把 Ubersuggest 接上 MCP，讓 AI 直接幫你做 SEO 關鍵字研究

做工具站這陣子，我最討厭的環節其實不是寫程式，而是「關鍵字研究」。每次想幫一個新工具找對的標題，就要開 Ubersuggest、貼關鍵字、看搜尋量、切到難度、再開新分頁看誰排在第一頁……一輪做下來分頁開了十幾個，腦袋已經當機，更別說還要把資料整理成「我到底該寫哪些頁」的結論。

直到我把 Ubersuggest 接上 MCP，整個流程才真正變順：我只要在 Claude 裡用人話講「幫我研究『複利計算機』這組關鍵字」，AI 就會自己去查搜尋量、難度、SERP、競品，最後直接給我一張可以動手的清單。這篇就帶你把這套接起來，並分享我實際在用的工作流程。

MCP 到底是什麼？

MCP 全名 Model Context Protocol，你可以把它想成「AI 世界的 USB-C」。

以前要讓 AI 用某個外部服務，得自己寫一堆膠水程式碼去串 API、處理認證、轉格式。MCP 把這件事標準化了：服務方（像 Ubersuggest）提供一個 MCP server，把自己的功能包成一個個「工具」（tool）；AI 客戶端（像 Claude）只要連上這個 server，就能直接呼叫這些工具，不用你寫任何程式。

對 SEO 來說最關鍵的差別是：AI 不再只是「憑記憶亂猜」搜尋量，而是真的去打 Ubersuggest 的資料。它講出來的數字有來源、可驗證，而不是幻覺。

為什麼把 SEO 工具接成 MCP 特別有用？

純聊天的 AI 你問它「複利計算機的月搜尋量多少」，它只會給你一個聽起來很合理、但完全沒根據的數字。接上 MCP 之後差在三點：

• 真實資料：搜尋量、CPC、SEO 難度都是 Ubersuggest 回傳的，不是猜的。
• 多步驟自動化：一句話可以觸發「查量 → 拉延伸字 → 分析 SERP → 找內容點子」一連串動作，AI 會自己決定先呼叫哪個工具。
• 直接出結論：拿到原始數據後，AI 會幫你判讀——哪些字「量夠大又難度低」值得先做，而不是丟一張表給你自己頭痛。

第一步：把 Ubersuggest MCP 接上 Claude

實際接法依你用的客戶端而定，但核心都是在設定檔裡登記這個 MCP server。以 Claude Desktop 為例，編輯 claude_desktop_config.json：

{
  "mcpServers": {
    "ubersuggest": {
      "url": "https://mcp.ubersuggest.com/sse",
      "transport": "sse"
    }
  }
}

存檔重開後，第一次呼叫工具時會跳出授權流程，登入你的 Ubersuggest 帳號授權即可。連好之後，先讓 AI 自我檢查一下狀態：

「幫我確認 Ubersuggest MCP 連線狀態與我的方案層級。」

AI 會去呼叫 auth_status 這個工具回報。這裡有個我踩過的坑：MCP 的授權 token 會過期，過期後任何查詢都會回「requires re-authorization」。所以如果哪天 AI 突然說查不到資料，先別懷疑人生，多半就是重新授權一下就好。

第二步：實際工作流程（以我的工具站為例）

接下來用兩個我站上真實的工具示範：複利計算機 和 郵遞區號查詢。整套流程大致是「查量 → 延伸字 → SERP → 競品 → 內容點子」五步，但你不用一步步下指令，通常一兩句話 AI 就會串起來跑。

1. 查搜尋量與難度

對應的 MCP 工具是 keyword_overview，給它一個關鍵字，回傳搜尋量、CPC、SEO 難度（SD）與付費難度。我會這樣問：

「用 Ubersuggest 查『複利計算機』『複利試算』『定期定額計算』在台灣（繁體中文）的搜尋量、CPC 和 SEO 難度，整理成表格，並標出哪些字難度低於 30。」

AI 跑完會給我一張對照表，我一眼就能看出哪組字「有人搜、又不會太競爭」。難度（SD）低於 30 通常代表新站也有機會擠進前段。

2. 把一個種子字長成一整片關鍵字

keyword_suggestions 會把種子字延伸成相關字、問題型、比較型等。對郵遞區號查詢我會這樣下：

「以『郵遞區號』為種子，用 Ubersuggest 幫我列出延伸關鍵字，特別是問題型（怎麼查、3+2、3+3、6 碼）的字，按搜尋量排序。」

這一步常常挖出我原本沒想到的字，例如「3+3 碼怎麼查」「郵遞區號 6 碼」，這些就是現成的 H2 小標題與 FAQ 題目。

3. 看第一頁長什麼樣（SERP 分析）

serp_analysis 會把某個關鍵字 Google 第一頁的網址、各家的網域權重、流量、反向連結都列出來。

「分析『複利計算機』在台灣的 SERP 前 10 名，列出各 URL 的網域評分與估計流量，並判斷以一個新工具站要排進前 10 名實際嗎？」

這步是我用來「判斷值不值得做」的關鍵。如果前 10 名全是銀行、政府或大型理財站，那硬碰硬不划算；如果中間夾著幾個內容單薄的小站，代表有縫可以鑽。

4. 找競品與內容點子

最後用 content_ideas，它會依社群分享數、估計流量、反向連結找出某主題下表現最好的頁面：

「用 Ubersuggest 找『理財試算』相關、社群分享數最高的內容點子，告訴我這些熱門文章都用什麼角度切入。」

看別人「靠什麼角度爆」，比自己空想標題有效率太多。如果要更系統地比對對手網域，還有 competitors、domain_overview 這些工具可以接著用。

幾個我天天在用的 prompt 範本

把這幾句存起來，套你自己的關鍵字就能用：

• 「幫我用 Ubersuggest 比較這 5 組關鍵字的搜尋量與 SEO 難度，做成表格並推薦我先寫哪 3 個。」
• 「分析『XXX』的 SERP，告訴我前幾名的內容架構，我要寫一篇打贏他們的大綱。」
• 「以『XXX』為種子列出所有問題型關鍵字，幫我規劃成一頁的 FAQ 區塊。」
• 「根據剛剛查到的關鍵字資料，幫我寫 3 個適合當 <title> 的標題（30 字內、含主關鍵字）。」

最後一點提醒

MCP 把「拿資料」這件苦差事自動化了，但判斷還是你的工作。搜尋量高不代表適合你、難度低也不代表一定排得上去。我的習慣是：讓 AI 把數據和初步建議整理好，自己再用對「使用者到底想解決什麼問題」的理解做最後決定。

工具負責省力，方向感得自己抓——這點，到目前為止 AI 還沒辦法幫我們代勞。😉

下次見，我是卡斯伯。