pseolint

@pseolint/mcp

面向 pseolint 的 MCP 服务：供 AI 编码助手按模板审计 pSEO 网站。

一个 MCP（Model Context Protocol） 服务，向 Claude Code、Claude Desktop、Cursor 和 Windsurf 等 AI 编码助手提供 pseolint v0.7.5 审计工具。

所有工具都使用 pseolint_ 前缀命名（pseolint_audit_site、pseolint_explain_score、pseolint_check_page_technical、pseolint_orchestrate_audit），避免与其他 MCP 服务冲突；每个工具都会同时返回人类可读文本和机器可读的 structuredContent。

v0.6 新增内容：工具响应中按模板输出

audit_site 现在会在现有的 findings 列表旁返回一个 templates 数组。AI 客户端会自动获取按模板划分的视图；无需更改参数。

{
  "verdict": "concerning",
  "risk": 60,
  "templates": [
    {
      "signature": "/listing/:slug",
      "totalUrls": 8201,
      "auditedUrls": ["https://example.com/listing/foo", "..."],
      "verdict": "concerning",
      "risk": 60,
      "variance": {
        "uniformityScore": 0.85,
        "topDriver": { "ruleId": "spam/thin-content", "fireRate": 0.8 }
      }
    },
    { "signature": "/category/:slug", "verdict": "ready", "risk": 12 }
  ],
  "findings": [...]
}

遍历 templates 时，topDriver 规则和 fireRate 是最具操作价值的信号：“10 个样本中有 8 个未通过 spam/thin-content”会告诉 LLM 哪个模板出了问题以及该如何修复。扁平的 findings 列表仍可用于按 URL 深入排查。

设计说明：docs/superpowers/specs/2026-05-04-pseolint-v0.6-audit-as-template-reframe.md

v0.5.2 新增内容：可信度层

• 底层引擎新增 4 条内容质量规则（由 audit_site 和 orchestrate_audit 使用）：content/title-uniqueness、content/heading-structure、content/image-alt-text、tech/og-completeness。检查结果会以标准规则检查结果的形式显示在工具输出中。
• audit_site.authorityScore 参数（0-100）：可提供自己的 DA。对于已建立的品牌，>= 80 会使判定宽松一个级别；对于较新或权威性较低的运营方，<= 30 会使判定严格一个级别。原始 risk 数值不变。
• audit_site.sampleSeed 参数：确定性采样器。相同的种子 = 相同的审计结果 = 每次运行都得到相同的判定。AI 助手要求用户确认某项检查结果时，可以复现审计。
• spam/doorway-pattern 集群折叠：目录网站上的一项包含 276 对结果的检查，现在会按组显示为一条集群记录，而不是 276 条记录占用 LLM 的上下文窗口。
• 检查结果始终具有可操作性：信息级别的检查结果会按类别分组设定上限，避免单独累积并拉低判定；LLM 获取的是实际信号，而非噪声。
• 已根据信誉良好的生产环境 pSEO 网站完成校准；权衡取舍和限制详见 pseolint.dev/methodology。

v0.5 新增内容

orchestrate_audit 工具。 引导 LLM 使用 25 个确定性审计工具，并生成包含具体复制粘贴补丁的修复清单（重写的 H1、JSON-LD 区块、robots.txt 差异）。用户需要具体修复方案，而不只是问题列表时，请使用此工具。

保守的 MCP 默认值：$2 / 60 次工具调用 / 180 秒运行时间（而 CLI 默认值为 $5 / 100 次 / 300 秒）。提供两种输出模式：summary（适用于聊天界面的简洁文本）和 json（完整清单 + 验证结果 + 差异）。每次调用都会报告实际 USD 开销。未通过确定性验证器的补丁会从清单中移除，并单独列出。

提示词示例：“使用 pseolint_orchestrate_audit 工具，对 https://example.com 进行 AI 原生审计，并提供具体的修复建议。”

安全默认值（v0.3.3+）

这三个工具的默认设置都是 safeMode: "saas"；在终端用户环境中运行的 AI 助手不会因恶意 URL 参数而被诱骗去扫描 AWS/GCP 元数据端点、localhost 或 RFC1918 网络。具体包括：

• guardSsrf: true：对源 URL、站点地图条目、重定向跳转和发现的链接进行基于 DNS 验证的私有地址范围检查
• respectRobotsTxt: true：跳过目标 robots.txt 中禁止抓取的站点地图 URL，而不是抓取它们
• 更严格的 maxFetchBytes（10 MB）和 maxCrawlDiscovered（2000）上限

工具

pseolint_orchestrate_audit（v0.5）

通过 25 个审计工具驱动 LLM，并生成包含具体补丁的修复清单。适用于用户希望获得可直接粘贴的修复方案（而不只是问题列表）的情况。在托管的 Anthropic 服务上，每次审计费用约为 1–3 美元。

参数：

• domain（必填）：要审计的网站 URL（例如 https://example.com）
• maxCostUsd：美元费用上限（默认值：2）
• maxToolCalls：工具调用次数上限（默认值：60）
• maxWallSeconds：最长运行时间上限（默认值：180）
• format：summary（简洁文本）或 json（完整清单 + 验证 + 差异）

返回值：文本摘要，包含评估结果 + 分类 + 每个类别中排名前三的补丁（或在 format: "json" 时返回完整 JSON）。验证失败会单独列出，确保 LLM 宿主对话基于实际交付的内容展开。

示例提示词：“在 https://example.com 上使用 pseolint_orchestrate_audit，设置 format=summary”

pseolint_audit_site

对 URL 或目录路径执行完整的 pseolint 审计。返回网站级评估结果 + 风险评分、templates 数组（按模板列出评估结果 + 差异指标），以及所有 URL 的发现项和可执行的修复建议。

参数：

• source（必填）：要审计的 URL 或目录路径
• threshold：通过/失败评分阈值（默认值：40）
• sampleSize：随机抽样审计 N 个页面（0 = 全部）
• format：输出格式：console 或 json（默认值：console）
• authorityScore：0–100 的域名权威性提示值。≥80 会将评估结果放宽一个等级；≤30 会将评估结果收紧一个等级。原始 risk 数值不变。
• contentEffort（布尔值，默认值 false）：启用 AI 内容投入度信号：由 LLM 根据抽样页面文本评估 0–100 的原创性/投入度分数，并据此将评估结果调整 ±1 个等级。需要在 MCP 服务的环境中设置 ANTHROPIC_API_KEY；未设置时会安全地跳过此项。每次审计会增加几美分的 LLM 费用。
• sampleSeed：用于确定性分层抽样的整数种子。相同种子 = 相同审计 = 相同评估结果。

返回值（v0.6 格式）：verdict、risk、categories、templates: Template[]、findings: RuleResult[]。AI 客户端应优先遍历 templates；topDriver.ruleId + fireRate 是最具可操作性的单模板信号。使用 findings 深入查看各 URL 的具体情况。

示例提示词：“审计我在 http://localhost:3000 的网站；展示按模板划分的明细”

pseolint_explain_score

执行审计，并以通俗易懂的方式解释 SpamBrain 风险评分的影响因素，包括分类明细、主要问题和按优先级排列的修复建议。

参数：

• source（必填）：要审计的 URL 或目录路径
• threshold：通过/失败评估的风险阈值（默认值：40）
• authorityScore：0–100 的域名权威性提示值。≥80 会将评估结果放宽一个等级；≤30 会将评估结果收紧一个等级。原始 risk 数值不变。
• contentEffort（布尔值，默认值 false）：启用 AI 内容投入度信号：由 LLM 根据抽样页面文本评估 0–100 的原创性/投入度分数，并据此将评估结果调整 ±1 个等级。需要在 MCP 服务的环境中设置 ANTHROPIC_API_KEY；未设置时会安全地跳过此项。每次审计会增加几美分的 LLM 费用。
• sampleSeed：用于确定性分层抽样的整数种子。

示例提示词：“解释为什么我网站的 SpamBrain 评分偏高”

pseolint_check_page_technical

检查单个页面 URL 的页面级技术 SEO 问题（canonical、Open Graph、JSON-LD、robots、meta、内容单薄、作者信号）。不会运行跨页面规则；如需运行，请使用 pseolint_audit_site。

参数：

• url（必填）：要检查页面的完整 URL

示例提示词：“检查 https://yoursite.com/templates/california-llc 是否存在技术 SEO 问题”

资源

此服务还会将 pseolint 的规则知识作为只读 MCP 资源公开，因此助手可以直接解释检查结果，无需猜测或从网上获取信息。资源以 ruleId 为键，与每条审计结果中显示的标识符相同（例如 spam/thin-content），因此与工具输出一一对应。

• pseolint://rules：包含所有已记录规则的 JSON 索引（ruleId、title 和各规则的资源 URI）。请先阅读此索引，了解有哪些内容。
• pseolint://rules/<ruleId>：每条规则对应一个 Markdown 资源，例如 pseolint://rules/spam/thin-content。每个资源都包含规则链接、检测内容部分，以及修复方法清单。

典型流程：运行 pseolint_audit_site，从某条检查结果中获取 ruleId，然后读取 pseolint://rules/<ruleId>，依据 pseolint 自己的规则文档来解释问题并提供修复建议。

远程服务（托管版，无需安装）

不想安装任何东西？将 MCP 客户端指向托管端点：

https://pseolint.dev/mcp

该端点提供 3 个只读审计工具（pseolint_audit_site、pseolint_explain_score、 pseolint_check_page_technical），无需注册即可使用；匿名使用会受到速率限制。在 pseolint.dev 控制面板中创建 API 密钥，并将其作为 Authorization: Bearer <key> 发送，即可提高使用限额。目前，AI 编排的 pseolint_orchestrate_audit 工具仅可通过 stdio 软件包（如下所示）或 CLI 使用。

客户端配置示例：

{ "url": "https://pseolint.dev/mcp", "headers": { "Authorization": "Bearer <key>" } }

安装

Claude Code

claude mcp add pseolint -- npx @pseolint/mcp

Claude Desktop

添加到 claude_desktop_config.json：

{
  "mcpServers": {
    "pseolint": {
      "command": "npx",
      "args": ["@pseolint/mcp"]
    }
  }
}

Cursor

添加到 .cursor/mcp.json：

{
  "mcpServers": {
    "pseolint": {
      "command": "npx",
      "args": ["@pseolint/mcp"]
    }
  }
}

Windsurf

添加到 ~/.codeium/windsurf/mcp_config.json：

{
  "mcpServers": {
    "pseolint": {
      "command": "npx",
      "args": ["@pseolint/mcp"]
    }
  }
}

VS Code（GitHub Copilot）

添加到 .vscode/mcp.json：

{
  "servers": {
    "pseolint": {
      "command": "npx",
      "args": ["@pseolint/mcp"]
    }
  }
}

检查内容

65 条规则，按主题分组（汇总为 4 个评分类别：完整性、可发现性、引用、数据）：

• SpamBrain 风险：近似重复检测、实体替换型门页、内容单薄、样板内容占比
• 内容质量：每个页面的独特价值、标题/元数据的独特性、E-E-A-T 信号
• 内部链接：孤立页面、死胡同、内容集群连通性、链接深度
• 技术 SEO：规范链接一致性、站点地图完整性、robots.txt 冲突
• 结构化数据：JSON-LD 验证、必填字段、架构一致性
• 关键词竞争：URL 模式冲突（title-overlap 和 keyword-collision 因误报率过高，已在 v0.4 中移除）

链接

• GitHub
• npm：pseolint
• npm：@pseolint/core

许可证

MIT