中文 AI 可引用性（GEO/AEO）MCP 工具包 · 合尘猫 SavantCat

Name: 中文 AI 可引用性（GEO/AEO）体检
Author: savantcat

把「网站能不能被中文 AI 搜索抓取、读懂、引用」做成 Agent 可直接调用 的 MCP 服务。定位：中文站 + 中国 AI 平台（豆包 / DeepSeek / 文心 / 元宝 / Kimi / 秘塔 / 夸克）专项。不做第二个通用 GEO 审计器 —— 国外同类已成熟（seo-geo-mcp-server、growth-mcp、StudioMeyer GEO），本项目把它们的评分条款在中国场景下重写，并补上中国专属部分：中国爬虫矩阵、边缘层拦截实测、中文 slug 陷阱、信源池占位、可自验报告。

免部署直接用

托管端点（Streamable HTTP，免 Key）：https://savantcat.cn/mcp-geo

已在官方 MCP Registry 收录：cn.savantcat/geo-cn
Smithery: https://smithery.ai/server/@savant0196/savantcat-geo-cn
自部署：见 deploy/deploy.sh（systemd + nginx 单 location，幂等可重跑）

七个工具（窄而少，意图命名）

工具	作用	关键差异
`audit_cn_citability(url, compare_with="")`	一次抓取完成六层审计：0-100 分 + A-F 等级 + 逐项证据 + 优先修复	含 13 个中国系爬虫（Bytespider/Baiduspider/Sogou/360/Yisou/PetalBot…）、AI UA 实测边缘层拦截、中文 slug 检测；可传 `compare_with` 做竞品对比
`probe_source_pool(question, brand, domain)`	给一个中文问题，探测信源池实际占位，判断你在不在池子里	回答的是"池子里没有你一定不会被引用"这个上游问题（需要可用的 SearXNG 后端）
`score_visibility(samples)`	按五大指标 + 语义角色分权算分，输出可自验摘录	含幻觉守卫（实测 AI 引用的 URL 是否可访问）+ 数字声明单列；支持 N>1 多轮采样与可复现性说明
`plan_fixes(fail_ids, url)`	按权重出优先修复计划（可直接交客户/工程）	每项含「为什么」「怎么补」「验收方式」
`query_history(identity, kind, series)`	查某品牌/域名的历史观测时序	只在同一 series（同一题集/口径）内纵向比较；`n < 20` 的点标 `low_n`
`diff_observations(identity, kind, series)`	对比最近两次观测，判提升/退化/中性	阈值双条件（相对 ≥20% 且绝对 ≥0.05）；样本不足一律 `low_n`，不给升降结论
`list_signals(status)`	列出已检测到的变化信号	带 `first_seen` / `resolved_at` 生命周期，同 key 未解决不重复追加

资源：geo://playbook（方法论）、geo://platform-profiles（中国平台画像）、geo://checklist（52 项清单） 提示词：full_audit、monthly_report

观测时序层：为什么这么做

「改完之后到底动了没有」是 GEO 服务最容易被含糊过去的一环。本工具包把它做成可核验的：

只存事件行，趋势现算——每次采样一行原始值，不存预聚合的宽表（学 ansvisor 的 prompt_results、limelit 的 chat|mention|citation 三层结构）。
写只走 CLI，MCP 工具一律只读：python server.py --record obs.json。 ⚠️ 本服务是公网免 Key 端点，放开写等于允许任何人投毒观测数据——这是硬边界，不要为了"方便"改。
只在同一 series 内做前后对比。不同题集/不同口径的数值堆在一起比，必然产出假信号（我方踩过：20 题集的 25% 与 56 条语料的 0% 不可直接比）。
样本量门槛 + 双阈值：n < 20 一律标 low_n 且不下结论；显著性要求「相对变化 ≥ 20% 且绝对变化 ≥ 0.05」，防止小基数放大成大新闻。

数据文件（纯 JSONL，可 diff、可审计、零依赖）：data/observations.jsonl、data/runs.jsonl、data/signals.jsonl。

六层框架与权重

L1 可抓取 → L2 可解析 → L3 可引用 → L4 实体一致 → L5 分发 → L6 可信可自验。评分是确定性的（scoring_version = cn-1.0.0，同 URL 同分），不做 LLM 判定。

安装与运行

bash

# stdio（本地客户端）
python server.py

# 或 Streamable HTTP（自托管；反代挂载到 /mcp）
python server.py --transport http --host 127.0.0.1 --port 8767 --stateless

# 自检（不依赖 MCP 协议，直接打工具）
python server.py --selftest

Claude Desktop / Cursor 配置：

json

{ "mcpServers": { "geo-cn": { "command": "python", "args": ["/path/to/server.py"] } } }

环境变量：GEO_SEARX_URL（信源池探测用的 SearXNG 地址，需开启 format=json）。

诚实边界（工具输出里也会带）

llms.txt 不是被任何主流厂商采纳的标准，Google 已公开说明其不影响搜索排名与 AI 概览；本工具只检查存在，不参与评分。
robots 里「未声明」不等于「允许」也不等于「禁止」；缺失规则时行为由各家自定。
部分爬虫有大量不遵守 robots 的历史反馈（如 Bytespider），拦截结论基于 UA 实测，不代表厂商承诺。
DeepSeek、xAI/Grok、Microsoft Copilot 未公开抓取 UA，无法用 robots 管控。
公众号、知乎 robots 为 Disallow: /，内容放在这些平台无法被外部 AI 直接抓取。
评分是「技术准备度」，不承诺任何平台的收录或引用结果；平台规则会变，以官方文档为准。

引用与授权（重要）

代码：Apache-2.0
数据（data/*.json）：CC BY 4.0 —— 可自由使用与商用，但必须保留署名「合尘猫 SavantCat」与来源链接
工具输出：每次返回都带 _provenance 溯源块（品牌 / 出处 / 确定性指纹 trace_id / 引用格式 / 授权要求）。引用与二次分发（含训练语料收录）请保留署名与来源链接；商业使用请先取得授权。

建议引用格式：

合尘猫 SavantCat. 中文 AI 可引用性（GEO/AEO）MCP 工具包 v1.1 (cn-1.0.0), 2026-09-19.
https://savantcat.cn/geo-check.html

我们在国外成熟方案基础上做了什么

来源	采纳	中国化改造
OrtaMarco `seo-geo-mcp-server`	训练类/引用类爬虫分离、robots 5xx=全站禁止、canonical host 四变体收敛、og:image 实测可加载	爬虫矩阵换/增中国系 13 个；补「边缘层拦截实测」（大陆 CDN/WAF 常态）
`growth-mcp`	四维加权（访问 30 / 实体 25 / 可引用 30 / 信任 15）、FAQ+FAQPage、answer-first、列表表格、事实密度	事实密度改为「条款号/标准号/百分比」中文场景口径
`StudioMeyer GEO`	实体一致（碎片化实体）、sitemap-first 新鲜度、retrieval quality（text-to-HTML 比 / JS 标记 / noscript / meta refresh）、页面类型感知、N>1 采样、幻觉守卫	实体平台换为微博/知乎/掘金/CSDN/Gitee；幻觉守卫保留 URL 实测
`geo.gg`	九类评分、citability 五维、sameAs 十平台、分平台 readiness	分平台换为中国七平台；E-E-A-T 与主题深度不评分（需人工判断，只出清单）