Canonry：自托管的AEO平台，用于技术SEO和AI可见性
canonry，由Canonry开发，是一个用于答案引擎优化和生成引擎优化的自托管平台。它收集AI引用数据，并衡量品牌在生成模型中的“声音份额”，以告知营销决策和内容策略。该平台提供AI可见性仪表板、多引擎引用跟踪，并将搜索分析与这些引用连接以进行报告。技术SEO专业人员、机构和开发人员使用它将AI可见性指标添加到营销工作流程中，并保持对其数据的控制。
代理原生设计支持自动化SEO操作
该工具通过原生模型上下文协议服务器强调代理优先工作流程，允许外部模型和代理直接查询营销数据。该设计目的使canonry适合于自主代理需要结构化SEO信号作为输入的场景，以及将模型驱动任务路由到脚本或代理管道而不是手动查询和报告周期的团队。
跨多个引擎的比较引用报告
canonry生成跨引擎的引用报告，列出来自特定生成引擎的出现和上下文，包括ChatGPT、Claude、Gemini和Perplexity。这些输出使团队能够比较哪些引擎最常引用一个域，并并排检查引用上下文。开发者论坛上的社区反馈强调这种模型对模型的比较是优先调整AI答案可见性的内容的实用方式。
部署需要开发者技能和本地数据存储
该平台运行在JavaScript/Node.js堆栈上，并支持Docker或普通Node环境进行部署。数据使用DuckDB或SQLite本地存储，这一选择保持数据集轻量，但要求管理员管理备份和存储。预计配置任务包括连接分析数据源、配置摄取计划和维护运行时环境。
集成将AI引用指标链接到现有工具
canonry接受来自传统分析源的输入，并将结果输入到代理工具中。它与搜索分析源集成，并支持MCP兼容的端点，这些端点被如Claude Desktop和Cursor等工具使用，使得将引用信号路由到IDE或代理接口成为可能。这些集成点使团队能够将模型引用映射回页面和分析事件，以进行操作决策。
适合实践的开源选择，适合动手的SEO团队
作为一个来自2025年成立的纽约机构的开源项目，canonry 适合希望直接控制AI可见性数据并准备运行和自定义平台的技术SEO团队和开发人员。当组织分配开发人员时间来调整代理工作流程时，真正的价值就会显现。计划进行持续维护，并在自动化操作之前将工具与现有内容优先事项结合起来。
