Seo MCP Poc

SEO MCP POC

一个使用模型上下文协议（MCP）服务器进行SEO分析的概念验证应用程序，集成了DataForSEO和谷歌搜索控制台。

特性

• 聊天界面：简单的基于Streamlit的聊天界面，用于与SEO代理进行交互
• 流输出：代理响应的实时流式传输
• LLM思维：展示代理人的推理和思维过程
• MCP集成：通过MCP服务器连接到DataForSEO和谷歌搜索控制台

设置

1. 安装依赖项：

pip install -r requirements.txt

1. 在中设置环境变量 .env:

OPENAI_API_KEY=your_openai_api_key
DATAFORSEO_USERNAME=your_dataforseo_username
DATAFORSEO_PASSWORD=your_dataforseo_password
GSC_CREDENTIALS_PATH=/path/to/service_account_credentials.json
DATAFORSEO_URL=http://localhost:3000/mcp  # Optional, for HTTP server
MODEL=gpt-4o-mini  # Optional, default model

1. 在中配置GSC服务器路径 src/agents/seo_agent.py 或通过环境变量：

• GSC_CREDENTIALS_PATH：服务帐户凭据的路径（默认为 /Users/Hemant/Downloads/service_account_credentials.json)
• 更新中的GSC服务器命令路径 SEOAgent.get_mcp_client() 如有需要

运行应用程序

Streamlit聊天界面

运行Streamlit应用程序：

streamlit run app.py

该应用程序将在您的浏览器中打开 http://localhost:8501

聊天界面的功能

• 简单的聊天界面：干净、直观的聊天界面
• 实时流媒体：代理处理您的请求时，实时响应流
• 工具调用指示器：查看代理何时调用带有视觉指示器的工具
• 错误处理：强大的工具错误处理，用户友好的消息
• 模型选择：通过侧边栏从不同的OpenAI模型中进行选择
• 聊天历史记录：在会话期间维护对话历史记录
• 清除聊天：清除聊天记录的按钮

用法

1. 启动Streamlit应用程序
2. 在聊天输入中输入您的SEO问题
3. 实时查看代理的响应流：

- 查看发生的工具调用(🔧 指示器） - 观察响应逐个字符显示 - 代理将使用适当的工具（DataForSEO、GSC） - 优雅地处理错误 - 提供SEO见解和分析

1. 使用侧边栏更改模型或清除聊天记录

项目结构

seo-mcp-poc/
├── app.py                  # Main Streamlit application entry point
├── app.ipynb              # Jupyter notebook for testing
├── src/
│   ├── agents/
│   │   └── seo_agent.py   # SEO Agent class with MCP integration
│   ├── instructions/
│   │   └── seo_agent_instruction.py  # Agent system prompts
│   ├── middleware/
│   │   └── tool_error_handler.py     # Tool error handling middleware
│   ├── ui/
│   │   └── app_ui.py      # Streamlit UI components
│   ├── sample.py          # Example script
│   └── sample.ipynb       # Jupyter notebook examples
├── requirements.txt       # Python dependencies
├── pyproject.toml        # Project configuration
└── README.md             # This file

MCP服务器

DataForSEO

• 提供关键字研究、SERP分析和SEO数据
• 可以使用HTTP服务器（如果可用）或stdio传输

谷歌搜索控制台（GSC）

• 提供网站性能和搜索分析
• 使用stdio传输
• 需要服务帐户凭据

备注

• 代理在首次使用时初始化，并缓存在Streamlit会话状态中
• MCP服务器是自动管理的
• 工具错误通过用户友好的消息得到妥善处理
• 代理人使用LangChain的 create_agent 使用错误处理中间件
• 模型选择更改将重新初始化代理

错误处理

该应用程序包括用于工具执行的稳健错误处理：

• 工具错误被捕获并转换为用户友好的消息
• 代理可以在适当的时候重试操作
• 显示错误消息以帮助用户了解问题所在