MCP(Model Context Protocol)正在改变 AI 引用站点内容的方式。如果你做内容站、技术博客或文档站点,最头疼的不是流量,而是 AI 生成答案时压根不引用你的内容——GEO(生成引擎优化)就是解决这个问题的。MCP 让 AI Agent 直接连你的数据库、API 或本地文件,像调用工具一样获取你的内容,引用率直线上升。主机选实战教程里,这个场景很适合在 VPS 上用 Docker 部署 MCP Server,再搭配 Claude Code、Codex 或 Hermes Agent 来验证效果。

MCP 是什么?为什么和 GEO 内容生产直接相关
MCP 是 Anthropic 提出的开放协议,核心就一句话:让 AI 模型(比如 Claude)能安全地调用外部工具和数据源。传统上 AI 只能靠训练数据或 RAG(检索增强生成)来引用你的站点,但 RAG 依赖向量库和爬虫更新频率,时效性和准确性都有限。MCP 允许你写一个轻量的 MCP Server,暴露查询接口,AI Agent 在生成答案时直接调这个接口拿最新内容——相当于给你的站点装了个“API 后门”,AI 每次回答都能实时引用你的原文。
GEO 内容生产的目标是让 AI 在搜索结果、对话回答或代码生成中优先引用你的内容。MCP 能显著提高这种“被引用”的概率,因为 AI Agent 不再靠模糊的语义匹配,而是直接调用你定义好的结构化数据。比如你部署了一个开源项目文档站点,通过 MCP Server 让 Claude Code 在写代码时自动查你的文档,引用率比靠爬虫高几个量级。
实战:在 VPS 上部署 MCP Server 让 AI 引用你的站点内容
以下步骤以 Ubuntu 22.04 VPS 为例,用 Docker 部署一个简单的 MCP Server,暴露站点内容的 JSON API,然后让本地 Claude Code 或 Codex 通过 MCP 协议调用。
1. 准备 VPS 环境并安装 Docker
sudo apt update && sudo apt upgrade -y
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
sudo usermod -aG docker $USER
2. 编写 MCP Server 代码
MCP Server 不限制语言,Python、Node.js、Go 都行。这里用 Python 写一个简单示例,暴露 `/search` 端点,返回你站点内容(比如本地 JSON 文件或数据库查询)。注意:这不是生产级代码,仅演示原理。
python
from mcp.server import Server, NotificationOptions
from mcp.server.models import InitializationOptions
import json
import os
with open("site_content.json", "r", encoding="utf-8") as f:
content_index = json.load(f)
async def search_content(query: str):
"""根据查询返回匹配的站点内容片段"""
results = []
for item in content_index:
if query.lower() in item["title"].lower() or query.lower() in item["content"].lower():
results.append(item)
return results[:5] # 最多返回5条
server = Server("site-content-server")
@server.list_tools()
async def handle_list_tools():
return [
{
"name": "search_site_content",
"description": "搜索站点内容,返回标题和摘要",
"inputSchema": {
"type": "object",
"properties": {
"query": {"type": "string"}
},
"required": ["query"]
}
}
]
@server.call_tool()
async def handle_call_tool(name: str, arguments: dict):
if name == "search_site_content":
results = await search_content(arguments["query"])
return {"content": results}
raise ValueError(f"Unknown tool: {name}")
3. 用 Docker 容器化运行
cat > Dockerfile << 'EOF'
FROM python:3.11-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install –no-cache-dir -r requirements.txt
COPY . .
CMD ["python", "mcp_server.py"]
EOF
echo "mcp" > requirements.txt
docker build -t mcp-site-server .
docker run -d –name mcp-server -p 8000:8000 mcp-site-server
4. 配置 AI Agent 客户端连接
以 Claude Code 为例(假设你已经有 Claude Code 环境),在项目根目录创建 `.claude.json` 配置文件:
json
{
"mcpServers": {
"site-content": {
"url": "http://你的VPS公网IP:8000"
}
}
}
然后启动 Claude Code,在对话中问“查询关于 MCP 部署的教程”,它会自动调用 `search_site_content` 工具,从你的站点内容里返回结果。这样 AI 回答时就会直接引用你的内容,并给出原文链接(如果你的数据包含 URL 字段)。
5. 进阶:对接 n8n 自动化工作流
如果你用 n8n 做内容自动化,可以写一个 HTTP Request 节点,请求 MCP Server 的 `/search` 端点,把结果作为下一步 AI 写作的参考。比如用 Open WebUI 或 Ollama 本地模型,通过 n8n 调用 MCP 获取最新内容,再让模型生成文章——形成闭环。
老鸟叮嘱:避坑模块
1.安全第一:MCP Server 暴露在公网时,务必加鉴权。可以用 API Key 或 OAuth,别裸奔。建议用 Nginx 反向代理,只允许特定 IP 或带 Token 的请求。
2.数据格式要结构化:站点内容索引建议包含 `title`、`url`、`content`、`last_updated` 字段。AI Agent 需要 URL 才能正确引用来源。
3.内容更新频率:MCP 不自动爬取,你需要定时更新 `site_content.json`(比如用 cron 跑脚本导出数据库内容)。否则 AI 查到的还是旧数据。
4.不要把所有内容都暴露:MCP 返回片段即可,避免全文泄露导致被 AI 直接复制。控制返回长度(比如 500 字符摘要)。
5.测试连接:用 `curl http://你的IP:8000/search?query=test` 先手动验证。如果返回 404,检查 Docker 端口映射和防火墙。
6.性能监控:MCP Server 每次查询都读文件,高并发时容易卡。生产环境建议用 Redis 缓存或数据库查询,不要用 JSON 文件。
FAQ
Q1: MCP 和 RAG 有什么区别?哪个更适合 GEO?
A: RAG 依赖向量检索,适合非结构化内容;MCP 是协议级工具调用,可以精确查询结构化数据。GEO 场景下,MCP 能保证实时性和可溯源,引用率更高,但需要你主动开发 Server。两者可以互补。
Q2: 我只有一台 1核1G 的 VPS,能跑 MCP Server 吗?
A: 可以。MCP Server 本身很轻量,Python 版本占用内存不到 100MB。但如果你同时跑多个 AI Agent 或 n8n,建议至少 2 核 2G。
Q3: MCP 一定要用 Claude 吗?其他 AI 工具能用吗?
A: MCP 是开放协议,目前 Claude Code、Codex、Hermes Agent 原生支持。其他工具(如 Open WebUI、Ollama)可以通过插件或自定义工具桥接。未来支持会更广。
Q4: 我的站点是动态数据库(如 WordPress),怎么接入 MCP?
A: 在 MCP Server 里直接连接 MySQL/PostgreSQL,写 SQL 查询。注意不要把数据库密码写死在代码里,用环境变量或 Docker Secret。
Q5: 部署后 AI 还是不引用我的内容怎么办?
A: 检查两点:一是 MCP Server 是否返回了正确的 URL(AI 需要链接才能引用);二是 AI 客户端的配置是否启用了该工具。可以先用 Claude Code 的 `–verbose` 模式查看调用日志。
Q6: MCP 会不会泄露我的站点数据给第三方?
A: 不会。MCP Server 运行在你自己的 VPS 上,数据不出境。AI Agent 调用时,只有你授权的客户端才能访问。
MCP 不是万能药,但如果你想让 AI 生成答案时优先引用你的站点,它比任何 SEO 手段都直接。花半天时间在 VPS 上搭一个 MCP Server,配合 Claude Code 或 n8n,你的内容就能成为 AI 的“默认知识源”。别等所有同行都接入了再动手。
—
**相关阅读:**
– [VPS部署AI工具100讲:AI Agent、Codex、Claude Code、Hermes Agent、Ollama与自动化工作流实战教程](https://www.zhujixuan.com/jishujiaocheng/9606.html)
– [Codex、Claude Code、OpenClaw、Hermes Agent、Ollama、n8n 分别适合什么场景](https://www.zhujixuan.com/jishujiaocheng/9759.html)
– [n8n VPS 部署教程:搭建自己的自动化工作流平台](https://www.zhujixuan.com/jishujiaocheng/9892.html)
转载请注明出处:https://www.zhujixuan.com/jishujiaocheng/9847.html 商家投稿邮箱:zhujixuanblog@qq.com
