Englisches Original: https://argusic.com/subject/mcp-gsc
mcp-gsc
Google Search Console Insights mit Claude AI für SEOs
Läuft mit MocksQuelle: GitHubPythonMITCommit d49eea9e5efb
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: claude, google search console, mcp server und seo.
mcp-gsc läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 0,5 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
All 52 unit tests pass with mocked GSC API. The server loads, registers 21 MCP tools, completes MCP initialization handshake, responds to tools/list and tools/call via stdio transport, and serves 200 on the SSE endpoint.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
- Installationszeit
- unter einer Minute
- Von der kalten Maschine bis zum Ende
- 3 Minuten
- Aufgetretene und behobene Fehler
- 0 aufgetreten, 0 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest test_gsc_server.py -v: 52 passed, 0 failed (exit code 0); MCP stdio handshake returned tools/list with 21 tools; SSE /sse returned HTTP 200; tools/call get_capabilities returned structured JSON output
- Verbrauchte Modell-Tokens
- 30.825
- Genau getesteter Commit
- d49eea9e5efb
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
Now I have all the data for the final report. Let me enumerate the results: **Install**: Created a virtual environment, installed all dependencies from `requirements.txt` — no… **Tests**: `pytest test_gsc_server.py -v` → 52 passed in ~1.25s. **App launch (stdio)**: MCP handshake completed, `tools/list` returned 21 tools, `tools/call get_ca… **App launch (SSE)**: Server bound to `127.0.0.1:13001`, `/sse` returned `200 OK` with `event: endp… tokens used 30,825 Now I have all the data for the final report. Let me enumerate the results: **Install**: Created a virtual environment, installed all dependencies from `requirements.txt` — no… **Tests**: `pytest test_gsc_server.py -v` → 52 passed in ~1.25s. **App launch (stdio)**: MCP handshake completed, `tools/list` returned 21 tools, `tools/call get_ca… **App launch (SSE)**: Server bound to `127.0.0.1:13001`, `/sse` returned `200 OK` with `event: endp…
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- In 0,5 Minuten installiert, schneller als der Median der 8 vergleichbaren Projekte, die Argusic gemessen hat.
- Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 9 Projekten im Bereich claude, die Argusic installiert und zeitlich gemessen hat, belegte mcp-gsc Platz 3 bei der Zeit bis zum lauffähigen Zustand, und 4 von 9 erreichten überhaupt einen solchen Zustand.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,03 |
Themen (von GitHub)
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/mcp-gsc)Fragen
- Läuft mcp-gsc?
- mcp-gsc läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 1 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic mcp-gsc getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit d49eea9e5efb. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von mcp-gsc gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,03 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von mcp-gsc?
- 0,5 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht mcp-gsc eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von mcp-gsc schief?
- Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
- Wie schneidet mcp-gsc im Vergleich zu Alternativen ab?
- Von den 9 Projekten im Bereich claude, die Argusic installiert und zeitlich gemessen hat, belegte mcp-gsc Platz 3 bei der Zeit bis zum lauffähigen Zustand, und 4 von 9 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für mcp-gsc?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.