Was macht ahrefs-mcp?
Ahrefs MCP-Server für SEO-Daten, Backlinks, Keyword-Recherche und Wettbewerbsanalyse
Ahrefs MCP-Server für SEO-Daten, Backlinks, Keyword-Recherche und Wettbewerbsanalyse
Dieser Skill bietet einen MCP-Server (Model Context Protocol), der direkten Zugriff auf die leistungsstarken SEO-Daten von Ahrefs ermöglicht. Er ist für Entwickler und SEO-Experten konzipiert, die ihre Workflows mit KI-Agenten wie Claude Code, Cursor oder Codex automatisieren möchten. Der Skill ermöglicht Abfragen zu Backlinks, Keyword-Recherche, Wettbewerbsanalysen und anderen SEO-Metriken in Echtzeit. Durch die Integration in KI-gesteuerte Entwicklungsumgebungen können Teams ohne manuelle Aufrufe der Ahrefs-Oberfläche schnell Optimierungspotenziale identifizieren, Wettbewerbsstrategien analysieren und datenbasierte SEO-Entscheidungen treffen. Der Server unterstützt gängige Protokolle und lässt sich nahtlos in bestehende MCP-Workflows einbinden, was eine effiziente und automatisierte SEO-Analyse direkt aus der Entwicklungsumgebung heraus ermöglicht.
npx skills add ahrefs/ahrefs-mcpInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ahrefs MCP-Server für SEO-Daten, Backlinks, Keyword-Recherche und Wettbewerbsanalyse
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.