Prototyp · Vorschau: alle Server aus der offiziellen Registry, alle 30 Minuten synchronisiert. Bewertungen und Benutzerkonten folgen in einem späteren Schritt.
PopNx MCPMCP-Server für alle, die KI nutzen · in einfachen Worten erklärt

AnswerRail AEO, Schema.org & /llms.txt Audit MCP

von quitegoodprojectVersion 1.2.7i★ –iComputer oder Cloud
Name in der Registryio.github.quitegoodproject/answerrail-mcp

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

6-category AI readiness, Schema.org, robots.txt, /llms.txt & 25k-token audit + auto-fix MCP server

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

  • Basischecks: 3 von 3 bestanden
  • Läuft auf dem Server des Entwicklers: Was du fragst, läuft über dessen Server.
  • Kann 4 Dinge (Tools) audit_ai_readiness, generate_ai_manifests, extract_byte0_markdown, query_truncation_benchmark
  • Die Registry nennt keinen Schlüssel zum Eintragen.

Du brauchst

  • Läuft in der CloudNichts zu installieren; die Verbindung läuft übers Internet
  • npmNode.js installiert (für den Befehl npx)

Welche App nutzt du?

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Funktioniert in Claude im Web, auf dem Desktop und auf dem Handy:

  1. Öffne Settings → Connectors
  2. Tippe auf Add custom connector
  3. Füge die Adresse unten ein und tippe auf Add
  4. Wenn eine Anmeldung verlangt wird, melde dich beim Dienst des Entwicklers an
SettingsConnectors1+ Add2https://…3
https://answerrail.com/mcp

Oder führ ihn auf deinem Computer aus

Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein

{
  "mcpServers": {
    "answerrail": {
      "command": "npx",
      "args": [
        "-y",
        "answerrail-mcp"
      ]
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add --transport http answerrail https://answerrail.com/mcp

Oder führ ihn auf deinem Computer aus

claude mcp add answerrail -- npx -y answerrail-mcp

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "answerrail": {
      "url": "https://answerrail.com/mcp"
    }
  }
}

Oder führ ihn auf deinem Computer aus

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "answerrail": {
      "command": "npx",
      "args": [
        "-y",
        "answerrail-mcp"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "answerrail": {
      "type": "http",
      "url": "https://answerrail.com/mcp"
    }
  }
}

Oder führ ihn auf deinem Computer aus

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "answerrail": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "answerrail-mcp"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

ChatGPT verbindet sich nur mit Servern im Internet:

  1. Öffne ChatGPT im Web → Settings → Connectors (Apps)
  2. Tippe auf Create oder Add (bei manchen Tarifen musst du zuerst Developer mode unter Advanced einschalten)
  3. Füge die Adresse unten ein, gib ihr einen Namen und speichere
  4. Wenn eine Anmeldung verlangt wird, melde dich beim Dienst des Entwicklers an
SettingsConnectors1+ Create2https://…3
https://answerrail.com/mcp

Menünamen können sich je nach Tarif und mit der Zeit leicht unterscheiden.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Tool-Namen und -Beschreibungen genau so, wie der Server sie am 7. Nov. 2026 gemeldet hat. Geschrieben hat sie der Entwickler, nicht wir; wir zeigen sie als reinen Text.

  • audit_ai_readiness

    Audits a website URL or domain for AI crawler access (GPTBot, OAI-SearchBot, PerplexityBot, ClaudeBot), 25,000-token HTML RAG truncation, /llms.txt presence, Schema.org JSON-LD entities, and Google Lighthouse 13.5 Agentic Browsing (/.well-known/ai-catalog.json ARD 1.0). Use this

  • generate_ai_manifests

    Compiles ready-to-save /llms.txt documentation index and Google Lighthouse 13.5 /.well-known/ai-catalog.json (ARD 1.0) JSON manifests from a live domain, plus HTML and robots.txt Agentmap snippets. Use this tool when a developer wants to remediate missing discovery manifests iden

  • extract_byte0_markdown

    Strips React/Next.js hydration scripts, Shopify Liquid/WordPress DOM bloat, and inline SVGs/CSS from any URL, returning clean Byte-0 GitHub-Flavored Markdown (GFM) with front-loaded Schema.org tables. Use this tool when you need to read a web page or pricing table inside an LLM c

  • query_truncation_benchmark

    Retrieves empirical benchmark telemetry from the 2026 50-Site SaaS & E-Commerce AI Truncation Study (measuring raw HTML token weight, 25,000-token Perplexity/ChatGPT cutoff truncation, visible price omission, /llms.txt adoption, and Lighthouse 13.5 ARD 1.0 adoption). Use this too

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 7. Nov. 2026

  • ✓ Bestanden

    Entwickler passt zum Repo

    Der Registry-Name wurde mit dem GitHub-Konto quitegoodproject bestätigt, dem das Repo gehört

  • … Noch nicht geprüft

    Wird noch gepflegt

    Dieses Repo haben wir noch nicht von GitHub gelesen

  • … Noch nicht geprüft

    Hat eine Lizenz

    Dieses Repo haben wir noch nicht von GitHub gelesen

  • ✓ Bestanden

    Endpunkt antwortet

    Antwort in 464 ms (HTTP 200)

  • – Nicht zutreffend

    Anmeldung mit OAuth

    Keine Anmeldung nötig

  • ✓ Bestanden

    Keine versteckten Anweisungen in Tool-Beschreibungen

    Wir haben 4 Tool-Beschreibungen gelesen und keine versteckten Anweisungen an die KI gefunden

Im Vergleich mit anderen in Sonstigesi

  • Mehr Sterne als 0 % der anderen 32599 Server in dieser Kategorie
  • Neuer in der Registry veröffentlicht als 80 % der anderen 32599 Server in dieser Kategorie
  • Basischecks gleich gut wie oder besser als bei 100 % der anderen 32599 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist AnswerRail AEO, Schema.org & /llms.txt Audit MCP sicher?

Er hat 3 von 3 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

Beides geht: Installiere ihn auf deinem Computer oder verbinde dich mit der Cloud-Version.

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (1.2.7) kam vor 8 Tagen in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Er verbindet sich per URL, also funktionieren auch Apps, die Remote-MCP-Server akzeptieren, zum Beispiel ChatGPT im Entwicklermodus.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Spec Driven Development, Remote Desktop Commander, Zendesk

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Spec Driven Development

von formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Läuft auf deinem Computer★ 440MITAktualisiert vor 14 Monaten
Installieren

Remote Desktop Commander

von desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Läuft in der Cloud★ 211Aktualisiert gestern
Installieren

Zendesk

von pipeworx-io

Zendesk MCP Pack — tickets, users, organizations via OAuth.

Computer oder CloudAktualisiert heute
Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

answerrail-mcp — 6-Category Structural AI Readiness, Schema.org, robots.txt & /llms.txt Audit + Auto-Remediation MCP Server

Comprehensive Model Context Protocol (MCP) server for exhaustive local and live structural audits across 6 weighted AI readiness categories—plus active file generation inside Claude Code, Claude Desktop, Cursor, and Windsurf. No API key required.

Quick Install for Claude Code, Claude Desktop & Cursor

claude mcp add answerrail-mcp -- npx -y answerrail-mcp
ClientEasiest Install Command / Config
Claude Code CLIclaude mcp add answerrail-mcp -- npx -y answerrail-mcp
Claude Desktop"answerrail-mcp": { "command": "npx", "args": ["-y", "answerrail-mcp"] }
Cursor / WindsurfAdd npx -y answerrail-mcp in .cursor/mcp.json

Exhaustive 6-Category Weighted Structural Audit Scope

Unlike read-only 5-category scanners, answerrail-mcp performs a 6-category deep structural audit and actively writes the missing files into your repository:

  1. AI Bot Directives (`robots.txt` — 14+ Major AI Crawlers + `Agentmap:`): Audits exact RFC 9309 allow/disallow rules for 14+ AI user-agents (PerplexityBot, OAI-SearchBot, GPTBot, ChatGPT-User, ClaudeBot, Claude-User, Google-Extended, Applebot-Extended, Meta-ExternalAgent, Amazonbot, DuckAssistBot, Cohere-ai, Bytespider, CCBot) and verifies Agentmap: header/file declarations.
  2. Search Signals & Structured Data (`Schema.org JSON-LD` — 20+ High-Value Entity Types): Scans and validates 20+ Schema.org types (Organization, SoftwareApplication, WebSite, Product, Offer, AggregateOffer, FAQPage, Question, Answer, TechArticle, Article, BreadcrumbList, HowTo, Service, LocalBusiness, Person, Dataset, WebPage, ItemList, Review) and synthesizes them into Byte-0 GitHub-Flavored Markdown tables.
  3. Deep `/llms.txt` & `/llms-full.txt` Structural Validation: Audits H1 title conformance, blockquote summary presence, Markdown link formatting, HTTP Content-Type: text/markdown headers, and entry quality.
  4. Content Semantics & 25,000-Token RAG Truncation: Measures raw HTML token weight, Next.js self.__next_f.push RSC hydration bloat, collapsed Radix/Headless UI (data-state="closed") FAQ accordions, and exact $/£/€ pricing tokens dropped past the 25,000-token cutoff.
  5. Agent Protocols (Google Lighthouse 13.5 ARD 1.0 & WebMCP): Validates /.well-known/ai-catalog.json (specVersion: "1.0"), , , and /.well-known/mcp.json.
  6. Security & Cryptographic Provenance (RFC 9421 & RFC 9110): Audits asymmetric Ed25519 HTTP Message Signatures (kid="ar_ed25519_2026_k1"), /.well-known/http-message-signatures-directory, CORS (Access-Control-Allow-Origin: *), and RFC 9110 Vary: User-Agent, Accept compliance.

Head-to-Head Comparison: answerrail-mcp vs isagentready-mcp

Feature / Metricanswerrail-mcpisagentready-mcp
Install Commandclaude mcp add answerrail-mcp -- npx -y answerrail-mcpclaude mcp add isagentready-mcp -- npx -y isagentready-mcp
Core Audit Scope6 Weighted Categories: AI Bot Directives (robots.txt), Search Signals (Schema.org JSON-LD), Deep /llms.txt Structure, Content Semantics & 25k-Token Truncation, Agent Protocols (ARD 1.0 / WebMCP), and Security (RFC 9421 Ed25519) + Edge Remediation5 Categories (Discovery, Structured Data, Semantics, Agent Protocols, Security — Read-only score)
Schema.org & `robots.txt` CoverageScans 20+ Schema.org JSON-LD types & 14+ AI bot rules in `robots.txt` (plus compiles JSON-LD into Byte-0 GFM tables)Scans 17 Schema.org types & 13 AI bot rules
`/llms.txt` Validation & Auto-GenerationValidates `/llms.txt` formatting/links AND generates ready-to-save `/llms.txt` + `/.well-known/ai-catalog.json` via `generate_ai_manifests`Read-only structural check (Does not generate files)
25,000-Token Truncation & Price Recall AuditYes — Identifies exact `$/£/€` prices cut off past 25k tokens & unrolls collapsed Radix FAQ accordionsNo
Editor Auto-Fix & Local CLI CompanionGenerates & writes files locally (`generate_ai_manifests` + `npx test-ai-ready --write`) AND deploys instant Anycast edge fixesRelies on manual editor prompts after read-only API scan
PopNx fragen