Bhanunamikaze/Agentic-SEO-Skill

解決する課題

このプロジェクトは、AIコーディングアシスタントやエージェントIDEに直接統合できるLLMファーストのSEO分析ツールキットを提供します。クロール可能かどうか、インデックス可能かどうか、Core Web Vitalsなどの技術的SEOの証拠を自動収集し、LLMが高信頼性のSEO監査と戦略的計画を実行するために必要な構造化データを提供します。

動作方法

このシステムは、Cursor、Claude Code、WindsurfなどのAI IDEにインストール可能な「スキル」として機能します。オーケストレーション層では、LLMがユーザーの自然言語リクエストを16の専門的なサブスキルのいずれかにマッチさせます。これらのサブスキルは、89のPythonスクリプトのライブラリを起動し、証拠収集（例：HTMLの取得、robots.txtの確認、JSON-LDスキーマの検証、Playwrightによるスクリーンショットのキャプチャなど）を実行します。その後、LLMはこの原始的な証拠を標準化された監査基準と照合し、信頼度ラベル（Confirmed、Likely、Hypothesis）付きの調査結果と優先順位付けされたアクションプランを生成します。

対象ユーザー

AI搭載IDEを使用し、コーディング環境から離れずに、深い技術的SEO監査、コンテンツ最適化、Generative Engine Optimization（GEO）を実行したい開発者、SEOスペシャリスト、サイトオーナー向けです。

主な特徴

• 広範なIDE対応：Claude Code、Cursor、Windsurf、Codex、Continue.dev、GitHub Copilot、Cline用のネイティブインストールフォーマットを提供。
• 包括的なツールセット：Core Web Vitalsから国際的hreflang検証までをカバーする10の専門エージェントと89のスクリプトを備えています。
• AI検索対応：Generative Engine Optimization（GEO）とAnswer Engine Optimization（AEO）専用のサブスキルを備え、AI概要やLLM引用を最適化します。
• GitHub SEO：READMEの品質やコミュニティプロフィール分析を含む、GitHubリポジトリ最適化の専用ワークフロー。
• 証拠に基づく推論：LLMがすべての調査結果に対して明示的な証拠を使用することを強制し、SEOレポートにおける幻覚を低減します。