O que ahrefs-mcp faz?
Servidor MCP da Ahrefs para dados de SEO, backlinks, pesquisa de palavras-chave e análise competitiva
Servidor MCP da Ahrefs para dados de SEO, backlinks, pesquisa de palavras-chave e análise competitiva
Este servidor MCP (Model Context Protocol) integra as poderosas APIs da Ahrefs diretamente em assistentes de IA como Claude, Cursor e Codex. Ele permite que agentes de IA consultem dados de SEO em tempo real, incluindo análise de backlinks, pesquisa de palavras-chave, tráfego orgânico e métricas competitivas de domínio. A habilidade é útil para profissionais de marketing digital, SEOs e desenvolvedores que desejam automatizar tarefas de SEO ou obter insights acionáveis sem sair do ambiente de desenvolvimento. Ao expor ferramentas como `get_backlinks`, `get_keyword_difficulty` e `get_domain_metrics`, o servidor facilita a execução de análises complexas de SEO diretamente por comandos de linguagem natural no seu assistente de IA.
npx skills add ahrefs/ahrefs-mcpInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Servidor MCP da Ahrefs para dados de SEO, backlinks, pesquisa de palavras-chave e análise competitiva
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.