KeywordsPeopleUse MCP-server

Vad gör “KeywordsPeopleUse” MCP-servern?

KeywordsPeopleUse MCP-servern är en Model Context Protocol (MCP)-server som kopplar AI-assistenter till KeywordsPeopleUse-plattformen för avancerade nyckelordsforskningsfunktioner. Genom att fungera som en brygga mellan AI-klienter och KeywordsPeopleUse API:et kan LLM:er och AI-verktyg programmatisk få åtkomst till nyckelordsinsikter såsom “People Also Ask”-frågor, Google-autokompletteringsförslag, Reddit- och Quora-ämnesfrågor samt semantisk nyckelordsdata. Denna integration förenklar arbetsflöden för nyckelordsforskning direkt i utvecklings- och produktivitetsverktyg, vilket ger utvecklare och innehållsskapare möjlighet att automatisera och förbättra SEO-forskning, idéutveckling för innehåll och marknadsanalysprocesser.

Lista över promptar

Inga explicita promptmallar nämns i dokumentationen eller koden för repot.

Lista över resurser

Inga explicita MCP-resurser beskrivs i dokumentationen eller koden för repot.

Lista över verktyg

• Hämta People Also Ask-frågor
  • Hämtar relaterade “People Also Ask”-frågor från Google för angivna nyckelord.
• Hämta Google-autokompletteringsförslag
  • Returnerar autokompletteringsförslag för nyckelord från Google.
• Hämta Reddit- och Quora-frågor
  • Hämtar relevanta frågor från Reddit och Quora för forskning och idéer till innehåll.
• Hämta semantiska nyckelord
  • Ger semantiskt relaterade nyckelord för att utöka nyckelordsfokusering.

Användningsområden för denna MCP-server

• SEO-nyckelordsforskning
  Utvecklare och marknadsförare kan automatisera insamlingen av värdefulla nyckelord, relaterade sökningar och idéfrågor direkt i sina arbetsflödesverktyg för effektiv SEO-planering.
• Idégenerering för innehåll
  Använd MCP-servern för att få tillgång till verkliga frågor från Reddit och Quora och skapa innehållsstrategier och bloggutkast baserat på faktiska användarfrågor.
• Konkurrentanalys
  Hämta autokompletterings- och semantisk nyckelordsdata för att analysera konkurrenters innehållsgap och identifiera nya marknadsmöjligheter.
• Automatiserad rapportering
  Integrera med interna dashboarder eller rapporteringsverktyg för att hämta de senaste nyckelordstrenderna och “People Also Ask”-data för regelbundna uppdateringar.
• AI-drivna skrivverktyg
  Förbättra AI-skrivassistenter genom att förse dem med färsk, relevant nyckelordsdata och användarfrågor för innehållsgenerering med rik kontext.

Hur man sätter upp det

Windsurf

Inga installationsinstruktioner för Windsurf finns i repot.

Claude

1. Skaffa din KeywordsPeopleUse API-nyckel (Standardplan eller högre).
2. I Claude Desktop, gå till Inställningar > Utvecklare > Redigera konfiguration.
3. Lägg till följande JSON, och ersätt YOUR_API_KEY med din faktiska API-nyckel:

   {
     "mcpServers": {
       "keywordspeopleuse": {
         "command": "npx",
         "args": [
           "mcp-remote",
           "https://mcp-keywordspeopleuse.com/sse",
           "--header",
           "Authorization:YOUR_API_KEY"
         ]
       }
     }
   }
   

4. Starta om Claude Desktop.
5. Verifiera att verktygen blir tillgängliga i din Claude-miljö.

Skydda API-nycklar

Lagra din API-nyckel i en miljövariabel eller i .env-filen enligt följande:

KPU_API_KEY=sk_01234567890123456789012345678901

Exempel på konfiguration för att referera till miljövariabel:

{
  "mcpServers": {
    "keywordspeopleuse": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://mcp-keywordspeopleuse.com/sse",
        "--header",
        "Authorization:${KPU_API_KEY}"
      ]
    }
  }
}

Cursor

På MacOS/Linux

1. Klona repot och installera beroenden:

   git clone https://github.com/data-skunks/kpu-mcp.git
   cd kpu-mcp
   npm install
   

2. Skaffa din API-nyckel och lägg in den i .env.
3. Öppna Cursor-inställningarna.
4. Gå till Funktioner > MCP-servrar > “+ Lägg till ny MCP-server”.
5. Ange:
   • Namn: “keywordspeopleuse”
   • Typ: “command”
   • Kommando: node /ABSOLUTE/PATH/TO/PARENT/FOLDER/kpu-mcp/index.js
6. Spara och starta om Cursor.

JSON-exempel:

{
  "mcpServers": {
    "keywordspeopleuse": {
      "command": "node",
      "args": ["/ABSOLUTE/PATH/TO/PARENT/FOLDER/kpu-mcp/index.js"]
    }
  }
}

På Windows

{
  "mcpServers": {
    "keywordspeopleuse": {
      "command": "node",
      "args": ["C:/PATH/TO/PARENT/FOLDER/kpu-mcp/index.js"]
    }
  }
}

Cline

Inga installationsinstruktioner för Cline finns i repot.

Hur man använder denna MCP i flöden

Använd MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde börjar du med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I avsnittet för system-MCP-konfiguration, ange dina MCP-serveruppgifter med följande JSON-format:

{
  "keywordspeopleuse": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapaciteter. Kom ihåg att ändra “keywordspeopleuse” till det faktiska namnet på din MCP-server och byt ut URL:en till din egen MCP-serveradress.

Översikt

| Roots-support | ⛔ | Ej nämnt |

Baserat på tillgänglig dokumentation är denna MCP-server funktionell och relativt enkel att sätta upp, men saknar detaljerad utvecklardokumentation, exempel på promptmallar och explicit lista över MCP-primitiver som roots, resurser eller sampling-support. För grundläggande automatisering av nyckelordsforskning täcker den grunderna men kan förbättras vad gäller dokumentationsomfång och MCP-kompatibilitetsklarhet.

Vår åsikt

MCP-poäng: 4/10
Den möjliggör praktisk nyckelordsforskning och grundläggande MCP-verktygsfunktionalitet men saknar djupare MCP-funktioner, resurs-exponering och har minimal dokumentation samt gemenskapsstöd.

MCP-poäng