# 是的，GEO 有 MCP Server：在 Claude Code、Cursor 和 Codex 里直接调 AI 可见性数据

- Canonical: https://www.geoly.ai/zh/blog/geo-mcp-server-ai-visibility-claude-code-cursor-codex
- Published: 2026-07-04
- Updated: 2026-07-04
- Author: [GEOly AI](https://www.geoly.ai/zh/blog/author/geoly-ai)
- Tags: [MCP](https://www.geoly.ai/zh/blog/tag/mcp), [GEO](https://www.geoly.ai/zh/blog/tag/geo), [AI Visibility](https://www.geoly.ai/zh/blog/tag/ai-visibility), [Claude Code](https://www.geoly.ai/zh/blog/tag/claude-code), [Cursor](https://www.geoly.ai/zh/blog/tag/cursor), [CLI](https://www.geoly.ai/zh/blog/tag/cli)

> **Summary:** GEOly 通过 MCP server、CLI 与 agent skills 开放 GEO 数据：在 Claude Code、Cursor、Codex 里查询可见性、Share of Card 与引用信源，边查边修。

「有没有做 AI 可见性或 GEO 的 MCP server？」有，GEOly 就在跑一个，地址是 app.geoly.ai/api/mcp。它把 GEO 数据——每条 prompt 在 ChatGPT、Gemini、Google AI Mode、Perplexity、Copilot 上是否提到你的品牌、排第几、情感倾向如何、引用了哪些信源、在 AI 购物结果里有没有商品卡——全部封装成 MCP 工具，任何兼容 MCP 的客户端都能调用。Claude Code、Cursor、Codex，或者你自己写的 agent，只要说 MCP 协议，就能在干活中途查可见性数据。

如果你问的是终端版本，一个能在 shell 或 cron 里跑的 AI 可见性 CLI，也有：单二进制、零依赖，curl 或 PowerShell 一行装完，stdout 输出纯 JSON、退出码可以直接在脚本里分支——为 Claude Code、Codex、n8n 和 CI 流水线设计，文档在 geoly.ai/open/cli。GEOly 在同一套工具单源上提供三个入口：给开发工具里的 agent 用的 MCP server，给脚本和 CI 用的 CLI，以及把完整审计打包成一次调用的 GEO skills。同一批工具、同一套口径，各入口之间数字零漂移。所以「GEO 审计能不能全自动化」这个问题，答案同样是能。

这套东西存在的理由很直接：GEO 的活越来越多发生在开发工具里，因为一条输掉的 prompt，修复点几乎从不在仪表盘上。它在商品模板的 schema 块里，在 feed 里一条过期的价格里，在内容仓库里那个缺失的对比页里。锁在 Web 后台的可见性数据进不了这条工作流；MCP 把它变成可调用的工具，让审计发生在修复发生的地方——你的代码库。

## GEOly MCP server 暴露哪些数据

这个 server 暴露最多 62 个工具，分两个数据面，全部以 agent 能直接推理的结构化形式返回。品牌面覆盖你自己的追踪：KPI、prompt 级可见度、引用、竞品、GEO 审计、GA4——还有写操作，agent 可以直接创建 prompt、topic、竞品，或触发一次监测。行业公开面则完全不需要配置：品类榜单、白空间、品牌势能、Share of Card、AI 检索需求、信源格局，公开数据集里的任意品牌都能查：

- Prompt 级可见性：每条被追踪的 prompt 上，哪些 AI 引擎提到了品牌、排第几、情感倾向如何、答案引用了哪些信源
- Share of Card：你的商品在 ChatGPT 购物和 Google AI Mode 里有没有以商品卡形式出现；你缺席时，出现的是谁的卡
- 引用信源：AI 引擎回答你品类 prompt 时真正引用的域名和页面，也就是内容与外部信源工作的目标清单
- 竞品 share of voice：一组 prompt 上的提及份额，按时间追踪
- ChatGPT 广告情报：哪些广告主出现在哪些 prompt 上，用来发现你自然占位的查询正在被投放挤压

这些数据的变化速度足以支撑自动化：GEOly 的行业数据集按周度批次跨引擎、跨市场更新，商品卡阵容、引用信源和广告位在批次之间确实会重排。每月手动看一次，看到的是上个月的货架。

## 工作原理

流程就是标准 MCP。把 GEOly server——app.geoly.ai/api/mcp——加进客户端的 MCP 配置并认证：交互式客户端走浏览器 OAuth 授权，无头场景用只读 Token。一行命令即可接入 ChatGPT、Claude、Cursor 或 Codex。之后你的 agent 在文件和 shell 权限之外，会多出一组 GEO 工具。你问它「这周我们丢了哪些 prompt」，它调用 server 拿回结构化 JSON，然后立刻动手：改 JSON-LD、修 feed、起草内容 brief。没有导出环节，也不用从后台复制粘贴。

![geoly-mcp-server-architecture-ai-visibility-workflow.png](https://gslkfhamqhkktynnjqng.supabase.co/storage/v1/object/public/cms-media/geoly-mcp-server-architecture-ai-visibility-workflow.png)

## 三个可以直接抄的工作流

### 1. 在 Claude Code 里跑每晚可见性 diff

让 Claude Code 按计划以 headless 方式运行。agent 拉取当天的可见性结果，与昨天做 diff，把摘要发到 Slack：新赢的 prompt、丢掉的 prompt、排名变动、新出现的竞品引用。如果某个商品卡从 ChatGPT 购物结果里掉了，它会多走一步，检查 feed 里的常见病灶（GTIN 缺失、价格或库存数据过期），然后带着诊断结论开一个 issue。你早上看到的是一份分好类的待办，而不是一个需要自己解读的仪表盘。

### 2. 在 Cursor 里带着实时可见性上下文修 PDP schema

你正在改一个商品模板。与其猜 AI 引擎想要什么，不如直接问 agent：这个商品在哪些 prompt 上输了？它拉取 Share of Card 数据和赢家答案背后的引用，然后告诉你：竞品的商品卡带着评论数和新鲜价格，你的页面连 Product schema 都没有。agent 在同一个会话里把 JSON-LD 写好，针对的是真实差距而不是一份通用清单。一周后再跑一次同样的查询，看卡片有没有回来。

### 3. 部署前在终端或 CI 里跑检查

CLI 可以直接嵌进 CI：门店部署前跑一次审计，检查 PDP 和商品 feed 是否具备 AI 购物就绪度——结构化数据齐全且有效、GTIN 填了、价格和库存够新。有回归就让构建失败，有缺口就告警。那些无聊的周期性任务也归它管：每周把竞品 share of voice 拉进表格，一行 cron 就够。

![geo-audit-automation-mcp-cli-use-cases.png](https://gslkfhamqhkktynnjqng.supabase.co/storage/v1/object/public/cms-media/geo-audit-automation-mcp-cli-use-cases.png)

## 如何开始

整个接入只要几分钟，不用写自定义代码。在 GEOly 账号里连接 MCP server——交互式客户端走 OAuth，agent 和 CI 用只读 Token（Grow 计划起解锁 MCP）。终端场景从 geoly.ai/open/cli 一行命令装 CLI，用同一个 Token 认证，工具集与 server 完全一致。最后是 skills：GEOly 官方 SKILL.md 已上架 Codex 插件市场，教会任何 agent 正确的工具选择、org 与 brand 的发现流程和指标口径；预置技能——品牌叙事、竞品叙事、GEO 诊断、意图盲区分析——把多步审计打包成一次调用，Skill Builder 还能把你自己的方法论沉淀成同样可复用的技能。

如果你的 GEO 工作流还停在「截一张仪表盘的图贴进工单」，工具已经走到你前面了。把数据接到修复发生的地方，从审计到修复的闭环就从几天缩短到一个会话。GEOly 的 MCP server、CLI 和 skills 就是为这件事造的——从 geoly.ai 开始。
