MCP Cro Analyzer

CRO MCP服务器

异步转换率优化（CRO）分析器，获取网页，使用BeautifulSoup构建结构指标，并将其输入Ollama托管的LLM，以返回三个优先问题，并给出建议和估计影响。设计为作为简单的CLI驱动的MCP（模型上下文协议）助手运行，或嵌入到更大的自动化流中。

亮点

• 异步HTTP获取 httpx （重定向支持和每个请求超时）
• 通过以下方式进行确定性DOM解析 BeautifulSoup 再加上CTA、表单和信任信号的轻量级启发式方法
• 结构化度量层(PageMetrics)将解析与推理逻辑分开
• Ollama客户(llama3 默认情况下）强制转换为严格的JSON输出，以获得可重复的问题列表
• 用于单次或批量URL分析的MCP工具

项目布局

• src/api.py –编排获取→ 解析→ 指标→ 推理流程
• src/analyzer.py –HTML解析工具和 MetricsBuilder
• src/metrics.py –数据类(PageMetrics, CROIssue)
• src/reasoning.py – CROReasoningEngine 与Ollama对话并执行JSON合同
• src/utils.py –日志记录、URL验证、安全的JSON助手
• examples/sample_output.json –响应有效载荷示例
• tests/test_analyzer.py –用于解析器+度量构建器的Pytest覆盖率

先决条件

• Python 3.12+
• 奥拉玛 使用可访问的模型在本地或远程运行（默认为 llama3)

设置

python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

创建一个 .env 文件（或导出变量）以调整运行时行为：

OLLAMA_HOST=http://localhost:11434
OLLAMA_MODEL=llama3
MCP_PORT=3000
DEBUG=false

配置已加载 src/config.py，这也应用了合理的超时默认值。

用作MCP服务器

运行基于stdio的MCP服务器：

python server.py

从游标连接

1. 打开 Settings → Features → MCP.
2. 点击 + Add New MCP Server.
3. 选择 stdio 并将命令设置为 python /absolute/path/to/server.py.
4. 保存，然后调用 analyze_url 或 analyze_urls 来自Composer/Chat的工具。

从ChatGPT桌面（或其他MCP客户端）连接

• 添加自定义MCP源，并将其指向上面的相同stdio命令。
• 确保环境能够进入Ollama(OLLAMA_HOST)在启动客户端之前。
• 注册后，像任何其他MCP集成一样调用公开的工具——服务器返回JSON，其中包含指标和三个问题。

测试

pytest

当前的测试涵盖了DOM解析器和度量生成器。扩展 tests/ 在更改提示格式或数据类之前，使用推理引擎进行模拟。

开发说明

• 所有日志记录都会通过 src/utils.logger；如果需要调试跟踪，请调整那里的日志级别。
• CROReasoningEngine.safe_json_parse 防御性地修剪格式错误的输出，但保持提示符合“仅JSON”规则会产生最佳的可靠性。
• 如果添加新指标，请更新 PageMetrics、构建器和内部的响应序列化器 src/api.py 一起。

故障排除

• 获取页面时超时： 提高 FETCH_TIMEOUT 在 src/config.py 或者验证目标URL是否可访问。
• Ollama连接错误： 确保 ollama serve 正在运行，并且 OLLAMA_HOST 可以从这台机器访问。
• 模型中的JSON无效： 引擎退回到单个“无法分析页面”问题；检查日志并在提示下迭代。