Agentic-SEO-Skill
무엇인가
Agentic-SEO-Skill은 AI 코딩 에이전트가 웹페이지와 GitHub 저장소의 검색 최적화 상태를 감사할 때 따르는 절차와 판정 기준을 규정하는 스킬 묶음이다. 크롤링 가능성·색인 가능성·Core Web Vitals·구조화 데이터·E-E-A-T·사이트맵 품질·GitHub 메타데이터라는 영역을 각각 독립 하위 스킬로 분리하고, 감사 결과를 어떤 형식과 신뢰도로 보고할지까지 규율한다.
어떻게 동작하나
설치 시 대상 IDE별 네이티브 형식으로 배치된다. Claude Code는 스킬 디렉터리의 SKILL.md 계열, Copilot은 .github/copilot-instructions.md, Cursor는 .cursor/rules/seo.mdc, Windsurf는 .windsurf/rules/seo.md, Cline은 .clinerules, Continue는 .continue/prompts/seo.prompt로 기록된다. 별도 훅이 아니라 에이전트가 해당 규칙 파일을 로드하는 방식으로 발동하며, 감사 절차는 (1) read_url_content로 페이지 증거 수집 (2) 각 발견에 명시적 증거를 붙이는 LLM 분석 (3) Confirmed·Likely·Hypothesis 신뢰도 라벨 부여 (4) 영향도와 작업량 기준 우선순위 산정 (5) 구조화된 조치 계획 산출 순서로 고정된다. resources/references/llm-audit-rubric.md가 Finding·Evidence·Impact·Fix 증거 형식과 Critical·Warning·Pass·Info 심각도, 감사 보고서의 출력 계약을 표준화한다.
무엇과 다른가
프롬프트를 매번 직접 작성하는 방식과 달리 판정 기준이 파일로 고정되어 세션 간에 동일하게 적용된다. 단일 규칙 파일과도 다르다. 전문 에이전트가 기술 SEO·콘텐츠 품질·성능·스키마 마크업·사이트맵·시각 분석·GitHub 분석·GitHub 벤치마크·GitHub 데이터·검증으로 분리되어 있고, 마지막에 Verifier가 중복과 모순된 발견을 제거한 뒤 보고서를 확정한다. scripts/ 아래 유틸리티는 판정 주체가 아니라 증거 수집기로만 쓰이며, 분석 자체는 LLM 추론에 맡긴다.
어떻게 쓰나
설치 스크립트가 저장소에 포함되어 있어 복제 없이 실행할 수 있다. Linux·macOS에서는 curl -fsSL https://raw.githubusercontent.com/Bhanunamikaze/Agentic-SEO-Skill/main/install.sh | bash -s -- --online --target claude, Windows PowerShell 7+에서는 install.ps1을 내려받아 --online --target claude로 실행한다. --target에 codex·cowork·copilot·cursor·windsurf·cline·continue·global·all을 지정할 수 있고, --project-dir을 주면 해당 프로젝트 범위에만 설치되어 git으로 팀에 공유할 수 있다. 소스에서 설치할 때는 git clone 후 bash install.sh --target claude를 쓴다. 설치 후 첫 감사에서 대상 URL이나 저장소를 지정하면 규칙 파일이 로드된 상태로 증거 수집과 보고서 생성이 진행된다.
전제와 한계
Claude Code·Codex·Antigravity·Cursor·Windsurf·Continue·Copilot·Cline을 대상으로 하며, 설치 스크립트가 각 도구의 네이티브 형식을 생성한다. 증거 수집 스크립트는 Python 3 기반이고 시각 분석은 Playwright에 의존하므로 해당 환경이 없으면 read_url_content 중심의 수동 수집 경로로 축소된다. GitHub 관련 하위 스킬은 API 인증이 없을 때 폴백 경로로 동작한다. 참조 데이터 파일은 자체 신선도 마커를 가지며 CI가 90일 기준으로 오래된 참조를 표시한다. 검색 순위를 직접 조회하거나 색인을 생성하지는 않는다. 감사와 조치 계획 산출까지가 범위다.