AC ahrefs-mcp
Доступ к данным Ahrefs SEO через Model Context Protocol (MCP) для комплексного SEO-анализа, исследования ключевых слов, анализа обратных ссылок, аудита сайтов и конкурентной разведки. Используйте, когда пользователи упоминают: (1) SEO-запросы о веб-сайтах, доменах или URL-адресах, (2) исследование ключевых слов, данные о позициях или объеме поиска, (3) анализ обратных ссылок или профилей ссылок, (4) метрики домена (DR, UR, трафик), (5) анализ конкурентов или сравнение сайтов, (6) отслеживание позиций или анализ SERP, (7) анализ пробелов в контенте, (8) запросы данных из Site Explorer. При неуверенности, является ли запрос связанным с SEO, спросите, следует ли использовать Ahrefs.
машинный переводПоказать оригиналСкрыть оригинал«Access Ahrefs SEO data through Model Context Protocol (MCP) for compre…»
Access Ahrefs SEO data through Model Context Protocol (MCP) for comprehensive SEO analysis, keyword research, backlink analysis, site audits, and competitive intelligence. Use when users mention: (1) SEO-related queries about websites, domains, or URLs, (2) Keyword research, rankings, or search volume data, (3) Backlink analysis or link profiles, (4) Domain metrics (DR, UR, traffic), (5) Competitor analysis or site comparison, (6) Rank tracking or SERP analysis, (7) Content gap analysis, (8) Site Explorer data requests. When uncertain if a query is SEO-related, ask if Ahrefs should be used.
Доступ к данным Ahrefs SEO через Model Context Protocol (MCP) для комплексного SEO-анализа, исследования ключевых слов, анализа обратных ссылок, аудита сайтов…
Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 59/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 55Ошибки и развилки. Развилок: 1
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 42
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 899 токенов
- 100Повторный запуск. Изменяющих операций нет
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 597 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 42 пунктов
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.