Ubersuggest MCP

Ubersuggest MCP

A standalone MCP server for Ubersuggest that runs entirely locally using SQLite and Playwright, providing tools to query subscription status, projects, domain overview, keyword research, site audit, and more.

Category
访问服务器

README

Ubersuggest MCP - Standalone Node.js Runner

Implementasi standalone Model Context Protocol (MCP) server untuk Ubersuggest yang berjalan sepenuhnya di komputer lokal menggunakan database SQLite (node:sqlite) dan Playwright lokal, tanpa dependensi cloud.

Fitur Utama

  • Zero Cloud Infrastructure: Didesain sepenuhnya untuk dijalankan secara lokal di PC Anda.
  • Fast Local Caching: Data Site Audit disimpan dalam cache SQLite lokal selama 24 jam. Panggilan berulang selesai dalam < 10ms.
  • Auto-Formatting: Menyajikan data teknis audit dalam format Markdown ringkas yang ramah terhadap LLM/klien MCP.
  • Playwright Reconnect: Otomatis memperbarui session/cookie Ubersuggest Anda menggunakan browser Playwright lokal.

Cara Install (One-Line Setup)

Anda dapat menginstal dan mengonfigurasikan server MCP ini secara otomatis langsung dari GitHub menggunakan satu baris perintah berikut:

npx github:muizzahabibi/ubersuggest-mcp-node

Perintah ini akan secara otomatis:

  1. Meminta lokasi folder instalasi permanen di komputer Anda (default: ~/ubersuggest-mcp-node).
  2. Mengkloning repositori ini secara otomatis.
  3. Memasang dependensi Node.js & browser Playwright (Chromium).
  4. Melakukan build TypeScript.
  5. Membuka wizard interaktif untuk mendaftarkan server ke klien MCP pilihan Anda (Claude Desktop, Cursor, Claude Code CLI, Codex CLI, Antigravity IDE/CLI, atau semuanya!).

Jika Anda sudah mengkloning repositori ini secara manual, Anda bisa menjalankan konfigurasi interaktif langsung dari dalam folder proyek dengan perintah:

npm install && npx playwright install chromium && npm run build && npm run setup

Panduan Penyetelan Manual

1. Claude Desktop

Penyetelan manual pada berkas konfigurasi Claude Desktop (claude_desktop_config.json):

{
  "mcpServers": {
    "ubersuggest-node": {
      "command": "node",
      "args": [
        "--experimental-sqlite",
        "--env-file=/PATH/TO/ubersuggest-mcp-node/.env",
        "/PATH/TO/ubersuggest-mcp-node/dist/server.js",
        "--stdio"
      ]
    }
  }
}

(Ganti /PATH/TO/ dengan path absolut direktori proyek ini).

2. Cursor

  1. Buka Cursor Settings -> Features -> MCP.
  2. Klik + Add New MCP Server.
  3. Isi parameter berikut:
    • Name: ubersuggest-node
    • Type: stdio
    • Command: node
    • Arguments: --experimental-sqlite --env-file="/PATH/TO/ubersuggest-mcp-node/.env" "/PATH/TO/ubersuggest-mcp-node/dist/server.js" --stdio
  4. Klik Save dan restart Cursor.

3. Codex CLI

Wizard npm run setup dapat mengonfigurasi Codex otomatis. Jika ingin manual, tambahkan blok berikut ke ~/.codex/config.toml:

[mcp_servers.ubersuggest_node]
enabled = true
command = "node"
args = ["--experimental-sqlite", "--env-file=/PATH/TO/ubersuggest-mcp-node/.env", "/PATH/TO/ubersuggest-mcp-node/dist/server.js", "--stdio"]

Gunakan nama ubersuggest_node agar bisa berjalan berdampingan dengan MCP Ubersuggest HTTP/remote lain.

4. Antigravity IDE/CLI

Wizard npm run setup dapat mengonfigurasi Antigravity otomatis. Jika ingin manual, tambahkan blok berikut ke ~/.gemini/config/mcp_config.json:

{
  "mcpServers": {
    "ubersuggest_node": {
      "command": "node",
      "args": [
        "--experimental-sqlite",
        "--env-file=/PATH/TO/ubersuggest-mcp-node/.env",
        "/PATH/TO/ubersuggest-mcp-node/dist/server.js",
        "--stdio"
      ]
    }
  }
}

Untuk config per-project Antigravity, gunakan isi yang sama di .agents/mcp_config.json.


Menghubungkan Akun Ubersuggest (Penting)

Sebelum MCP dapat digunakan, Anda harus mengisi sesi login Ubersuggest Anda ke database lokal.

  1. Jalankan API server lokal:
    npm run dev
    
  2. Buka browser dan akses halaman panduan lokal:
    http://127.0.0.1:8787/guide
    
  3. Lakukan login menggunakan akun MCP Anda (kredensial default: username admin, password admin-secure-password-123).
  4. Ikuti instruksi di layar untuk menempelkan Cookies browser Anda dari situs app.neilpatel.com. Sesi akan disimpan di SQLite lokal (ubersuggest.db) dengan enkripsi aman.
  5. Selesai! Matikan server API (Ctrl + C) dan jalankan MCP client Anda.

Daftar Tools MCP yang Tersedia

  1. ubersuggest_subscription — Mengambil status langganan Ubersuggest Anda.
  2. ubersuggest_projects — Mengambil daftar proyek website yang dipantau di akun Anda.
  3. ubersuggest_domain_overview — Mengambil metrik lalu lintas (traffic), organic keywords, backlinks, dan SEO score domain tertentu.
  4. ubersuggest_domain_top_pages — Mengambil halaman dengan kunjungan tertinggi dari suatu domain.
  5. ubersuggest_traffic_estimation — Mengambil riwayat estimasi traffic bulanan.
  6. ubersuggest_keyword_research — Melakukan riset ide kata kunci (volume, SEO difficulty, CPC, paid difficulty).
  7. ubersuggest_seo_opportunities — Mengambil daftar peluang perbaikan SEO spesifik.
  8. ubersuggest_site_audit — Melakukan technical audit website (Core Web Vitals + Crawl Issues).
  9. ubersuggest_auth_reconnect — Melakukan penyambungan ulang sesi Ubersuggest.
  10. ubersuggest_auth_logout — Logout sesi Ubersuggest dari database lokal.

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选