast 会对每个配置运行一次;reliable 会对每个配置运行三次并报告中位数。fast | reliable

详细介绍

Agent Audit

基于 Lighthouse 的 MCP 服务,面向 AI 编码 Agent,提供 Core Web Vitals、技术 SEO、无障碍功能以及 GEO/LLM 可见性审计。

🔗 NPM 包

Agent Audit 将 Google Lighthouse 和有限的页面检查结果转化为结构化修复包,供编码 Agent 实际执行。它为 Claude Code、Codex、Cursor、GitHub Copilot 及其他 MCP 客户端提供按优先级排序、有证据支撑的待办清单,而非原始性能报告。

将 Lighthouse 审计转化为编码 Agent 修复包。

npx -y @fullstackdegen/agent-audit

npm GitHub release License: MIT

Agent Audit 将原始 Lighthouse 审计转化为适合 Agent 使用的待办清单

Agent Audit 的由来

Lighthouse 非常适合诊断问题,但原始报告不足以支持自主编码工作流。编码 Agent 仍需了解哪个问题最重要、它影响移动端、桌面端还是两者、哪些选择器或资源可作为证据、要搜索哪些文件、如何验证修复,以及何时可以安全地宣告完成。

Agent Audit 将 Lighthouse 输出转化为实施约定:

  1. 运行移动端和桌面端 Lighthouse 审计。
  2. 汇总多次运行结果并展示波动情况。
  3. 添加有限的同页情报,包括技术 SEO、链接、元数据、结构化数据、图片、资源、可索引性和 AI 发现信号。
  4. 将嘈杂的审计输出合并为简短且按优先级排序的问题列表。
  5. 生成 fixPacks,其中包含仓库搜索提示、实施步骤和可衡量的验收标准。
  6. 返回严格的 MCP structuredContent 以及对应的 Markdown。

目标很简单:为编码 Agent 提供一份可阅读、可推理、可修复、可测试和可验证的报告。

审计内容

以下场景适合使用 Agent Audit:

  • 基于 Lighthouse 的 MCP 服务
  • AI 网站审计工具
  • 编码 Agent Lighthouse 报告
  • Core Web Vitals 自动化
  • 面向 Claude Code、Codex、Cursor 或 Copilot 的性能审计
  • 面向 AI Agent 的技术 SEO 审计
  • 无障碍修复包
  • LLM 可见性审计
  • GEO 审计、生成式引擎优化、AI 搜索就绪度
  • llms.txt 就绪度和 AI 爬虫可见性

当前检查项包括:

  • 移动端和桌面端的 Lighthouse 性能、无障碍、最佳实践和 SEO 评分。
  • FCP、Speed Index、LCP、TBT 和 CLS 指标分布。
  • 快速和可靠的审计模式。
  • 设置有限抓取次数的同源页面检查。
  • 损坏的链接、缺少名称的链接、元数据、规范标签、robots 信号、JSON-LD、Open Graph、可索引性、图片、资源和 LLM 可见性检查。
  • 页面内容充足时,保守地生成 llms.txt 草案。
  • 附带证据、建议操作和验收标准的优先级问题列表。
  • 附带仓库搜索提示、实施步骤和验证指南的 Agent 修复包。
  • 对 structuredContent 实施严格的 MCP outputSchema 校验。
  • 根据同一份规范报告生成 Markdown。

查看真实的 CommaLabs JSON 报告和 Markdown 报告。

安装

要求:

  • Node.js 20 或更高版本。
  • Google Chrome 或 Chromium。

运行 MCP 服务:

npx -y @fullstackdegen/agent-audit

实用链接:

MCP 客户端设置

Claude Desktop

添加本地 MCP 服务:

{
  "mcpServers": {
    "agent-audit": {
      "command": "npx",
      "args": ["-y", "@fullstackdegen/agent-audit"]
    }
  }
}

保存配置后,重启 Claude Desktop。

Claude Code
claude mcp add agent-audit -- npx -y @fullstackdegen/agent-audit

用于本地开发审计:

claude mcp add agent-audit-local -- npx -y @fullstackdegen/agent-audit --local
Codex
codex mcp add agent-audit -- npx -y @fullstackdegen/agent-audit

或者将其添加到 ~/.codex/config.toml:

[mcp_servers.agent-audit]
command = "npx"
args = ["-y", "@fullstackdegen/agent-audit"]
VS Code 和 GitHub Copilot

创建工作区级或用户级 .mcp.json 文件:

{
  "servers": {
    "agent-audit": {
      "command": "npx",
      "args": ["-y", "@fullstackdegen/agent-audit"]
    }
  }
}

或者从终端注册:

code --add-mcp '{"name":"agent-audit","command":"npx","args":["-y","@fullstackdegen/agent-audit"]}'
Cursor

配置本地 stdio MCP 服务:

  • 名称:agent-audit
  • 命令:npx
  • 参数:-y、@fullstackdegen/agent-audit

需要审计 localhost 时,将 --local 添加到参数中。

工具

analyze_website_performance

对目标 URL 运行 Lighthouse 和网站智能分析:

{
  "url": "https://example.com",
  "mode": "reliable"
}

mode 是可选项:

  • fast:运行一次移动端测试和一次桌面端测试。
  • reliable:每种配置运行三次,计算中位数和波动范围。此项为 默认值。

修复包示例

{
  "id": "fix-link-name",
  "priority": 2,
  "sourceIssueIds": ["link-name"],
  "goal": "Fix Links do not have a discernible name.",
  "category": "accessibility",
  "severity": "critical",
  "affectedProfiles": ["mobile", "desktop"],
  "repoSearchHints": [
    "div.border-t-2 > div.flex > div.flex > a.text-gray-600",
    "https://www.linkedin.com/company/commalabs"
  ],
  "implementationSteps": [
    "Inspect the repository for the evidence listed in repoSearchHints before editing.",
    "Give every link a discernible accessible name.",
    "Keep changes focused on source issue IDs: link-name."
  ],
  "acceptanceCriteria": [
    "All link elements pass the Lighthouse link-name audit.",
    "Raise the median accessibility score to at least 90/100."
  ],
  "verification": {
    "rerunMode": "reliable",
    "expectedAuditIds": ["link-name"]
  }
}

repoSearchHints 是搜索线索,并非保证准确的文件路径。编码 Agent 必须先检查代码仓库,再进行编辑。

编码 Agent 工作流

将 structuredContent 作为事实依据,并将 Markdown 报告作为执行摘要。

  1. 按优先级检查 fixPacks。
  2. 使用 repoSearchHints 搜索代码仓库。
  3. 将证据对应到实际的文件、组件、路由、资源或配置。
  4. 每次只应用一个有针对性的修复。
  5. 每完成一个逻辑变更后,运行代码仓库的测试。
  6. 以 reliable 模式重新运行 Agent Audit。
  7. 将新报告与各修复包的 acceptanceCriteria 进行比较。

如果报告不完整,或重新运行时的波动明显高于基准值,请勿声称任务已完成。

面向 Agent 的文档:

Localhost 审计

默认情况下,Agent Audit 只接受可公开路由的 HTTP 和 HTTPS URL。对于托管 Agent 和共享环境,这是合理的默认设置。

对于开发人员的机器,可显式启用环回目标:

npx -y @fullstackdegen/agent-audit --local

然后通过 MCP 客户端审计本地应用:

{
  "url": "http://localhost:3000",
  "mode": "fast"
}

启用后可使用 localhost、*.localhost、127.0.0.0/8 和 ::1。 私有 LAN 范围、链路本地地址、保留地址范围、多播地址和云元数据地址仍会被屏蔽。

也支持使用环境变量:

LIGHTHOUSE_MCP_ALLOW_LOCALHOST=true npx -y @fullstackdegen/agent-audit

安全模型

Agent Audit 会使用用户提供的 URL 启动 Chrome,因此 URL 策略十分重要。 服务会拒绝:

  • HTTP 和 HTTPS 以外的协议;
  • 嵌入式凭据;
  • 未显式启用时的 localhost 和环回目标;
  • 私有、链路本地、多播、保留和元数据网络 IP;
  • 解析到任何非公开地址的非 localhost 主机名。

页面检查抓取器使用相同的 URL 策略,并应用超时、字节大小和资源数量上限。

页面控制的标题、描述、URL、选择器、片段和审计文本都经过清理并限制长度。使用方仍必须将它们视为不可信证据,而非 Agent 指令。

默认启用 Chrome 沙箱。只有无法支持沙箱的隔离环境才应设置:

LIGHTHOUSE_CHROME_NO_SANDBOX=true

有关漏洞报告和部署指南,请参阅 SECURITY.md。

限制

Agent Audit 有意设置了明确限制:

  • 每次仅审计一个指定的 URL。
  • 它不是全站爬虫。
  • 它不是外部 SEO 数据库。
  • 它不会修改 Shopify、CMS、CDN、DNS、托管服务、重定向或分析设置。
  • 它不会压缩图像、缩小资源、提交 IndexNow 请求或调用第三方 SEO API。
  • Lighthouse 结果会因浏览器版本、硬件、网络状况和页面变更而异。

路线图

  • 面向框架的代码库搜索提示。
  • 可选的 GitHub Action,用于拉取请求性能门槛。
  • 批量 URL 报告。
  • HTML 报告导出。
  • 更深入的营销和发现信号:分析标签、同意信号、Open Graph、schema 覆盖情况以及 AI 发现就绪度。
  • SEO、GEO 和可见性数据集的可选第三方集成。

开发

npm install
npm test
npm run check
npm run build
npm run validate:release

运行真实 Chrome 冒烟审计:

npm run --silent smoke -- https://example.com fast
npm run --silent smoke -- https://example.com reliable

冒烟命令会将规范 JSON 写入标准输出,并将等效的 Markdown 写入标准错误。

发布

发布之前:

npm test
npm run check
npm run build
npm run validate:release
npm pack --dry-run --cache /private/tmp/agent-audit-npm-cache

发布:

npm publish --access public --cache /private/tmp/agent-audit-npm-cache

已发布的软件包:

npx -y @fullstackdegen/agent-audit --help

贡献

欢迎提交聚焦明确的问题和拉取请求。更改报告约定、安全策略或 MCP 传输行为之前,请阅读 CONTRIBUTING.md。

许可证

MIT

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。