Vorschau vor der Veröffentlichung
Jedes Tool lässt sich zuerst hinter Ihrem Login ausführen. Veröffentlichen ist eine Entscheidung, kein Sprung.
Brand MCP Server · Neu
Ihre Marke: von KI-Agenten aufrufbar, nicht nur lesbar
llms.txt ist ein Dokument, das ein Agent finden, abrufen und interpretieren muss. Ein MCP-Server ist eine Schnittstelle, die er abfragen kann. Dasselbe Wissen, veröffentlicht als Tools, die ein Agent direkt aufruft.
Der Wandel
Crawling war für Suchmaschinen. Agenten stellen Fragen.
Alles, was das Web für Maschinen veröffentlicht, setzt einen Crawler voraus: Dokument abrufen, parsen, speichern. Agenten arbeiten nicht so. Sie haben eine Frage, ein Budget für Kontext und eine Vorliebe für das, was sie in einem Aufruf beantwortet.
Eine Textdatei
Der Agent muss wissen, dass sie existiert, das Ganze abrufen und hoffen, dass der entscheidende Teil sein Kontextfenster übersteht. Alles, was Sie veröffentlicht haben, konkurriert mit allem anderen, was Sie veröffentlicht haben.
Ein Server
Der Agent stellt seine tatsächliche Frage und bekommt eine eingegrenzte Antwort. Was er braucht, wann er es braucht, ohne seinen Kontext für den Rest Ihrer Website auszugeben.
Was veröffentlicht wird
Fünf schreibgeschützte Tools
Erzeugt aus dem Wissen, das Sie ohnehin in Targetlytics pflegen: dasselbe Material hinter Ihrer llms.txt, Ihren Schemas und Ihren öffentlichen Seiten.
search_brand_knowledgeEine Frage aus Ihrem Produkt- und Marketingwissen beantworten.list_pagesDie Seiten auflisten, die Sie verfügbar gemacht haben.get_pageEine Seite als sauberen, strukturierten Inhalt abrufen.get_llms_txtIhre llms.txt zurückgeben, ohne separaten Abruf und Parsing.get_schemasDie strukturierten Daten für eine Seite oder für die Website zurückgeben.
Schreibgeschützt und begrenzt auf das, was Sie bereits veröffentlichen. Nichts aus Ihrem Targetlytics-Konto wird offengelegt. Keine Analytics, keine Wettbewerbsdaten, keine Prompts. Das Einschalten ist der Veröffentlichungsschritt, dasselbe Vertrauensmodell wie eine llms.txt auf Ihrer Website.
So funktioniert es
Ein Schalter, dann eine URL
- 1
Tools ausprobieren
Führen Sie jedes Tool aus der App heraus, hinter Ihrem Login, und sehen Sie genau, was ein Agent zurückbekäme.
- 2
Veröffentlichen
Ein Schalter macht den Endpunkt öffentlich. Sie erhalten eine Connector-URL und einen Schnipsel für Ihre llms.txt.
- 3
Darauf verweisen
Der llms.txt-Verweis ist das Discovery-Signal, das heute funktioniert. Einfügen und fertig.
Umkehrbar
Schalten Sie es aus und der Endpunkt antwortet nicht mehr. Nichts ist fest in Ihre Website eingebacken.
Bleibt synchron
Er bedient dieselbe Wissensbasis, aus der Ihre llms.txt und Schemas erzeugt werden, driftet also nicht auseinander.
Was es tut und noch nicht tut
Agenten entdecken MCP-Server noch nicht automatisch
Es gibt heute keinen Discovery-Standard, den ein Agent crawlt, und wer Ihnen etwas anderes erzählt, verkauft etwas.
Das praktische Signal ist derzeit, von Ihrer llms.txt auf Ihren Endpunkt zu verweisen, die das Produkt für Sie erzeugt. Ein maschinenlesbarer Deskriptor, ausgeliefert von Ihrer eigenen Domain, ist geplant.
Warum also jetzt? Weil die Kosten ein Schalter sind und die Websites, die früh maschinenlesbar wurden, jene sind, denen KI-Engines vertrauen gelernt haben. Das ist dieselbe Wette eine Protokollgeneration später, und sie kostet Sie einen Nachmittag statt eines Umbaus.
Nicht zu verwechseln mit
Nach außen veröffentlichen versus nach innen abfragen
Marken-MCP-Server
Veröffentlicht Ihr Markenwissen nach außen, für die Agenten anderer Leute. Diese Seite.
Targetlytics-MCP-Connector
Bringt Ihre Targetlytics-Daten in Ihren eigenen Assistenten, für Sie. Connector ansehen.
Frequently Asked Questions
Marken-MCP-Server erklärt
Ein für Ihre Marke veröffentlichter Model-Context-Protocol-Server. Statt einen KI-Agenten Text auf Ihrer Website suchen und parsen zu lassen, stellt er Ihr Produkt- und Marketingwissen als kleine Menge von Tools bereit, die der Agent direkt aufrufen kann: Wissen durchsuchen, Seiten auflisten, Seite abrufen, llms.txt lesen, Schemas lesen.
llms.txt ist eine Textdatei, die ein Agent entdecken, abrufen und interpretieren muss. Ein MCP-Server ist eine Schnittstelle, die er abfragen kann. Dasselbe Wissen, aber der Agent stellt eine Frage und erhält eine eingegrenzte Antwort, statt ein Dokument herunterzuladen und zu hoffen, dass der relevante Teil sein Kontextfenster übersteht.
Noch nicht, und wir tun nicht so, als wäre es anders. Es gibt heute keinen Discovery-Standard, den ein Agent crawlt. Das praktische Signal ist derzeit, von Ihrer llms.txt auf Ihren MCP-Endpunkt zu verweisen, die das Produkt für Sie erzeugt, und ein maschinenlesbarer .well-known-Deskriptor auf Ihrer eigenen Domain ist geplant.
Er ist schreibgeschützt und auf das Markenwissen begrenzt, das Sie ohnehin veröffentlichen, also dasselbe Material hinter Ihrer llms.txt, Ihren Schemas und öffentlichen Seiten. Er legt nichts aus Ihrem Targetlytics-Konto offen, keine Analytics, keine Wettbewerbsdaten. Das Einschalten ist der Veröffentlichungsschritt, dasselbe Vertrauensmodell wie eine llms.txt auf Ihrer Website.
Ja. Jedes Tool lässt sich aus der App heraus hinter Ihrem Login ausführen, sodass Sie genau sehen, was ein Agent zurückbekäme, bevor Sie den Endpunkt öffentlich machen.
Weil die Kosten ein Schalter sind und die Position schwer nachzurüsten ist. Websites, die früh maschinenlesbar waren, sind jene, denen KI-Engines vertrauen gelernt haben. Das ist dieselbe Wette, eine Protokollgeneration später, und anders als die meisten solchen Wetten kostet sie Sie einen Nachmittag statt eines Umbaus.
Nein, und sie weisen in entgegengesetzte Richtungen. Der Connector bringt Ihre Targetlytics-Daten in Ihren Assistenten, für Sie. Der Marken-MCP-Server veröffentlicht Ihr Markenwissen nach außen, für die Agenten anderer Leute.
Machen Sie Ihre Marke beantwortbar, nicht nur crawlbar
Starten Sie mit einem kostenlosen Audit, wie KI-lesbar Ihre Website heute ist.
Get a free visibility audit
