Servidor MCP de SEO y GEO

seo-geo-mcp-server es un servidor MCP (Model Context Protocol) en TypeScript que dota a un agente de IA —como Claude— de 17 herramientas de solo lectura para auditar una página en dos dimensiones: el SEO clásico (meta tags, encabezados, datos estructurados, imágenes, enlaces, robots.txt, sitemaps, hreflang, redirecciones) y el GEO (Generative Engine Optimization): si ChatGPT, Claude, Perplexity o Gemini pueden realmente rastrear, leer y citar esa página. Sin API keys: todo se resuelve con HTTP, DNS y robots.txt públicos.

Es el hermano del servidor MCP de seguridad de dominio y comparte su arquitectura: un core puro sin acoplamiento a MCP, envoltorios finos como herramientas, y guards anti-SSRF revalidados en cada salto de redirección.

Por qué GEO y no solo SEO

La parte de GEO existe porque hay dos mecanismos que deciden si una IA puede citarte y que casi nadie revisa:

• Bloquear el entrenamiento no es lo mismo que bloquear la citación. Bloquear GPTBot impide el entrenamiento; bloquear OAI-SearchBot te borra de los resultados de ChatGPT. Mucha gente que quería lo primero ha hecho lo segundo sin saberlo. El servidor separa ambos grupos y avisa.
• La mayoría de crawlers de IA no ejecutan JavaScript. Googlebot sí; GPTBot, ClaudeBot, PerplexityBot y CCBot en general no. Una página renderizada en cliente puede posicionar bien en Google y ser invisible para todos los asistentes de IA. El servidor detecta ese caso.

Características

• 17 tools con salida tipada: cada herramienta declara inputSchema y outputSchema (Zod) y devuelve structuredContent validado por el SDK, además de markdown legible.
• Dos herramientas estrella: seo_audit audita siete secciones ponderadas en una sola descarga de la página y devuelve nota A–F con correcciones priorizadas; geo_audit puntúa la preparación para motores de respuesta de IA en siete señales.
• Registro de crawlers verificado contra documentación oficial de OpenAI, Anthropic, Google, Perplexity, Apple, Meta, Amazon, Mistral y otros. Cada token registra su procedencia (documentación de primera mano o agregador comunitario) y si el fabricante respeta de verdad robots.txt.
• Matcher de robots.txt conforme a RFC 9309: tokens sin distinguir mayúsculas, fusión de grupos, patrón más largo con desempate a favor de Allow, comodines * y anclaje $, más la excepción documentada de Apple (Applebot hereda las reglas de Googlebot).
• Honestidad por diseño: llms.txt se detecta y valida, pero no puntúa en la auditoría, porque es una propuesta comunitaria sin adopción y Google ha declarado que no la usa. Los bloqueos a bots que documentan ignorar robots.txt se reportan como inaplicables, no como bloqueos limpios.
• Dos transportes: stdio para clientes locales (Claude Desktop / Claude Code) y Streamable HTTP sin estado para auto-hospedaje detrás de un reverse proxy (Coolify/Traefik), con Dockerfile incluido.
• Probado: 32 tests unitarios deterministas sobre el matcher de robots, la detección de SPA y el parseo de JSON-LD, más un smoke test que llama a las 17 herramientas por el protocolo real y valida cada salida contra su esquema.

Stack técnico

• TypeScript estricto (noUncheckedIndexedAccess, outputSchema en las 17 tools)
• @modelcontextprotocol/sdk con registerTool e instructions a nivel servidor
• Zod para validación de entrada y salida
• Cheerio para el parseo del DOM
• Express para el transporte HTTP sin estado
• Node.js (fetch con guard SSRF por salto, tope de bytes, resolución DNS pública)
• Docker para el despliegue self-hosted

Repositorio

Ver en GitHub →

Objetivo

Cubrir un hueco real: las herramientas de SEO on-page son interfaces web que un agente no puede operar, y las de GEO suelen ser cuadros de mando de posicionamiento de pago. Este servidor pone ambas cosas al alcance de un agente, sin llaves, y con una postura explícita sobre qué señales están respaldadas por documentación de los fabricantes y cuáles no.