面向 AI 代理
把整个 SEO 数据仓库交给任意 AI 智能体。
SEO Stack 在你已入仓的 Search Console、GA4 和 AI visibility 数据之上运行一个 MCP 服务器。接入你已经在跑的智能体,或者新搭一个,它都能拿到每一行数据,没有请求上限,也没有 16 个月的断崖。大多数人大约两分钟就连上了。
连接
14 天试用 · 所有套餐均含 MCP 访问 · 无需 BigQuery,无需服务账号,无需配置
获领先企业信赖
设置
两分钟,一个密钥,不用建管道
智能体最后没做成,通常是因为接通数据比做智能体本身更费时间。在跑第一个提示词之前,Cloud 项目、服务账号、OAuth 权限范围和导出任务都得先存在。而这里数据仓库已经在了,接上它只是一段配置。
01生成密钥
在 MCP 页面点一下即可。每个密钥以你的身份为单个客户端授权,可以分别命名、轮换和吊销。
02粘贴配置
把密钥放进 Authorization 头,让智能体指向该端点即可。Claude、ChatGPT 和 Gemini 都有现成的代码片段。
03开始搭建
整个数据仓库以工具的形式交付。不用搭管道,不用 BigQuery,不用服务账号,事后也没有东西需要一直跑着。
mcp.config.json
api.seo-stack.io/api/mcp
{
"mcpServers": {
"seostack": {
"url": "https://api.seo-stack.io/api/mcp",
"headers": {
"Authorization": "Bearer sk_mcp_YOUR_KEY"
}
}
}
}AI 客户端
- Claude
- ChatGPT
- Gemini
- Cursor
- Grok
- DeepSeek
Agent 框架
- Hermes
- OpenClaw
- Astra
- 自定义 agent
- 你自己的脚本
自动化平台
- n8n
- Make
- Clay
- 任何支持 MCP 的工具
大家都在搭什么
本周就能跑起来的六个智能体
这些不是假设,而是反复出现的几种做法,每一种本质上都是在问:智能体能拿到哪些数据。选一个标签页,看看它调用哪些工具、跑的是什么循环。
从表现出发、而不是从抓取出发的审计工具
大多数审计智能体会抓取站点,再按一份检查清单打分,这只告诉你哪里有问题,却说不出它的代价。把入仓的 Search Console 数据交给智能体,它就能按每条发现实际关联的点击量来排序,再回溯数年,看这个页面是一直如此,还是在某个具体日期出的问题。
它调用的 MCP 工具
- 列出我的网站
- 查询搜索表现
- 获取按 URL 片段聚合的指标
- 获取算法更新
- 01拉取该资源的全部 URL 和查询词,不限行数,完整历史
- 02分段按目录、页面类型或模板分组,找出衰退集中在哪里
- 03日期回溯到这个模式开始的那个月,并与核心更新对照检查
- 04排序按涉及的点击量和收入排列发现,而不是按严重程度标签
每个问题都带着数字的审计,修复清单送到时已经排好优先级。
基于你自己的数据决定改什么的智能体
策略类智能体通常跑在第三方关键词估算数据上,因为那是容易拿到的数据。入仓的 Search Console 和 GA4 让智能体拿到你真实被展现的查询词、你实际占据的位置,以及这些会话落地之后做了什么,这是完全不同质量的输入。
它调用的 MCP 工具
- 按两个维度分组
- 获取总体指标
- 获取按维度聚合的指标
- 对比周期
- 01阅读按位置区间划分的查询词,并关联 GA4 的会话和转化数据
- 02发现排名好但转化差的页面,以及转化好却没有可见度的页面
- 03决策提出改动,并附上它所要争取的展现量和收入
- 04排入队列作为批注写回,让决策在工作开始之前就留下记录
建议基于你的第一方数据,而不是别人的搜索量估算。
一个智能体,把所有渠道汇总进一条消息
Search Console 覆盖自然搜索,GA4 覆盖付费、社交、直接和引荐,AI visibility 覆盖那块谁都没有报告的部分。同时拿到这三者的智能体,可以把覆盖整个营销组合的一条更新,发到你的团队真正会看的那个渠道里。
它调用的 MCP 工具
- 获取指标随时间变化
- 获取总体指标
- 获取 AI Visibility 看板数据
- 列出 LLM 追踪结果
- 01收集该时段的自然、付费、社交、直接、引荐和 LLM 流量
- 02对比与上一时段和去年同期对比,这些数据仓库里仍然取得到
- 03写入解读来自真实数字,而不是来自模板
- 04发布发到 Slack、Teams、WhatsApp,或者任何你们已经在沟通的地方
周一早上的更新自己就写好了,而且覆盖的不只是 SEO。
记录自己改了什么、并从中学习的智能体
这是在别处最难搭起来的一个,因为它需要变更日志和表现数据待在同一个地方。智能体读取批注,看看哪些已经试过,做出改动,写下批注,等待,然后对照自然搜索表现衡量结果,再把结论带入下一次决策。
它调用的 MCP 工具
- 获取标注
- 查询搜索表现
- 获取 Search Console 数据对比
- 获取算法更新
- 01回溯读取批注历史,避免重复跑一个已经失败过的做法
- 02行动做出改动,并以日期、URL 范围和变更类型记录下来
- 03衡量对受影响的 URL 做前后对比,并排除或确认核心更新的影响
- 04学习保留结论,让它为下一轮决策加权
能够复利累积的 SEO 项目,因为每次实验都留有记录。
同一个数据连接,指向付费、社交和 AI
这些都不限于自然搜索。数据仓库里 GA4 那一侧承载着所有渠道,所以同一个盯你排名的智能体,也可以盯付费落地页的表现、社交活动带来的引荐质量,或者你在 AI visibility 上的工作是否带来了行为有所不同的会话。
它调用的 MCP 工具
- 获取指标随时间变化
- 获取按维度聚合的指标
- 检查 AI Visibility
- 列出提示词追踪器
- 01拆分按来源和媒介拆分的会话、转化和收入
- 02归因包括 LLM 引荐来源,大多数报告至今仍把它们算作直接流量
- 03监测按提示词层级,对照你指定的竞争对手看 AI visibility
- 04标记只提出有变化的那些,而不是把没变化的也全都发邮件过来
一个数据连接,覆盖通常需要四个连接才能覆盖的渠道。
大批量拉取 GA4 数据,用于那些在 GA4 里做起来很痛苦的分析
GA4 的界面是为探索而非为导出设计的,要从中拿出一份干净的大数据集,本身就是一件活儿。通过 MCP,智能体可以一次调用就拉到所需的数据量,并在自己的上下文里完成分析,这才让转化、留存和流失方面的工作真正可以自动化。
它调用的 MCP 工具
- 获取总体指标
- 获取指标随时间变化
- 获取按维度聚合的指标
- 获取按两个维度聚合的指标
- 01提取按你指定的粒度提取会话、互动、交易和收入数据
- 02关联与 Search Console 关联,让着陆页的行为数据和带来它的查询并排呈现
- 03分析跨页面、跨细分的转化、流失、留存与互动
- 04返回一个完整的答案,或者一份交给你自己工具继续处理的数据集
如果取数不再是瓶颈,你本来就会做的那些 GA4 分析。
报告
所有渠道的数据,都送到团队本来就在聊天的地方
Search Console 覆盖自然流量,GA4 覆盖付费、社交、直接和引荐流量,AI visibility 覆盖其他地方根本没有报告的那部分。同时掌握这三者的智能体,可以按计划把覆盖整体渠道的一条更新推送到 Slack、Teams、WhatsApp 或任何它已有集成的地方。
每周营销更新
由智能体按计划发布,数据来自 Search Console、GA4 和 AI visibility
SEO Stack Agent应用
#marketing-weekly · 周一 08:00
市场营销 › 综合 · 周一 08:00
市场负责人 · 周一 08:00
上周,所有渠道合计: 92,170 次会话 和 £303,200 收入。
- GSC自然搜索41,280£128,400+6%
- GA4付费搜索18,940£71,200-4%
- GA4付费社交9,610£24,800+12%
- GA4直接14,350£52,600+1%
- GA4引荐5,120£14,300-9%
- AILLM 引荐流量2,870£11,900+38%
LLM 引荐流量 增长最快,达 +38%,仍然只占 3% 的会话,但却是看板上变化最快的一条线,而 referral 下降了 9%。任何一条线背后的查询、着陆页或提示词级别的细节,都可以问我。
示意数据。智能体会发布到你指定的任何地方,数字来自仪表板读取的同一个数据仓库。
没人打开的看板是个真问题,而且换个更好的看板也解决不了。把数据推到对话本来就在发生的频道里,才能改变它们被查看的频率;而能在同一个话题里回答追问的智能体,才能让这段对话不至于以某人导出一份 CSV 收场。
为什么有效
智能体的上限,取决于它能拿到什么数据
智能体的质量,大部分是数据问题。再强的模型,基于一份被截断的十六个月样本做推理,也会很笃定地给你一个错误答案,提示词怎么调都修不好,因为缺口在输入端。
10m+
行/次调用
Google 的 Search Console API 单次响应上限为 50,000 行,其余只能分页取。数据仓库没有这个上限,所以当智能体问一个范围较大的问题时,拿到的是完整答案,而不是一个被截断、它自己还看不出被截断的答案。
5 年以上
历史数据,最少
Google 自己的数据窗口是滚动的十六个月,这就限制了任何基于其 API 的智能体所能推理的范围,不管它有没有意识到这一点。把历史数据入仓意味着同比对比一直可用,智能体看到的是趋势,而不是一张快照。
23
个工具,共用一个连接
Search Console、GA4 和 AI visibility 以具名工具的形式暴露,而不是一个原始查询接口,所以模型是挑一个正确的调用,而不是自己拼一个出来碰运气。

为什么值得做
为什么团队选择接入智能体,而不是打开看板
比它换回来的生产力更便宜
一个能写周报、盯着整组站点的数据衰退、并在频道里回答后续问题的 agent,只需一份订阅,而每月 $129.99 的 Basic 套餐就包含 MCP 访问权限。要比较的对象不是另一款工具,而是目前手工拼出同样这些数字所花掉的工时。
更多的数据,更长的时间跨度
智能体基于多年的第一方历史数据推理,而不是滚动的十六个月样本,而这恰恰对大家搭智能体想回答的那些问题最关键:这是不是一个趋势,以前有没有发生过。
不用围着请求上限做设计
你不用写分页逻辑或限流退避,也不用为了塞进 50,000 行的响应而决定舍弃哪一部分数据。智能体想问什么就问什么。
效果更好,因为闭环闭上了
读取标注、记录变更,并对照自然流量表现来衡量效果,这才让自动化真正改善排名和流量,而不是产出一张更长的待办清单。
事后没有东西要维护
没有会因为表结构变更而中断的导出任务,没有会过期的服务账号,也没有已经失败了三周却没人知道的定时查询。连接就是一个密钥加一个 URL,数据仓库会自己填充。
你现有的智能体就能用
这不是一个你必须采用的框架。如果你的团队已经在用 Hermes、OpenClaw、n8n 或者某人写的脚本跑东西,它通过 MCP 接入即可,不需要重写。
分步指南
从头到尾搭一个 Slack 上的 SEO 智能体
完整走一遍整个搭建过程:生成 MCP 密钥、接好配置、创建 Slack 应用并设置权限范围、开启 socket mode,再给智能体设一个 cron 定时任务,让报告在有人开口要之前就送到。示例用 Hermes 作为智能体,其中 SEO Stack 的那一半,不管你用什么框架都适用。
常见异议
开始之前
哪些 agent 和客户端可以连接?
任何支持 MCP 的工具,到现在基本都支持了。Claude、ChatGPT、Gemini、Cursor、Grok 和 DeepSeek 都能作为客户端连接,Hermes、OpenClaw、Astra 这类 agent 框架连接方式相同,n8n、Make 和 Clay 等自动化平台同样可以。如果你自己写了 agent,只需要一个 MCP 客户端库和一个 bearer token,别的都不需要。
实际连接要花多长时间?
如果 agent 已经有了,就是一个密钥加一段配置,几分钟是现实的,几秒钟也很常见。不需要 Cloud 项目、服务账号、OAuth 同意页面,也不需要导出任务,因为 agent 读取的是已经建好的数据仓库,而不是现场临时拼一个。
怎么鉴权?能吊销某个密钥吗?
在 Authorization 头里放一个 bearer token。每个密钥以你的身份为单个客户端鉴权,你可以在 MCP 页面里单独命名、轮换和吊销,所以跑在服务器上的 agent 和跑在你笔记本上的 agent 可以用不同的密钥,并分别关停。
请求有哪些限制?
没有行数上限。Google 的 Search Console API 单次响应上限 50,000 行,其余要分页去取,而且无论如何只到 16 个月。MCP 读的是数据仓库,所以一个覆盖一千万行的查询就返回一千万行,覆盖你手上的全部历史数据。
agent 除了读,还能写吗?
可以,针对变更日志。agent 能读取已有的标注并记录新的标注,这正是自我修正循环成立的前提,因为 agent 可以看到已经试过什么,并把自己做的事记录下来,供下一次运行去衡量。
agent 能访问 GA4 数据吗,还是只有 Search Console?
两者都可以,必要时在同一次调用里返回。会话、互动、交易和收入会和点击、展示、CTR、排名一起返回,这样 agent 就能同时分析落地页和把用户带过来的查询词,而不用分两次做。
它能把内容发到 Slack、Teams 或 WhatsApp 吗?
这部分是你的智能体在做,不是我们的,而且是简单的那一半。SEO Stack 通过 MCP 提供数据,智能体则推送到它已有集成的任何地方;对多数框架来说,Slack 和 Teams 开箱即用,WhatsApp 经网关接入。博客上有一篇完整的 Slack 操作指南。
智能体能看到账号下的每个资源吗?
它能看到的,就是密钥所有者能看到的,访问权限与界面中逐个资源的权限完全一致。如果你只给某个外包人员开放一个资源,用他的密钥认证的智能体就只能读取那一个。
哪些套餐包含 MCP 访问?
每个套餐都包含。Basic 就提供对 Search Console、GA4 和 AI visibility 数据的 MCP 访问,更高档的套餐只是提高调用额度,而不是增加这项功能。所以,要测试一个 agent 值不值得做,最便宜的办法就是直接做出来。
需要会写代码吗?
连接一个现有客户端不需要,复制粘贴就行。要定制一个按计划往频道推送的智能体,确实涉及一些配置工作,博客上的 Slack 指南会一步步带你做;但 SEO Stack 这一半只有一个密钥和一段配置。
先接入一个智能体,再考虑自己做一个。
生成一个密钥,把你现在用的工具指向这个端点,然后问它一个你平时要打开四个工具才能回答的问题。如果它给出的答案是对的,剩下的要不要继续做,你已经有理由了。
14 天试用 · 所有套餐均含 MCP 访问 · 随时取消 · 无需配置


