Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

mcp-geo

Servidor MCP open source para rastreo de visibilidad AI en SEO y GEO, compatible con ChatGPT, Claude, Perplexity y Gemini. Se ejecuta localmente sin Docker, usando Node.js 22+, con soporte para múltiples motores de búsqueda vía API keys.

Ficha actualizada 22 sept 2026, 17:38 · upstream 22 sept 2026, 16:49 · release v0.3.20

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es mcp-geo

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

mcp-geo es un servidor MCP (Model Context Protocol) diseñado para proporcionar visibilidad sobre la presencia de sitios web en los resultados de IA generativa. Funciona como una herramienta ligera que se integra con clientes LLM populares como ChatGPT, Claude, Perplexity y Gemini, permitiendo auditorías de SEO y GEO sin necesidad de infraestructura compleja.

El proyecto utiliza Next.js y Node.js para su implementación, ejecutándose directamente sobre stdio o mediante endpoints remotos. Su arquitectura es minimalista: no requiere contenedores Docker ni orquestación con Kubernetes, lo que facilita el despliegue en entornos locales o servidores privados. La complejidad técnica es baja (1 core CPU, 1GB RAM), ideal para integración rápida en flujos de trabajo de desarrollo.

Soporta múltiples motores de búsqueda mediante variables de entorno (OPENAI_API_KEY, GEMINI_API_KEY, etc.), permitiendo una configuración flexible según las necesidades del usuario. Los datos permanecen en el dispositivo local cuando se usa en modo stdio, garantizando privacidad y cumplimiento con políticas de seguridad estrictas.

CASOS DE USO
  • Auditoría de visibilidad AI para SEO: verificar si un dominio aparece en resultados de IA generativa.
  • Integración con IDEs y agentes autónomos (Claude Code, Zed, Qoder) para análisis contextual en tiempo real.
  • Monitoreo continuo de rankings en plataformas como Perplexity Computer mediante conectores remotos.
  • Despliegue local sin dependencias externas para equipos que priorizan la privacidad de datos.
PUNTOS DESTACADOS
  • Soporte nativo para múltiples LLMs (OpenAI, Anthropic, Google, Perplexity) mediante configuración de API keys.
  • Ejecución ligera con requisitos mínimos: Node.js 22+, 1 core CPU y 1GB RAM.
  • Privacidad garantizada en modo stdio: todos los datos procesados localmente sin envío a servidores externos.
  • Compatibilidad con clientes MCP populares (LibreChat, Raycast AI, Mistral Vibe Code) mediante configuración JSON/YAML estándar.
PRECAUCIONES
  • Requiere claves API externas para motores de búsqueda; no incluye autenticación nativa ni gestión de credenciales.
  • No soporta Docker ni Kubernetes; el despliegue es manual o mediante npx en entornos Node.js.
  • El endpoint público geo-mcp.digestseo.com/mcp no es un servicio turnkey sin claves para escaneos automáticos.
  • Dependencia de la versión de Node.js 22.13+; versiones anteriores pueden fallar en pruebas CI.
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU1 vCPUrecomendación inicial
MEMORIA1 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADlownivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker detectado

Requiere Node.js 22.13 o superior. Instalar globalmente con npm install -g @digestseo/mcp-geo o usar npx directamente. Configurar variables de entorno (OPENAI_API_KEY, GEMINI_API_KEY, etc.) antes de ejecutar. Para despliegue remoto, exponer el endpoint /mcp en un servidor seguro y configurar OAuth si es necesario. No se recomienda para producción sin autenticación adicional.

✓Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsNode.js
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
No detectados
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.