Skill 参考库 · 商业与营销 · Skill 解读 · WF-075

商业与营销参考:seo ai agent

思行致远 · 2026/6/30 · 置信度:中
商业洞察竞品分析SEO营销

一个生产化 SEO Agent,把 GPT-4o、GSC、GA4、DataForSEO、Firecrawl、SQLite、Streamlit 和 MCP 连接成 weekly SEO loop。

seo ai agent

一个生产化 SEO Agent,把 GPT-4o、GSC、GA4、DataForSEO、Firecrawl、SQLite、Streamlit 和 MCP 连接成 weekly SEO loop。

这个能力解决什么问题

它解决的是 SEO 工作分散在 GSC、GA4、关键词工具、爬虫、内容写作和报告中的问题。输入是站点、关键词、页面、GSC/GA4/DataForSEO/Firecrawl/OpenAI 凭据;输出是 quick wins、rank delta、SERP/反链分析、AI overview 追踪、内容 brief、Astro Markdown 博文、周报和 MCP 工具响应。

核心逻辑

agent.py 运行 GPT-4o function-calling loop,根据用户问题调用 tools/ 中的 GSC、GA4、DataForSEO、crawler、copywriter、content_brief、internal_links、appstore 等函数;memory.py 用 SQLite 保存关键词位置、推荐、搜索量、竞品快照和 API cache;scheduler.py 每周生成报告;mcp_server.py 把 39 个工具暴露给 VS Code/Cursor。

技术结构

  • 关键模块:CLI agent、Streamlit dashboard、FastMCP server、weekly scheduler、SQLite memory、8 类 SEO tools。
  • 调用链路:user prompt/schedule/MCP -> tool dispatch -> API data fusion -> GPT synthesis -> reports/blog/memory。
  • 输入输出:输入是 SEO 数据源和问题;输出是报告、建议、Markdown 内容、MCP JSON。
  • 核心依赖:OpenAI、Google APIs、DataForSEO、Firecrawl、mcp、schedule、Streamlit、Plotly、pandas、python-dotenv。

为什么值得参考

它把 SEO Agent 做成了有记忆、有 dashboard、有 MCP、有 scheduler 的系统,而不只是关键词生成器。最值得学的是多源数据融合和 SQLite memory:SEO 需要看 week-over-week,不是一次回答完就结束。

为什么不建议直接套用

README 明确支持“write & publish to your blog”和 repo commit,这属于高风险写操作,必须关掉或改成人工审核。它需要大量第三方凭据和站点权限,配置错误会泄露 SEO/分析数据。AI Overview、SERP、品牌可见性等指标随平台变化,不能当稳定真相源。

如何改造成自己的版本

先只开 read-only 工具:GSC quick wins、GA4 trends、DataForSEO SERP。把 copywriter 产物写到 drafts,不自动 commit 或发布。SQLite memory 可保留,但每条 recommendation 要带数据来源和生成时间。MCP 工具按权限分组,不给默认写博客权限。

适用场景

  • 有自有站点数据权限的 SEO 周报和机会发现。
  • 需要在编辑器里通过 MCP 查询 SEO 数据。
  • SEO Agent 系统架构参考。

不适用场景

  • 没有 GSC/GA4/SEO API 权限的数据分析。
  • 高风险品牌监控结论未人工复核。

公开版边界

  • 涉及外部平台内容流转时,需人工确认后执行。

参考信息

  • 原项目:seo-ai-agent
  • 作者:SimplerSoftwareIO
  • 相关概念:[[SEO Agent]]、[[MCP 工具]]
  • 相关卡片:保守留空

参考对象信息

名称:seo-ai-agent

作者:SimplerSoftwareIO

链接:https://github.com/SimplerSoftwareIO/seo-ai-agent

适用场景与行动

场景:Skill 参考库 / 商业与营销

适合谁:关注 AI 工作流、Skill 生产和 Agent Building 的读者

下一步:先阅读边界说明,再判断它是否适合改造成自己的商业与营销流程。

当前内容按公开来源和已审核草稿整理,只作为工作流理解与方法论参考。

涉及客户数据、外部平台、会议记录和业务系统的场景,必须保留人工确认与授权边界。