MCP для SEO и GEO: что это такое и зачем он нужен

Всем привет. Меня зовут Артем, вот уже более 18 лет я занимаюсь маркетингом. Последние несколько лет развиваю Signum.AI - платформу для автоматизации продвижения брендов в ответах нейросетей.

За время работы наблюдал, как инструментарий SEO-специалиста менялся от простой работы с планировщиком кейвордов, до полноценных ИИ-агентов, которые могут закрыть собой большую часть рутинных задач.

Сегодня бытует мнение на рынке, что SEO/GEO специалистов скоро заменит ИИ. Но на самом деле, это не так. В одном из своих последних постов в Telegram, я писал, что Google например все чаще начал внедрять карательные системы за массовую генерацию контента. А это значит, что формирование стратегии, работа над качеством контента и полезностью все еще имеет большое значение.

При этом, можно заметить как сильно сегодня растет эффективность базового сеошника. Если раньше нам приходилось использовать 10+ инструментов ежедневно, то сегодня все сводится к тому, чтобы подключить все свое рабочее пространство к ИИ-чату и решать все свои задачи через него.

Можно сказать, что запрос на упрощение воркфлоу сеошников как раз и привел рынок к идее MCP-сервера для SEO. О чем я в этой статье и хочу рассказать подробнее.

MCP или Model Context Protocol это открытый стандарт подключения ИИ-ассистентов к внешним сервисам и данным.

Данный стандарт представили ребята из Anthropic в ноябре 2024 года. И за несколько лет он стал отраслевой нормой. MCP сейчас поддерживают Claude, ChatGPT, Cursor, Copilot и десятки других клиентов.

Хорошая и простая аналогия, которая попалась мне на глаза, что MCP это USB-C для нейросетей. Грубо говоря, раньше под каждую связку модель + сервис нужно было писать отдельную интеграцию. А сегодня сервис один раз выпускает MCP-сервер, и к нему подключается любой совместимый ИИ-ассистент.

Главное, что получили SEOшники - это то что теперь ИИ-чаты работают не с историческими данными, отвечая по памяти, а могут взаимодействовать с живыми данными в моменте.

Например, после подключения Google Analytics к вашему Claude, вы через MCP можете задавать вопросы в духе, какая прямо сегодня была посещаемость моего сайта, из каких источников, что выросло, а что упало. Или просить его давать краткое саммари. Claude подтянет эти данные напрямую с аналитики и выдаст вам ответ.

Без MCP сервера вам пришлось бы руками вносить все эти данные, кидать скриншоты или отправлять csv и только потом работать с этим. Что согласитесь, весьма, неудобно.

В схеме работы есть 3 участника.

1. Клиент - это ChatGPT, Claude, Cursor или любой другой агент, куда вы отправляете свои запросы.

2. Сам MCP-сервер - можно охарактеризовать это как прослойку, которая описывает, что умеет сервис, откуда тянутся данные. Например: выгрузить данные по кликам с Search Console или проверить трафик сайта за неделю.

3. Источник данных - это API тех сервисов, откуда вы хотите подтягивать информацию. Например, API Signum.AI, Ahrefs, Вордстата или вашей CRM.

То есть, логика выглядит так.

Когда вы задаете вопрос, по каким ключам наш сайт вырос за прошедший месяц, последующий конвейер выглядит следующим образом:

1. Запросит данные по вашей видимости в органике через MCP в Ahrefs или Topvisor
2. Проанализирует полученные списки с данными
3. Если чего-то будет нехватать, дозапросить эти данные
4. Вернет вам не сырые таблицы, а конкретные выводы, где растете, где падаете, где есть точки роста и т.д.

Важный момент. MCP не генерирует новые данные. Он просто дает новый интерфейс к данным, за которые вы уже платите. Без подписки на условный Ahrefs или Signum.AI MCP-сервер будет бесполезен.

Как мы и обсуждали ранее, чат-боты отвечают на вопросы опираясь на свои исторические данные, на которых они были обучены.

То есть, ChatGPT может разбираться в терминологии, понимать что такое хорошо, а что плохо. Но он не сможет ответить на вопрос по конкретно вашим данным.

С подключенным MCP ChatGPT начинает работать как настоящий аналитик

Логика работы для SEO и для GEO абсолютно одинаковая. Разница лишь в том, откуда тянуться данные.

Например, для работы с SEO ваш стандартный набор источников данных может выглядеть следующим образом: Ahrefs + Google Analytics + Google Search Console + Topvisor.

Данные тут очень стандартизированные. Ключи, позиции, данные по трафику и кликам.

В GEO (generetive engine optimisation) ваш стек может выглядеть примерно так: Signum.AI + Google Analytics + Google Search Console. В рамках GEO нас интересует, не заблокированы ли боты ИИ краулеров на нашем сайте, появляется ли наш бренд в ответах ИИ и как часто. В остальном, все то же самое.

К осени 2026 года официальные MCP-серверы выпустили все крупные SEO-платформы, а в каталогах насчитывается больше 60 серверов для SEO. Главное правило выбора простое: берите сервер того сервиса, за который уже платите.

Классическое SEO

Ahrefs MCP. Дает доступ к ссылкам, ключам конкурентов, трафику и сложности ключевых слов. Подключается удаленно, вход через OAuth. Входит в тарифы от Lite (около $129 в месяц) и расходует API-единицы.

Semrush MCP. Ключи, ссылки, аналитика доменов, плюс данные Trends: оценка трафика и аудитории конкурентов. Подключается удаленно через OAuth или по ключу, доступен прямо в ChatGPT. Расходует API-единицы в рамках подписки.SE Ranking MCP. Самый широкий набор: больше 160 инструментов, включая ключи, позиции, аудит сайта, анализ конкурентов и AI-видимость. Подключается удаленно. Работает по подписке и стоит заметно дешевле Ahrefs и Semrush.

DataForSEO MCP. Сырые данные: поисковая выдача, ключи, ссылки, on-page анализ. Можно подключить удаленно или запустить локально. Оплата за каждый запрос, без подписки.

Google Search Console и GA4. Ваши собственные клики, показы, запросы и конверсии. Подключаются через бесплатные локальные open source серверы.

Яндекс Вебмастер, Метрика и Wordstat. Запросы, индексация, поведение пользователей и частотность. Тоже работают через бесплатные локальные open source серверы, например yandex-mcp или seo-tools-mcp.

GEO и видимость в нейросетях

Superlines MCP. Показывает видимость бренда в AI-ответах, цитирования и долю голоса. Дает доступ к данным собственной платформы.

LLM Pulse MCP. Упоминания бренда, цитирования, тональность и сравнение с конкурентами. Работает с данными своей платформы.

SurfRank MCP. Отчеты по AI-видимости и сравнение с конкурентами на базе данных платформы.

MentionsAPI MCP. Разовые проверки упоминаний бренда в ChatGPT, Claude, Gemini, Perplexity и AI Overviews. Оплата за каждую проверку.

На сегодня существует два типа серверов.

1. Удаленные - это сервера которые крутятся на стороне вендоров. Вы просто берете адрес вендора, вставляете его в ваш чат-бот и все работает.

2. Локальные - это сервера, которые запускаются на вашем компьютере, например через Python. Где от вас так же потребуется прописать ключи в конфигах.

Как вы уже наверно заметили, удаленные сервера значительно проще в установке. Локальные дают больше контроля и часто бесплатные.

Для подключения нам нужно перейти в наш Claude (или ChatGPT, в завасимости от того, с чем вы обычно работаете) и найти в настройках, раздел Connectors. Туда добавьте свой коннектор, вставить адрес сервера (например, для Ahrefs это https://api.ahrefs.com/mcp/mcp) и войти в аккаунт сервиса.

В Claude Code подключение происходит через одну команду в терминале:

claude mcp add ahrefs --transport http https://api.ahrefs.com/mcp/mcp
Локальный сервер. Прописывается в конфигурации клиента. Пример для DataForSEO:
"dataforseo": {
  "command": "npx",
  "args": ["-y", "dataforseo-mcp-server"],
  "env": { "DATAFORSEO_USERNAME": "...", "DATAFORSEO_PASSWORD": "..." }
}

Советую, если сервис позволяет выбрать уровень доступа, ставьте только чтение. Для анализа агенту не нужно право что-то менять в вашем аккаунте.

И так, с тем как это работает и как настроить свой сервер разобрались. Давайте теперь обсудим парочку юзкейсов, где это применимо для SEO и GEO задач.

Ниже постарался описать парочку задач, для которых я сам использую MCP в своей работе.

Для SEO

1. Анализ посадочных страниц и подготовка ТЗ на оптимизацию. Отдаю чату свою страницу, которую хочу оптимизировать, даю доступ к позициям этой страницы через топвизор и данным по трафику и кликам через Google Analytics и Search Console.

Далее прошу ИИ сходить в топ выдачи гугла и посмотреть конкурентов. На выходе прошу составить ТЗ с контентом и оптимизацией, что нужно улучшить, чтобы подтянуть страницу до тех, кто выпадает в топ-10 по моим запросам.

Иногда для своих проектов я еще валидирую микроразметку страниц по аналогии с validator.schema.org с помощью локальной библиотеки extruct на Python, которую так же подключаю к боту для быстрой проверки через одно окно.

2. Каннибализация. Аналитика в духе: найди запросы, по которым ранжируются две и более наших страницы, и предложи, какую оставить главной.

3. Разбор просадки. Мой запрос: сравни трафик из Search Console за последние 28 дней с предыдущим периодом. Какие страницы просели сильнее всего и по каким запросам? Проверь в Ahrefs, не потеряли ли эти страницы ссылки.

Для GEO

1. Срез видимости в ИИ. Запрос: упоминают ли ChatGPT и Perplexity наш бренд по запросу „лучший сервис для X“? Кого называют вместо нас?

2. Источники цитирования. Запрос: какие сайты нейросети чаще всего цитируют в нашей нише? Где нам нужно появиться, чтобы попасть в ответы?

3. Связка SEO и GEO. Запрос: страницы, которые растут в Google, цитируются ли они в AI-ответах? Где расхождение?

Последний сценарий, на мой взгляд, очень недооцененный. Сильные позиции в Google не гарантируют присутствия в ответах нейросетей, и наоборот. MCP позволяет увидеть этот разрыв за минуты.

О плюсах поговории, давайте теперь разберем минусы.

1. Расход денег. Многие сервисы, будь то Ahrefs, DataForSEO или Топвизор списывают плату за запросы. И агент может сам решать сколько вызовов к этим сервисам ему нужно сделать, чтобы составить полную картину. А значит, при размытом и не конкретном запросе (например, если не указываете период анализа) нейронка может сожрать целую кучу денег.

2. Доступные лимиты. На сегодня, многие модели ограничены лимитами на обработку данных. Например, вы можете попросить нейронку обработать слишком большой объем данных, скажем 100,000 ключей, с чем конечно же она не справится и в лучшем случае выдаст вам порезанный результат анализа. А в худшем просто потратит ваши деньги и не ответит на ваш запрос.

3. Ошибки интерпретации данных. ИИ очень часто ошибается и если запрос довольно сложный и абстрактный, вы можете получить много галлюцинаций, где нейронка сама напридумывает метрики и будет давать советы, которые не соответствуют реальности.

4. Вопросы к безопасности. MCP-серверы получают много доступов к вашим данным. И тут, к сожалению, вы не застрахованы от взломов и prompt injection. Особенно, если речь идет об опенсорсных серверах или серверах от непроверенных поставщиков.

Мы в Signum.AI прямо сейчас изучаем возможности, что сегодня не хватает рынку и какие еще фичи можно воплотить в жизнь. Опираясь на свой опыт и итоги каздевов могу выделить следующие боли.

1. Нехватает официальных серверов от поисковиков. Конечно же, самые важные данные о вашем сайте лежат в Search Console и Яндекс Вебмастере. Но ни один ни другой не имеют официальных MCP. По этой причине приходится ставить сторонние решения, которые имеют свои ограничения и риски (см риски выше).

2. Стандартизация GEO-данных. Если SEO рынок весьма понятный и устоявшийся, то среди GEO платформ все считают процент видимости по своему.

По этой причине, данные о видимости на условном Profound могут отличаться от данных видимости на Signum.AI и это не бага, а текущая особенность рынка. Цифры разных сервисов почти невозможно сравнивать, а многие open source проекты забрасываются через несколько месяцев.

3. Предсказуемая стоимость. Как и писал выше в рисках, ИИ может потреблять ресурсы как не в себя, просто потому что он так решил. И сегодня ни один вендор не дает удобного способа контролировать это из коробки. Особенно серьезно эта проблема выглядит для больших агентств, у которых десятки и сотни клиентов на обслуживании.

Как я и писал в самом начале, MCP не заменит живого SEO/GEO-специалиста. Во-первых, потому что существующие решения не идеальны, во-вторых, потому что кому-то нужно анализировать полученные данные и принимать решения.

Но при этом, MCP снимает большую часть рутинных задач. А значит специалист сможет работать быстрее и эффективнее (ну или качественнее).

Кроме того, MCP для SEO это уже устоявшаяся история, в то время как для GEO, рынок только формируется и пока нет стандартов.

Надеюсь, вам понравилась данная статья. А если у вас остались вопросы или вам нужна помощь с продвижением, смело пишите мне в Telegram. Буду рад помочь!