Canonrie : Plateforme AEO auto-hébergée pour le SEO technique et la visibilité AI
canonry, développé par Canonry, est une plateforme auto-hébergée pour l'optimisation des moteurs de réponse et l'optimisation des moteurs génératifs. Elle collecte des données de citation AI et mesure la 'part de voix' d'une marque à travers des modèles génératifs pour informer les décisions marketing et la stratégie de contenu. La plateforme présente un tableau de bord de visibilité AI, un suivi de citation multi-moteurs, et connecte les analyses de recherche à ces citations pour le reporting. Les professionnels du SEO technique, les agences et les développeurs l'utilisent pour ajouter des métriques de visibilité AI dans les flux de travail marketing et conserver le contrôle sur leurs données.
Le design agent-native prend en charge les actions SEO automatisées
L'outil met en avant un flux de travail agent-first grâce à un serveur de protocole de contexte de modèle natif, permettant aux modèles et agents externes de requêter directement des données marketing. Ce but de conception rend canonry adapté aux scénarios où des agents autonomes ont besoin de signaux SEO structurés en entrée, et pour les équipes qui dirigent des tâches basées sur des modèles dans des pipelines scriptés ou agentiques plutôt que dans des cycles manuels de requête et de rapport.
Rapport de citation comparative à travers plusieurs moteurs
canonry produit des rapports de citation inter-moteurs qui énumèrent les occurrences et le contexte de moteurs génératifs spécifiques, y compris ChatGPT, Claude, Gemini et Perplexity. Ces résultats permettent aux équipes de comparer quels moteurs citent un domaine le plus souvent et d'examiner les contextes de citation côte à côte. Les retours de la communauté sur les forums de développeurs soulignent cette comparaison modèle-à-modèle comme un moyen pratique de prioriser les ajustements de contenu pour la visibilité des réponses AI.
Le déploiement nécessite des compétences en développement et des magasins de données locaux
La plateforme fonctionne sur une pile JavaScript/Node.js et prend en charge Docker ou des environnements Node simples pour le déploiement. Les données sont stockées localement en utilisant DuckDB ou SQLite, un choix qui garde les ensembles de données légers mais nécessite que les administrateurs gèrent les sauvegardes et le stockage. Attendez-vous à des tâches de configuration telles que la connexion des flux d'analytique, la configuration des horaires d'ingestion et le maintien de l'environnement d'exécution.
Les intégrations lient les métriques de citation AI aux outils existants
canonry accepte des entrées provenant de sources d'analytique traditionnelles et alimente les résultats dans les outils d'agent. Il s'intègre aux sources d'analytique de recherche et prend en charge des points de terminaison conformes à MCP utilisés par des outils tels que Claude Desktop et Cursor, rendant faisable le routage des signaux de citation vers des IDE ou des interfaces d'agent. Ces points d'intégration permettent aux équipes de mapper les citations de modèles vers des pages et des événements d'analytique pour la prise de décision opérationnelle.
Choix pratique open-source pour les équipes SEO pratiques
En tant que projet open-source d'une agence basée à New York fondée en 2025, canonry convient aux équipes SEO techniques et aux développeurs qui souhaitent un contrôle direct sur les données de visibilité AI et sont prêts à exécuter et personnaliser une plateforme. La véritable valeur apparaît lorsque les organisations allouent du temps de développeur pour adapter les flux de travail des agents. Prévoyez un entretien continu et intégrez l'outil dans les priorités de contenu existantes avant d'automatiser les actions.
