Bhanunamikaze/Agentic-SEO-Skill

해결하는 문제

이 프로젝트는 AI 코드 보조 도구와 에이전트 IDE에 직접 통합될 수 있도록 설계된 LLM 기반의 SEO 분석 툴킷을 제공합니다. 크롤러 가능 여부, 인덱싱 가능 여부, Core Web Vitals와 같은 기술적 SEO 증거를 자동으로 수집하고, LLM이 높은 신뢰도로 SEO 감사 및 전략 계획을 수행할 수 있도록 구조화된 데이터를 제공합니다.

작동 방식

이 시스템은 Cursor, Claude Code, Windsurf 등의 AI IDE에 설치 가능한 "스킬"로 작동합니다. 오케스트레이션 계층에서 LLM은 사용자의 자연어 요청을 16개의 전문 서브스킬 중 하나와 매칭합니다. 이 서브스킬들은 HTML 가져오기, robots.txt 확인, JSON-LD 스키마 검증, Playwright를 통한 스크린샷 캡처 등 89개의 Python 스크립트로 구성된 라이브러리를 트리거하여 증거를 수집합니다. 이후 LLM은 이 원시 증거를 표준화된 감사 기준과 비교하여 신뢰도 레이블(Confirmed, Likely, Hypothesis)이 붙은 발견 결과와 우선순위가 매겨진 실행 계획을 생성합니다.

대상 사용자

AI 기반 IDE를 사용하고, 코딩 환경을 벗어나지 않고도 깊이 있는 기술적 SEO 감사, 콘텐츠 최적화, Generative Engine Optimization(GEO)를 수행하고자 하는 개발자, SEO 전문가, 사이트 소유자에게 적합합니다.

주요 특징

• 다양한 IDE 지원: Claude Code, Cursor, Windsurf, Codex, Continue.dev, GitHub Copilot, Cline용 네이티브 설치 형식 제공.
• 포괄적인 도구 세트: Core Web Vitals부터 국제적 hreflang 검증까지 모든 항목을 커버하는 10개의 전문 에이전트와 89개의 스크립트 포함.
• AI 검색 대응: Generative Engine Optimization(GEO)와 Answer Engine Optimization(AEO)를 위한 전용 서브스킬로 AI 개요 및 LLM 인용 최적화 지원.
• GitHub SEO: README 품질 및 커뮤니티 프로필 분석을 포함한 GitHub 리포지토리 최적화 전용 워크플로우.
• 증거 기반 추론: LLM이 모든 발견에 대해 명시적인 증거를 사용하도록 강제하여 SEO 보고서의 환각 현상을 줄입니다.