open-seo：开源、可自托管、按量付费的 SEO 平台——六条…

一、定位：不是另一个 SEO 套件，而是「给人民的工具」

OpenSEO 的 README 开头是一句引用：Open source alternative to Semrush and Ahrefs。紧接着是一段更有个性的自述：OpenSEO is an SEO tool for the people. If tools like Semrush or Ahrefs are too expensive or bloated, OpenSEO is a pay-as-you-go alternative that you actually control.

这段话里有两个关键词值得拆开看。第一个是 too expensive or bloated——贵，且臃肿。传统 SEO 套件按席位按月收费，功能大而全，但多数人只用其中三四个模块。第二个是 pay-as-you-go alternative that you actually control——按量付费，且你能真正控制它。控制体现在两个层面：一是数据成本透明（自己向 DataForSEO 付费），二是代码开源可改可 Fork。

官方站点上的说法更直白一些：Without quality data, AI gives generic advice。没有高质量数据，AI 只能给出泛泛的建议。这句不是营销话术，而是整个产品的立论——它认为 SEO 智能体失败的根源不是模型不够强，而是模型手上没有真数据。仓库 topics 里同时出现 seo-agent、seo-skills、google-search-console-mcp，也说明「给智能体供数据」是它的一等公民场景。

数据是：17928 个 Star、2263 次 Fork、154 个未关闭 Issue，主语言 TypeScript，MIT 许可，2026 年 2 月 27 日建仓，最近一次提交推送在 2026 年 9 月 3 日。半年多攒到接近 1.8 万 Star，节奏非常快。

二、成本模型的第一课：为什么你必须有 DataForSEO key

这是理解 OpenSEO 的关键，也是很多人第一次接触时会困惑的地方：开源免费，但要用得自己准备 DataForSEO 的 API key。README 说得毫不含糊：OpenSEO needs a DataForSEO API key so that you can get SEO data. You pay them directly when self hosting.

原因是它本身不生产数据。关键词搜索量、难度、CPC、SERP 结果、外链与引荐域名、站点抓取——这些底层数据的供应商是 DataForSEO，一个按次计费的 SEO 数据 API 服务。OpenSEO 做的是把这些 API 包装成好用的界面与智能体工具，数据费用则直接由你和供应商结算。

这个模型的好处是成本与使用量严格成正比，不用为闲置的席位买单；代价是你需要自己去申请 key、看账单、控额度。README 还补了一句很实在的话：When you self host, your costs will be slightly lower than the estimates on our website——自托管时你的成本会比官网估算略低，因为省掉了下面要说的那 28%。

三、Why use OpenSEO：四条理由逐条读

README 用四条带子项的列表回答了这个问题，每条都有具体所指：

• Best in class MCP and AI Skills：把 MCP 与 AI Skills 放在第一条，说明这是它自认的最强项，而不是附属功能。
• Modern, simple UI，子项是 Focused workflows instead of a bloated, complex SEO suite。注意这里直接点了「bloated」，和开头那段自述呼应——它卖的不是功能多，而是流程聚焦。
• No subscriptions，子项是 Bring your own DataForSEO API key and pay only for what you use。没有订阅制，用多少付多少。
• Fork and vibe code your own custom tool。这条最有时代感：鼓励你直接 Fork 下去，用 AI 改成自己的工具。它不打算做成一个封闭产品，而是当成一块可以被改写的地基。

四、六条主工作流

README 列出的 Main SEO Workflows 一共六条，构成了产品的功能骨架：

• Keyword research：关键词研究；
• Rank tracking：排名追踪；
• Competitor Insights：竞品洞察；
• Backlinks：外链分析；
• Site Audits：站点审计；
• AI Visibility：AI 搜索可见度。

前五条是任何 SEO 工具的标配，第六条才是它的新东西。AI Visibility 关注的是品牌在 AI 搜索与 ChatGPT 这类对话式产品里的曝光情况——官方定价页里有一项「ChatGPT brand checks」，单次约 1.09 美元，是全平台最贵的操作，也从侧面说明这条工作流的数据获取成本最高。当用户的搜索行为往对话式 AI 迁移，SEO 的度量对象自然要跟着变，OpenSEO 把它和传统五条并列，是一个明确的信号。

五、MCP：把真实 SEO 数据接进你的 AI 智能体

README 的原话是：OpenSEO exposes an MCP server so AI agents like Claude Code, OpenClaw, and Hermes can use your SEO data directly. Agent Skills are reusable workflows that guide your agent through SEO tasks using the MCP。这句话把 MCP 与 Skills 的分工讲得很清楚：MCP 管「能不能拿到数据」，Skills 管「拿到之后该怎么做」。

托管版 MCP 的地址是 https://app.openseo.so/mcp。第一次连接会走一次 OpenSEO 登录授权，之后你的 MCP 客户端就能在你批准的 project context 与账号范围内调用工具。对 CI 或无头环境，官方建议改用 API key 方式。

Claude Code 用户一条命令即可：

claude mcp add --transport http --scope user openseo https://app.openseo.so/mcp

Codex CLI 同样简单：

codex mcp add openseo --url https://app.openseo.so/mcp

无头环境用 key 连接（oseo_ 前缀，也支持 x-api-key 头）：

claude mcp add --transport http --scope user openseo https://app.openseo.so/mcp --header 'Authorization: Bearer oseo_YOUR_KEY'

官方特别提醒：API keys are personal，用你的 key 做的任何事都等同于你本人在工作区里的操作。这句话值得加粗——它意味着 key 的保管等级应该和你的账号密码一样。

至于能调什么，官方工具清单相当长，可以归成几类：关键词侧（带 volume、difficulty、CPC 的关键词研究、关键词补全、实时 Google 自然 SERP）；站点侧（域名或页面的关键词 / 排名 / 流量行、域名自然流量概览、该域名已排名的词）；外链侧（外链与引荐域名概览）；本地侧（按坐标搜商户、Maps / Local Finder SERP、Google 商家档案审计、Google 评论与帖子、地图排名网格）；第一方数据（Google Search Console 的点击、展示、CTR、排名，以及最多 10 个 URL 每次的索引 / 抓取 / canonical 检查）；以及一条特殊的——读写项目共享上下文（业务、目标、定位、写作偏好、竞品、关键页面与研究日志），官方明确标注这一项是 free, no credits。

最后这一条其实是整套设计的点睛之笔：它让智能体有了「记忆」。你不必每次对话都重新介绍一遍自己的业务，Skills 之间也能共享同一份上下文。官方的建议也是从这条开始——先跑 /seo-project-setup，把目标、定位、竞品、关键页面存进项目上下文，之后所有 Skill 都会复用它。

六、九条 Agent Skills 与斜杠命令

MCP 接上之后，还要把 Skill 文件装进你的智能体。官方给了五种安装方式，最省事的两条是：

npx skills add every-app/open-seo
npx skills add every-app/open-seo --skill '*'

第一条会交互式地让你挑选要装哪些 skill、装给哪个 agent；第二条一次性全装。只想装给 Claude Code 加 –agent claude-code，只装给 Codex 加 –agent codex。另外，Claude Code 与 Codex CLI 都有官方插件，一次安装同时搞定 MCP 和全部九条 Skill，官方说这是首选方式。

九条 Skill 对应九个斜杠命令：

• /seo-project-setup：新项目先跑这个，存目标与上下文；
• /seo-coach：不确定从哪开始时跑这个；
• /keyword-research：发现关键词机会；
• /keyword-clustering：把关键词聚成页面组；
• /competitive-landscape：先摸清市场再选竞品；
• /competitor-analysis：深挖某一个竞品；
• /link-prospecting：为外链建设找外联对象；
• /local-seo：本地商家与地图场景；
• /seo-audit：站点审计。

官方给了一个很实用的建议：Start with one focused workflow instead of asking your agent to do SEO broadly。别让智能体「帮我做 SEO」，而是一次只跑一条聚焦的流程。这不是客套——SEO 是个范围极大的词，指令越宽，智能体越容易在工具之间乱窜、把额度烧在不相干的查询上。

七、自托管两条路：Docker 与 Cloudflare

OpenSEO 明确支持两种自托管方式，并且给出了推荐排序：

• Simple: Docker，官方标注 Best for testing it out，适合在本机个人使用，文档见仓库的 docs/SELF_HOSTING_DOCKER.md；
• Recommended: Cloudflare，面向公网、跨设备或团队使用，且官方说明 works on the free plan，文档见 docs/SELF_HOSTING_CLOUDFLARE.md。

README 对中间地带也给了态度：Unless you already are self-hosting other apps and are confident doing so, we recommend self-hosting with Cloudflare as opposed to Railway, Coolify or Dokploy，并说计划在未来几个月让这些平台更容易部署。这种「现阶段别走这条路」的坦率在开源项目里不多见，反而更可信。

无论走哪条路，DataForSEO 的 key 都是必需的（docs/DATAFORSEO_API_KEY.md）。本地开发另有一份 docs/LOCAL_DEVELOPMENT.md。对一个 22843 KB 的 TypeScript 仓库来说，这套文档分层是相当完整的。

八、成本算给你看：10 美元与那 28%

官方定价页写得很清楚：Starts at $10/month，Base Plan，One plan. Everything included. 每月 10 美元包含关键词研究、外链、排名追踪与站点审计，可在 Claude、Cursor、ChatGPT 内使用，并且包含每月 10 美元的用量额度；额外用量随时购买且永不过期。

关于单位成本，官方给出的估算是：一次搜索约 0.05 美元（在典型结果条数下）；一次带一年历史的外链域名概览约 0.08 美元；ChatGPT 品牌检查最贵，约 1.09 美元一次。定价页给的默认档位示例是每月 20 次外链检查、50 个追踪关键词、每周一次排名追踪，估算用量 7.12 美元，落在 10 美元额度内。作为对照，官方直接写了：Ahrefs’ cheapest plan is $129/mo。

而自托管与托管版唯一的成本差异，README 一句话点破：The way the hosted service makes money is by charging 28% extra for every request we make to DataForSEO。托管服务靠在每次 DataForSEO 请求上加价 28% 赚钱。所以自托管省下的就是这 28%，代价是你自己维护部署。这笔账很好算：用量越大，自托管越划算；只是想省事、用量不大，托管版更合适。

还有一条对预算友好的细节：Google Search Console 是第一方数据，官方定价页明确说 Google Search Console data is free and doesn’t touch your $10。也就是说读你自己站点的展示、点击、CTR 数据不消耗额度。

九、参与贡献与社区

README 对贡献的态度很务实：Creating clear issues is the best way to contribute。把 issue 写清楚，就是最好的贡献方式。仓库里有 docs/CONTRIBUTING.md，官方还专门做了一个帮人写清楚 issue 的 skill：

npx skills add every-app/open-seo --skill simple-issue-description

用一个 skill 来治理 issue 质量，这个做法挺有意思——它把「把问题说清楚」这件事也交给了智能体。社区入口有三处：Discord（discord.gg/c9uGs3cFXr）、X 上的 @bensenescu、以及官网的邮件订阅。

十、选型建议与总结

什么情况下该选它？如果你已经在用 Claude Code 或 Codex 做内容与增长，希望智能体手上有真数据而不是靠猜，那它的 MCP + Skills 组合目前几乎是最完整的方案之一。如果你的 SEO 用量不大、又被传统套件按月收费劝退，自带 key 按量付费能显著降低固定成本。如果你想在 SEO 工具上做二次开发，MIT 许可加上官方鼓励 Fork 的态度，也省了很多顾虑。

什么情况下不该选？如果你需要的是开箱即用、不涉及任何 API 申请与部署维护的成品，那托管传统套件更省心；如果你完全没有 DataForSEO 预算，开源也帮不了你——数据不是免费的。

回过头看，OpenSEO 真正切中的是一个具体而普遍的空档：传统 SEO 工具越来越贵、越来越臃肿，而 AI 智能体虽然能写会算，手上却没有可信数据。它用「开源壳 + 第三方数据 + MCP 出口」这个结构，把两者接了起来。半年 17928 个 Star 说明这个空档确实存在。至于它能不能真正替代 Semrush 与 Ahrefs，取决于你愿意为「可控」付出多少部署成本——而这恰恰是它把选择权交还给你的地方。

在撰写本文的过程中，我主要参考了以下来源：GitHub 仓库 every-app/open-seo 的 README（定位、Hosted Version、Why use OpenSEO、Main SEO Workflows、MCP 与 Agent Skills、Self-Hosting、Costs、Local Development、Contributing、Community 各节）与仓库 meta 数据；官方文档 Set up OpenSEO MCP、Set up OpenSEO Agent Skills；以及官网 openseo.so 首页与 定价估算页。文中数据以官方公开信息为准，可能随版本更新而变化。