mcpField
L
LLM Optimizer

LLM Optimizer

远程服务
github.com/jonradoff商业与营销102 周前更新
代码仓库

关于 LLM Optimizer

LLM Optimizer 分析 AI 助手和搜索引擎如何呈现及引用品牌,并提供可见度评分和优先行动建议。其 MCP 服务允许助手访问账户数据并更新待办状态。

主要功能

  1. 01AI 可见度评分
  2. 02网站内容优化分析
  3. 03视频与 Reddit 权威度分析
  4. 04搜索可见度分析
  5. 05跨提供商品牌测试
  6. 06优先行动项

适用场景

  1. 01评估品牌在 AI 答案中的可见度
  2. 02找出提升引用率的网站内容调整方向
  3. 03比较不同 LLM 提供商对品牌的回答
  4. 04跟踪优化行动

MCP 相关

Streamable HTTP MCP 服务使用 OAuth 2.1,提供已存储的域名、报告、可见度评分和行动项。大多数工具为只读,另有工具可更新待办状态。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://llmopt.metavert.io/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

LLM Optimizer

Go codecov Go Report Card License: MIT

LLM Optimizer 是一个 AI 可见度智能平台。它会分析大模型和 AI 搜索引擎如何认知、引用和推荐品牌,并提供有研究依据的优化策略来提升品牌可见度。

ChatGPT、Claude、Gemini、Perplexity 和 Google AI Overviews 正在取代传统搜索,服务数百万用户。决定 AI 是否推荐你品牌的信号与传统 SEO 有本质区别:赢得的媒体报道、转录文本质量、内容结构、训练数据中的出现频率和引用网络动态,比反向链接和关键词密度更重要。LLM Optimizer 会从五个分析维度衡量这些信号,并生成综合 AI 可见度评分(0-100)以及按优先级排列、可执行的建议。

分析内容

LLM Optimizer 执行六类分析,每一类都以同行评审研究为依据:

答案引擎优化 — 根据 GEO(生成式引擎优化)研究验证的优化策略,分析你网站的内容。它会对页面的引述密度(可见度提升 41%)、统计证据(33%)、来源引用(28%)、流畅度、结构优化和机器可读性进行评分,并针对每个问题生成优化评分和具体的改写建议。

视频权威度分析 — 分两个阶段分析 YouTube 内容。第一阶段使用快速模型评估单个视频的转录文本质量、关键词匹配度和字幕可用性。第二阶段将精简评估结果输入推理模型,从四个支柱进行评分:转录权威度、主题主导地位、引用网络和品牌叙事。此分析基于相关研究:YouTube 已成为 LLM 的首要社交引用来源,出现在 16% 的 AI 答案中。

Reddit 权威度分析 — 抓取提及你品牌的 Reddit 讨论,并分析社区情绪、竞争定位和训练数据信号强度。通过 Reddit 的公开 .json 端点访问,并在需要时回退到 Cloudflare WARP 代理。按四个支柱评分:品牌曝光、情绪、竞争定位和训练信号。

搜索可见度分析 — 评估你的网站在 Google AI Overviews 和独立 LLM 中的可见度。检查 robots.txt 中的 AI 爬虫策略、结构化数据、内容时效性、品牌搜索热度和赢得的媒体信号。此分析基于相关研究:Google 搜索排名前 10 的结果与 ChatGPT/Perplexity 引用之间的重合率仅为 12%。

LLM 知识测试 — 使用你品牌的目标查询直接询问多个 LLM 提供商(Anthropic、OpenAI、Gemini、Grok),并分析各模型的回答。比较各提供商对你品牌的曝光度、准确性和推荐可能性。支持竞争对手之间的直接比较。

品牌智能 — 汇总所有分析维度,按优化(30%)、视频权威度(20%)、Reddit 权威度(20%)、搜索可见度(15%)和 LLM 测试(15%)的权重计算综合 AI 可见度评分。生成按优先级排列的行动项,并持续跟踪直至完成。

研究基础

分析方法以已发表的研究为基础。为评分提供依据的主要发现:

  • 内容优化:加入权威引述可使 AI 引用可见度提升 +41%;加入统计数据可提升 +33%;堆砌关键词会降低可见度 -9%(GEO,普林斯顿大学/KDD 2024)。
  • 训练数据出现频率:在训练数据中,答案准确率从低频(1-5 篇文档)提升到高频(51 篇以上文档)时,增幅超过一倍。内容既出现在训练数据中,又可被检索到,会产生叠加优势(NanoKnow,2026)。
  • 来源偏好:AI 搜索引擎引用自有媒体的比例为 72-92%,而引用品牌自有内容的比例为 18-27%。与传统 Google 搜索结果的重合率仅为 15-50%(GEO,多伦多大学 2025)。
  • 视频转录文本:使用 YouTube 转录文本训练的 7B 参数模型,在评论质量上超过了 72B 模型。转录文本质量是影响视频对大模型影响力的主导信号,而非制作水平或观看次数(LiveCC,CVPR 2025)。
  • 引用集中度:根据服务提供商的不同,排名前 20 的新闻来源占全部 AI 引用的 28-67%。不同 AI 服务提供商引用的来源差异显著(跨系列相似度:0.11-0.58)(AI Search Arena,2025)。
  • 内容新鲜度:AI 助手引用的内容比传统搜索内容新 25.7%。新鲜度信号最多可使排名变动 95 位(Ahrefs,2025)。

如需查看包含方法细节、评分框架和提示词架构的完整研究综述,请参阅 research.md。

架构

┌─────────────────────────────────────────────────────────┐
│                     Caddy (port 8080)                   │
│                   TLS + reverse proxy                   │
└──────────┬────────────────────────────┬─────────────────┘
           │                            │
    /api/auth, /api/users,       Everything else
    /api/tenants, /api/billing,
    /api/admin, /api/bootstrap
           │                            │
           ▼                            ▼
┌─────────────────────┐    ┌──────────────────────────────┐
│  LastSaaS Backend   │    │   LLM Optimizer Backend      │
│    (port 8091)      │    │       (port 8090)            │
│                     │    │                              │
│  - Authentication   │    │  - Site analysis engine      │
│  - OAuth / SSO      │    │  - Video analysis (2-phase)  │
│  - Billing (Stripe) │    │  - Reddit analysis           │
│  - Tenant management│    │  - Search visibility         │
│  - API key mgmt     │    │  - LLM knowledge testing     │
│  - User management  │    │  - Brand intelligence        │
│                     │    │  - MCP server (OAuth 2.1)    │
│                     │    │  - REST API (v1)             │
│                     │    │  - PDF report generation     │
│                     │    │  - Health monitoring          │
│                     │    │  - Cloudflare WARP proxy     │
└─────────────────────┘    └──────────────────────────────┘
           │                            │
           └────────────┬───────────────┘
                        ▼
              ┌───────────────────┐
              │   MongoDB Atlas   │
              │                   │
              │  - analyses       │
              │  - brand_profiles │
              │  - video_analyses │
              │  - reddit_cache   │
              │  - health_checks  │
              │  - tenants / users│
              └───────────────────┘

后端 — Go 1.24,使用标准库 net/http,并采用 gorilla/mux 风格的路由。不使用 Web 框架。LLM 提供商抽象支持 Anthropic、OpenAI、Gemini 和 Grok,并通过 SSE 流式传输响应。每个提供商都实现了 Call、Stream、VerifyKey 和 BuildStreamBody 通用接口。

前端 — React 19 + TypeScript + Vite + Tailwind CSS。单页应用使用 SSE 实时流式传输分析进度。SaaS 部署采用前端叠加系统,在基础 LastSaaS 前端上扩展产品专属页面。

多租户 SaaS — 基于 LastSaaS 构建,这是一个开源 SaaS 框架,提供身份验证、计费(Stripe)、租户隔离和用户管理。LLM Optimizer 作为依赖应用运行——LastSaaS 负责身份验证和计费层,LLM Optimizer 负责产品层。

MCP 服务 — Model Context Protocol 服务使用支持 OAuth 2.1(PKCE + Dynamic Client Registration)的 Streamable HTTP 传输方式。Claude 等 AI 助手可通过该服务以编程方式访问分析数据、可见度评分和待办事项。

Cloudflare WARP — 集成为 SOCKS5 代理,用于 Reddit 抓取的备用方案(应对 429/403 速率限制)。

前置条件

  • Go 1.24+
  • Node.js 20+ 和 npm
  • MongoDB(推荐使用 Atlas,本地部署也适用于开发)
  • Anthropic API 密钥(必需——用于网站分析、优化评分和品牌情报)
  • LastSaaS(SaaS 模式下身份验证和计费所必需;独立模式下可选)

用于其他提供商和功能的可选 API 密钥:

  • OpenAI API 密钥 — 使用 GPT 模型进行 LLM 知识测试
  • Google Gemini API 密钥 — 使用 Gemini 模型进行 LLM 知识测试
  • xAI Grok API 密钥 — 使用 Grok 模型进行 LLM 知识测试
  • YouTube Data API 密钥 — 视频权威性分析

设置

独立模式(单用户,无身份验证)
  1. 克隆仓库:

    git clone https://github.com/metavert-io/llmopt.git
    cd llmopt
    
  2. 复制示例环境文件并填写相应值:

    cp .env.dev.example .env
    

    必需变量:

    ANTHROPIC_API_KEY=sk-ant-api03-your-key-here
    MONGODB_URI=mongodb+srv://user:[email protected]/?appName=Cluster0
    PORT=8080
    
  3. 构建并运行后端:

    cd backend
    go build -o llmopt .
    ./llmopt
    
  4. 构建并运行前端(在单独的终端中):

    cd frontend
    npm install
    npm run dev
    
  5. 在浏览器中打开 http://localhost:5173。

SaaS 模式(支持身份验证和计费的多租户模式)

SaaS 模式需要依赖 LastSaaS。LastSaaS 提供身份验证(OAuth/SSO)、Stripe 计费、租户管理和管理界面。

  1. 克隆仓库并包含 LastSaaS 依赖:

    git clone https://github.com/metavert-io/llmopt.git
    cd llmopt
    git clone https://github.com/metavert-io/lastsaas.git lastsaas
    
  2. 配置环境变量:

    cp .env.prod.example .env
    

    SaaS 模式所需的额外变量:

    LLMOPT_SAAS_ENABLED=true
    LLMOPT_ENCRYPTION_KEY=<32-byte-hex-key-for-tenant-api-key-encryption>
    LLMOPT_JWT_ACCESS_SECRET=<random-secret-for-jwt-signing>
    

    完整的身份验证/计费环境变量列表(Google OAuth、Stripe 密钥等),请参阅 LastSaaS README。

  3. 本地开发时,使用启动脚本:

    ./start-saas.sh
    
  4. 在 Fly.io 上部署到生产环境:

    fly deploy -c fly.saas.toml
    

    完整的部署指南请参阅 deploy.md。

构建验证
cd backend && go build ./...
cd ../frontend && npx tsc --noEmit

环境变量

变量必需描述
ANTHROPIC_API_KEY是用于分析引擎的 Anthropic API 密钥
MONGODB_URI是MongoDB 连接字符串
PORT否服务端口(默认:8080)
DATABASE_NAME否MongoDB 数据库名称(默认:llmopt)
LLMOPT_SAAS_ENABLED仅 SaaS 模式启用多租户 SaaS 模式
LLMOPT_ENCRYPTION_KEY仅 SaaS 模式用于加密租户 API 密钥的 AES 密钥
LLMOPT_JWT_ACCESS_SECRET仅 SaaS 模式用于 JWT 签名的 HMAC 密钥
MCP_JWT_SECRET否MCP OAuth 令牌签名密钥(若未设置,则从加密密钥派生)
BASE_URL否OAuth 元数据的公开 URL(默认:https://llmopt.metavert.io)
YOUTUBE_API_KEY否用于视频分析的 YouTube Data API 密钥

项目结构

llmopt/
├── backend/
│   ├── main.go              # HTTP server, routes, handlers, health checks
│   ├── models.go            # MongoDB document models
│   ├── db.go                # Database connection, collections, indexes
│   ├── llm.go               # LLM provider abstraction, streaming helpers
│   ├── provider.go          # Provider interface and registry
│   ├── provider_anthropic.go # Anthropic Claude implementation
│   ├── provider_openai.go   # OpenAI GPT implementation
│   ├── provider_gemini.go   # Google Gemini implementation
│   ├── provider_grok.go     # xAI Grok implementation
│   ├── youtube.go           # YouTube Data API client, video analysis
│   ├── reddit.go            # Reddit scraper with WARP fallback
│   ├── report_pdf.go        # PDF report generation
│   ├── screenshot.go        # Chromedp-based page screenshots
│   ├── api_v1.go            # REST API v1 handlers
│   ├── crypto.go            # AES encryption for tenant API keys
│   ├── migration.go         # Database migrations
│   ├── telemetry.go         # Anonymous usage telemetry
│   └── internal/
│       ├── mcpserver/       # MCP protocol server (OAuth 2.1 + tools)
│       ├── saas/            # SaaS middleware (JWT, tenant context)
│       └── ratelimit/       # Rate limiting
├── frontend/                # React + TypeScript + Vite + Tailwind
│   └── src/
│       ├── App.tsx          # Main application (analysis UI, dashboards)
│       └── main.tsx         # Entry point
├── frontend-overlay/        # SaaS-specific frontend extensions
│   └── src/
│       ├── pages/           # Settings, API key management
│       └── components/      # SaaS-specific UI components
├── deploy/
│   ├── Caddyfile            # Caddy reverse proxy config
│   └── supervisord.conf     # Process manager config
├── lastsaas/                # LastSaaS dependency (git clone, gitignored)
├── research.md              # Full research synthesis with citations
├── deploy.md                # Production deployment guide
├── Dockerfile               # Standalone mode
├── Dockerfile.saas          # SaaS mode (Caddy + supervisord)
├── fly.toml                 # Fly.io config (standalone)
├── fly.saas.toml            # Fly.io config (SaaS)
└── start-saas.sh            # Local SaaS development script

MCP 服务

LLM Optimizer 包含一个 Model Context Protocol(MCP) 服务,可让 Claude 等 AI 助手以编程方式访问您的品牌情报和优化数据。该服务使用 Streamable HTTP 传输方式,并通过 OAuth 2.1 进行身份验证。

服务 URL: https://llmopt.metavert.io/mcp

已列入 Smithery 和 awesome-mcp-servers(Glama)。官方 MCP Registry 提交正在进行中。

隐私

LLM Optimizer MCP 服务仅访问您 LLM Optimizer 账户中已存储的数据(域名、报告、可见性评分和待办事项)。不会与第三方共享数据。只读工具(llmopt_list_domains、llmopt_get_report、llmopt_get_visibility_score、llmopt_list_todos)不会修改任何数据。llmopt_update_todo 工具只会更改待办事项的状态字段。API 密钥和 OAuth 令牌通过 HTTPS 传输,并以哈希形式存储(SHA-256)。完整详情请参阅隐私政策。

身份验证

选项 1 — 访问密钥(推荐): 在应用的 Settings → Access Keys 中创建个人 lok_ 访问密钥。连接时,在 OAuth 提示中输入该密钥。每个密钥都可完整访问您账户中的 MCP 工具。

选项 2 — OAuth 2.1: 完整的基于浏览器的 OAuth 流程,使用 PKCE。添加服务 URL 后,Claude Desktop 会自动处理此流程。

可用工具
工具描述参数
llmopt_list_domains列出为你的账户跟踪的所有域名(无)
llmopt_get_report获取指定域名的分析报告domain(必填),report_type(必填):analysis、optimizations、video、reddit、search、summary、tests、brand
llmopt_get_visibility_score获取域名的综合 AI 可见度评分(0-100),该评分按 5 个组成部分加权计算domain(必填)
llmopt_list_todos列出优化分析中的待办事项status(可选):todo、completed、backlogged、archived;domain(可选)
llmopt_update_todo更新待办事项的状态(仅限管理员/所有者)id(必填),status(必填):todo、completed、backlogged、archived
使用示例

1. 快速获取品牌健康状况摘要

“acme.com 的 AI 可见度评分是多少?有哪些首要建议?”

Claude 会调用 llmopt_get_visibility_score,然后调用 llmopt_get_report(report_type: summary),为你概述品牌在大模型输出中的呈现情况以及优先需要修复的问题。

2. 梳理优化积压事项

“按域名优先级,向我展示所有域名中未完成的待办事项。”

Claude 会使用 status: todo 调用 llmopt_list_todos,按域名对结果分组,并将其整理为按优先级排序的任务列表,供你分配或安排。

3. 对比竞争对手的可见度

“对比 acme.com 和 competitorx.com 的分析报告,告诉我我们在哪些方面落后。”

Claude 会获取两个域名的 llmopt_get_report(report_type: analysis),然后综合分析差异,找出竞争对手被提及而你未被提及的主题。

4. 每日品牌简报

“为我生成一份每日简报:mycompany.com 的可见度评分变化、新待办事项和 Reddit 情绪如何?”

Claude 会串联调用 llmopt_get_visibility_score、llmopt_list_todos(status: todo)和 llmopt_get_report(report_type: reddit),生成一份简洁的晨间摘要,方便你直接发到 Slack。

5. 完成已处理的工作

“我已经完成所有元描述更新。将 acme.com 的所有元描述待办事项标记为已完成。”

Claude 会按域名筛选调用 llmopt_list_todos,查找相关事项,然后逐项调用 llmopt_update_todo,并确认哪些事项已更新。

MCP 配置
Claude Code(原生 HTTP)

在 ~/.claude.json 的 mcpServers 下添加:

{
  "mcpServers": {
    "llmopt-mcp": {
      "type": "http",
      "url": "https://llmopt.metavert.io/mcp"
    }
  }
}

首次使用时,Claude Code 会打开浏览器进行授权。输入你的 lok_ 访问密钥(可在 Settings → Access Keys 中创建)。

Claude Desktop

选项 A — OAuth(最简单,无需管理密钥):

npm install -g mcp-remote

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "llmopt-mcp": {
      "command": "npx",
      "args": ["mcp-remote", "https://llmopt.metavert.io/mcp"]
    }
  }
}

首次启动时,浏览器窗口会打开以进行授权。登录 llmopt.metavert.io,并输入你的 lok_ 访问密钥。

选项 B — 直接使用密钥(无需浏览器授权,更适合高级用户):

{
  "mcpServers": {
    "llmopt-mcp": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://llmopt.metavert.io/mcp",
        "--header",
        "Authorization: Bearer lok_your_access_key_here"
      ]
    }
  }
}

将 lok_your_access_key_here 替换为 Settings → Access Keys 中的密钥。

直接使用 HTTP
# List available tools
curl -X POST https://llmopt.metavert.io/mcp \
  -H "Authorization: Bearer lok_your_access_key" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'

# Get visibility score
curl -X POST https://llmopt.metavert.io/mcp \
  -H "Authorization: Bearer lok_your_access_key" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"llmopt_get_visibility_score","arguments":{"domain":"acme.com"}}}'
OAuth 端点
端点描述
GET /.well-known/oauth-protected-resource受保护资源元数据(RFC 9728)
GET /.well-known/oauth-authorization-server授权服务器元数据(RFC 8414)
POST /oauth/register动态客户端注册(RFC 7591)
GET /oauth/authorize授权端点
POST /oauth/token令牌端点(代码交换 + 刷新)

REST API

/api/v1/ 也提供 REST API。请参阅 API 文档页面,查看格式化指南。

许可证

MIT - 版权所有 (c) 2026 Metavert LLC

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。