Sie öffnen Claude Desktop. Sie fragen: „Wie hat sich meine KI-Sichtbarkeit diese Woche entwickelt, und welche Quellen sollte ich ansprechen?“. Claude holt die Daten über MCP aus Mentionable, sieht sich Ihre getrackten Prompts an, erkennt, welche Domains Ihre zwei stärksten Wettbewerber zitieren, Sie aber nicht, sortiert sie nach Impact Score und Marktplatzpreis und liefert Ihnen eine Outreach-Shortlist in vier Zeilen.
Kein Wechsel zwischen Tabs. Keine Dashboard-Screenshots, die Sie in einen Chat kopieren. Kein „ich schaue das kurz in Mentionable nach und melde mich“. Ihre KI hat die Daten, weil die Daten dorthin kommen, wo die KI arbeitet.
Was ist MCP und warum gehört es in ein GEO-Produkt?
Das Model Context Protocol ist ein offener Standard, den Anthropic Ende 2024 vorgestellt hat. Er ermöglicht KI-Agenten, externe Tools und Daten über eine gemeinsame Schnittstelle aufzurufen. Ein Client (Claude Desktop, Cursor, Claude Code, ChatGPT mit Custom Connectors, Zed) implementiert die Client-Seite. Ein Anbieter (hier Mentionable) implementiert einen Server, der Tools und Ressourcen bereitstellt. Der Agent erkennt die Tools, ruft sie auf, wenn sie für die Anfrage des Nutzers relevant sind, liest die Antwort und baut die Daten in seine Antwort ein.
Für ein Tool zum Tracking der KI-Sichtbarkeit, also für GEO (Generative Engine Optimization), ist das kein nettes Extra. Es ist der natürliche Vertriebskanal.
Die meisten Marketing-Tools der letzten zehn Jahre gingen davon aus, dass das Dashboard das Produkt ist. Sie zahlen, loggen sich ein, lesen Diagramme, exportieren CSVs. Dieses Modell ergab Sinn, solange Marketer morgens Reports lasen und Entscheidungen in einer Oberfläche trafen.
Es ergibt keinen Sinn mehr, wenn das tägliche Werkzeug des Marketers ein KI-Agent ist. Eine Beraterin, die in Cursor einen Blogartikel entwirft, ein Agenturmitarbeiter, der mit Claude Desktop 5 Kundenprojekte steuert, ein Gründer, der sich von ChatGPT seine Wochenkennzahlen zusammenfassen lässt: Niemand von ihnen will die KI verlassen, um ein Dashboard zu prüfen. Sie wollen die Antwort des Dashboards direkt in der KI.
MCP ist das Protokoll, das das möglich macht. Der Server von Mentionable setzt es in die Praxis um.
Die 51 Tools und was sie ermöglichen
Der MCP-Server stellt derzeit 51 Tools bereit (34 Lese-, 17 Schreib-Tools), ausgerichtet auf die aussagekräftigsten Daten, die Mentionable bereits trackt. Die acht ursprünglichen Tools sind unten im Detail beschrieben. Die dreiundvierzig seit dem Launch hinzugekommenen (Scans und Rohergebnisse, lokale Einträge, getrackte Links, KI-Crawler, Reddit-Signale, Seiten-Audit, Fan-out-Extraktionen, Bulk-Audits, GEO-Audit, Empfehlungen, Action Log) sind am Ende zusammengefasst.
list_projects
Die Projekte Ihres Workspace, mit automatisch angewendeter Mandantentrennung. Der Einstiegspunkt für jeden Agenten-Workflow. Jedes andere Tool erwartet eine projectId, daher ist dies der erste Aufruf des Agenten, wenn Sie fragen: „Was passiert gerade bei meinen Marken?“
list_prompts
Alle getrackten Prompts eines Projekts mit ihren vollständigen Statistiken: Gesamtzahl der Durchläufe, Erwähnungsrate, Sichtbarkeit pro LLM (ChatGPT, Claude, Perplexity, Gemini, Copilot, Google AI Mode, Google AI Overview), letztes Ergebnis pro LLM mit Markenposition und Sentiment. Ein Agent kann die Frage „Bei welchen Prompts verliere ich diesen Monat an Sichtbarkeit?“ mit einem einzigen Aufruf beantworten.
list_llm_sources
Das wertvollste Tool für die Content-Strategie. Es liefert jede Domain, die in LLM-Antworten auf Ihre getrackten Prompts aufgetaucht ist, aufgeschlüsselt nach drei Arten des Auftretens:
- Sichtbare Zitierungen: Das LLM hat diese Domain in seiner Antwort zitiert, der Nutzer hat den Link gesehen
- Versteckte Zitierungen: Das LLM hat diese Domain in seinem Kontext gelesen, sie in der finalen Antwort aber nicht zitiert (verfügbar bei LLMs, die dieses Signal offenlegen, typischerweise Perplexity und Gemini)
- Fan-out-Suchen: Das LLM hat im Hintergrund gesucht und diese Domain in den Ergebnissen gefunden, unabhängig davon, ob es sie zitiert hat
Die Fan-out-Daten sind eine Goldgrube für GEO. Sie zeigen, welche Domains das LLM bei Antworten in Ihrer Nische berücksichtigt, auch wenn dem Nutzer nie eine Zitierung angezeigt wurde. Diese Domains bilden die eigentliche Einflusskarte. Ein Agent kann das Tool nach Domains mit vielen Fan-out-Treffern, aber wenigen sichtbaren Zitierungen fragen, und Sie sehen sofort die Websites, die LLMs zwar konsultieren, aber nicht nennen: ideale Kandidaten für Content-Kooperationen oder Backlink-Outreach.
list_fan_outs
Die Anfragen selbst, nicht die Domains. Jede Websuche, die die LLMs im Hintergrund ausgeführt haben, um Ihre getrackten Prompts zu beantworten, dedupliziert über alle Durchläufe und nach Häufigkeit sortiert. Jede Zeile enthält den Anfragetext, wie oft die Anfrage gestellt wurde, welche LLMs sie gestellt haben, die auslösenden Prompts sowie das Datum des ersten und letzten Auftretens.
Kein Clustering, keine heuristische Filterung, keine Mindestgröße für Themen: die rohen Daten. Eine Agentur mit Backlink-Strategie kann fragen „Zeig mir die Top 100 Fan-out-Anfragen im Projekt meines Kunden in diesem Quartal, nur Perplexity“ und erhält eine Liste zum direkten Kopieren. Unterstützt werden Suche, Prompt-Filter, LLM-Filter und zwei Sortiermodi (Häufigkeit, aktuell).
list_backlink_opportunities
Domains, auf denen ein Backlink Ihre GEO-Sichtbarkeit steigern könnte, sortiert nach einem zusammengesetzten Impact Score. Dieser gewichtet die Anzahl der Zitierungen, die Fan-out-Häufigkeit, die Zahl unterschiedlicher LLMs, die die Domain zitieren, und die Zahl Ihrer getrackten Prompts, in denen die Domain auftaucht. Zu jeder Domain gibt es die aktuellen Marktplatzangebote (Preis, Anbieter) aus den aggregierten Backlink-Daten von Mentionable. Ein Agent kann die Frage „Was ist meine beste Backlink-Chance unter 500 €?“ mit einem einzigen Tool-Aufruf beantworten und eine sortierte Shortlist liefern statt einer unübersichtlichen Datenflut.
list_competitors
Die in einem Projekt getrackten Wettbewerber mit aggregierten Erwähnungen, Share of Voice, Präsenz pro LLM und Status (bestätigt, vorgeschlagen, verworfen). Die Grundlage für Gespräche mit Ihrer KI über Wettbewerbsanalyse.
list_competitor_sources
Der nützlichste Endpunkt für Outreach. Für einen bestimmten Wettbewerber liefert das Tool jede Domain, auf der dieser zitiert wird, mit Anzahl der Erwähnungen, LLMs, Top-URLs und Kontextbeispielen aus der LLM-Antwort. Wird Ihr Wettbewerber 12-mal auf einer bestimmten Bewertungsseite zitiert und Sie nicht, ist diese Seite ein direktes Outreach-Ziel. Ein Agent kann mit einem einzigen Prompt eine vollständige Outreach-Liste gegen die Konkurrenz vorbereiten.
bulk_update_competitor_status
Das Schreib-Tool. Es nimmt bis zu 50 Wettbewerber-Updates in einem Aufruf an, jeweils CONFIRMED, SUGGESTED (ausstehend) oder REJECTED. Ein Agent kann den üblichen operativen Workflow komplett im Chat abwickeln: „Liste die 12 Wettbewerbervorschläge der letzten Woche auf, behalte diese 8 als echte Wettbewerber, verwirf diese 4 als Rauschen.“ Ein Aufruf, atomare Ergebnisse, Fehlerbehandlung pro Eintrag bei ungültiger ID.
Seit dem Launch hinzugekommen: Scans, Ergebnisse, Local, Links, KI-Crawler, Reddit, Audits, Empfehlungen, Action Log
Dreiundvierzig weitere Tools sind nach dem ersten Launch erschienen und decken diese angrenzenden Bereiche ab:
- Scans und Rohergebnisse.
list_scans,list_prompt_results,get_prompt_result. Gehen Sie die Tracking-Historie Scan für Scan durch, listen Sie die Antworten eines Prompts pro LLM und Datum auf und rufen Sie dann den vollständigen Datensatz eines bestimmten Ergebnisses ab: zitierte Quellen (sichtbar und versteckt), Fan-out-Suchen, Erwähnungen von Wettbewerbern und die rohe LLM-Antwort (optional, weil sie das umfangreichste Feld ist). - Lokale Sichtbarkeit und getrackte Links.
list_local_places,list_tracked_links. Sehen Sie, welche Unternehmen ChatGPT und Google AI Overview für Ihre Prompts auf ihrer Karte anzeigen und wie oft die von Ihnen gekauften Links als Quellen zitiert werden. - KI-Crawler.
get_ai_crawler_overview,list_ai_crawler_pages,get_ai_crawler_page,list_ai_crawler_visits. Sobald das Projekt mit Cloudflare verbunden ist, sehen Sie, welche KI-Crawler Ihre Website besuchen und welche Seiten sie lesen, aufgeteilt in Abrufe für Antworten, Suchindexierung und Trainings-Crawls, abgeglichen mit den Zitierungen jeder Seite in KI-Antworten. Bei einer mit Mentionable veröffentlichten Seite verfolgen Sie die Zeit von der Veröffentlichung bis zum ersten KI-Besuch und zur ersten Zitierung. Die Besuche stammen aus Cloudflare AI Crawl Control und werden jede Nacht synchronisiert. - Reddit-Signale.
list_reddit_threads,get_reddit_thread,bulk_update_reddit_thread_status,enrich_reddit_thread. Finden Sie Reddit-Threads, die LLMs in Ihren getrackten Prompts zitieren, sortieren Sie sie in großem Umfang und starten Sie für die vielversprechendsten einen Scrape über Bright Data (50 Credits). Die Outreach-Pipeline im Chat statt in einer Tabelle. - Seiten-Audit.
list_page_audits,run_page_audit,get_page_audit. Stellen Sie für jede Ihrer Seiten ein Seiten-Audit in die Warteschlange, um eine strukturierte Liste von GEO-Korrekturen zu erhalten, und verfolgen und laden Sie anschließend die Ergebnisse.run_page_auditkostet in jedem Plan 100 Credits pro Audit und beachtet das Credit-Limit (begrenzt durchmonthlyOverageCapEuros). quota_exceeded wird als strukturierte Daten zurückgegeben, damit der Agent das Limit und den Upgrade-Weg erklären kann. Audits laufen asynchron. Fragen Sieget_page_auditmit derauditIdab, bis der StatusCOMPLETEDlautet. - Fan-out-Extraktionen.
create_fan_out_extraction,list_fan_out_extractions,get_fan_out_extraction. ChatGPT zeigt nicht eingeloggten Besuchern seine Suchanfragen nicht mehr an. Eine Extraktion fragt deshalb die Suchmaschine von ChatGPT über die OpenAI API für die Prompts ab, die Sie auswählen: Anfragen, gerankte Ergebnisse, geöffnete und zitierte Seiten sowie eine Zusammenfassung der Anfragen, bei denen Ihre Website fehlt. 5 Credits pro Prompt, nur berechnet, wenn die Engine tatsächlich gesucht hat. Ein Probelauf zeigt die Kosten vorab an. - Bulk-Audits.
list_bulk_audits,get_bulk_audit,list_bulk_audit_competitors,select_bulk_audit_competitors. Verfolgen Sie eine Bulk-Audit-Kampagne und kuratieren Sie deren Wettbewerber-Shortlist direkt im Chat. - GEO-Audit (White-Label).
list_geo_audits,get_geo_audit,list_geo_audit_competitors,select_geo_audit_competitors. Steuern Sie ein einmaliges Audit für einen Interessenten aus dem Chat: Status abrufen, die Wettbewerber-Shortlist kuratieren, solange das Audit im Status REVIEWING ist, und dann die Auswahl festschreiben, um die Erstellung der Insights auszulösen. - Bearbeitung von GEO-Audit-Reports.
list_geo_audit_recommendations,add_geo_audit_recommendation,remove_geo_audit_recommendation,set_geo_audit_recommendation_visibility,list_geo_audit_content_ideas,add_geo_audit_content_idea,remove_geo_audit_content_idea,set_geo_audit_content_idea_visibility,set_geo_audit_section_visibility,list_audit_ctas. Ergänzen Sie die generierten Empfehlungen und Content-Ideen um eigene, blenden Sie unpassende aus und teasern Sie einen Abschnitt hinter einem CTA an. Alles, was die Report-Oberfläche manuell erlaubt, kann ein Agent aufrufen. - Empfehlungen.
list_recommendations,get_recommendation,set_recommendation_status. Die Maßnahmen, mit denen das Projekt zitiert würde, nach Wirkung sortiert: Seiten, auf die sich KI-Engines stützen, um Ihre Wettbewerber zu empfehlen (Verzeichnis, in das Sie sich eintragen, Ranking, in das Sie aufgenommen werden möchten, Reddit-Thread, den Sie beantworten), dann ein Schritt-für-Schritt-Plan pro Prompt oder lokaler Zone, beginnend mit Ihrer eigenen Seite. Ihr Agent arbeitet den Plan ab und markiert jeden Schritt als erledigt, sodass seine Wirkung ab diesem Tag gemessen wird. - Action Log.
list_action_logs,create_action_log. Das Projekttagebuch: jede durchgeführte Optimierung (überarbeitete Seiten, veröffentlichte Inhalte, Outreach) mit Datum. Ihr Agent protokolliert mitcreate_action_log, was er gerade getan hat, undlist_action_logs, gefiltert auf einen Zeitraum, macht aus dem Monatsreport statt einer Gedächtnisübung einen einzigen Tool-Aufruf. Protokollierte Aktionen erscheinen außerdem als Markierungen im Performance-Diagramm des Dashboards, sodass Sichtbarkeitsveränderungen neben der Arbeit stehen, die sie ausgelöst hat.
Vollständige Schemas für alle 51 Tools unter /docs/mcp/tools.
Echte Workflows statt Demos
Der Nutzen von MCP zeigt sich in konkreten Workflows, die mehrstufige Handarbeit in einem einzigen Gespräch bündeln.
Content-Briefings aus KI-Zitierungsdaten
Sie fragen Claude: „Erstelle ein Content-Briefing für den Prompt ‚beste Software für Fitnessstudio-Verwaltung‘. Nutze die 5 meistzitierten Quellen als Referenz und erkläre, warum jede davon rankt.“
Claude ruft list_llm_sources gefiltert auf diesen Prompt auf, erhält die 5 wichtigsten Domains mit ihren Fan-out-Anfragen und Beispiel-URLs, liest die Titel und die seenAs-Klassifizierung und entwirft ein Briefing, das strukturell widerspiegelt, was die LLMs bereits schätzen. Ihr Briefing ist keine Spekulation. Es basiert auf echten Zitierungssignalen.
Outreach-Listen ohne Tabellen
Sie fragen ChatGPT: „Finde 15 Outreach-Ziele für diesen Monat. Ich suche Domains, die mindestens zwei meiner drei stärksten Wettbewerber zitieren, uns aber noch nie zitiert haben.“
ChatGPT ruft list_competitor_sources für jeden Ihrer drei stärksten Wettbewerber auf, bildet die Schnittmenge der Domainlisten, gleicht sie mit list_llm_sources für Ihre eigenen Zitierungen ab, entfernt Domains, auf denen Sie bereits vorkommen, und liefert eine sortierte Liste mit den Zitierungszahlen der Wettbewerber und Ihrem aktuellen Absence Score. Manuell kostet dieser Workflow 90 Minuten Tabellenarbeit.
Operative Triage in einem Gespräch
Sie fragen Claude Desktop: „Zeig mir die Wettbewerbervorschläge der letzten 14 Tage. Ich prüfe jeden und bestätige oder verwerfe ihn.“
Claude ruft list_competitors gefiltert auf kürzlich erstellte Einträge mit Status SUGGESTED auf und präsentiert sie mit Kontext und Anzahl der Erwähnungen. Sie bestätigen oder verwerfen jeden im Chat, Claude ruft bulk_update_competitor_status einmal mit dem gesamten Stapel auf. Eine Triage, die früher 20 Minuten Klickarbeit in der App gekostet hat, ist in einem zweiminütigen Gespräch erledigt.
Ein Sicherheitsmodell, das Sie nachvollziehen können
Ein einziger Grundsatz: Ein API-Key kann nie mehr Zugriff gewähren, als der Nutzer bereits hat.
Keys sind an Ihren TenantMember gebunden (die Kombination aus Nutzer und Workspace). Gehören Sie zwei Workspaces an, hat jeder Workspace eigene Keys von Ihnen. Sie erstellen einen Key unter Einstellungen → MCP, geben ihm einen Namen, schränken ihn optional auf bestimmte Projekte in Ihrem Bereich ein, kopieren den Klartext (er wird nur ein einziges Mal angezeigt) und konfigurieren Ihren KI-Client.
Bei jedem Aufruf ermittelt der Server die effektiven Berechtigungen als Schnittmenge aus Ihren aktuellen Mitgliedschaftsrechten und den optionalen Einschränkungen des Keys. Werden Sie später aus dem Workspace entfernt, funktionieren Ihre Keys ab dem nächsten Aufruf nicht mehr. Wird Ihre Rolle auf Nur-Lesen (Kunde) herabgestuft, lehnen Ihre Keys Schreibvorgänge sofort ab. Nichts wird zwischengespeichert, es bleiben keine veralteten Berechtigungen bestehen.
Der Klartext wird nie gespeichert. Der Server speichert einen SHA-256-Hash des Keys und ein sichtbares Präfix zur Identifizierung in der Oberfläche. Der Widerruf erfolgt mit einem Klick und greift beim nächsten Aufruf.
Rate Limits gelten pro Key mit einem Sliding Window: standardmäßig 100 Anfragen pro Minute, großzügig genug für den normalen Traffic von KI-Agenten.
Einrichtung in unter 60 Sekunden
Claude, ChatGPT, Claude Code und Cursor verbinden sich per OAuth. Fügen Sie einen Custom Connector mit der Server-URL hinzu, klicken Sie auf Connect und bestätigen Sie auf der Seite von Mentionable:
https://mentionable.ai/api/mcp
Sie müssen keinen Key erstellen oder einfügen. Für Claude Code registrieren Sie den Server mit claude mcp add --transport http mentionable https://mentionable.ai/api/mcp, führen dann /mcp aus und wählen Authenticate.
Automatisierungen und Clients ohne OAuth
Für n8n, Skripte oder einen Client ohne Connect-Button erstellen Sie unter Einstellungen → MCP einen API-Key und senden ihn als Bearer-Token:
{
"mcpServers": {
"mentionable": {
"url": "https://mentionable.ai/api/mcp",
"headers": {
"Authorization": "Bearer mnt_sk_YOUR_KEY"
}
}
}
}
Connectoren ohne Unterstützung für Custom Header
Akzeptiert Ihr KI-Connector nur eine URL (keine Custom Header), übergeben Sie den API-Key als Query-Parameter:
https://mentionable.ai/api/mcp?key=mnt_sk_YOUR_KEY
Sowohl ?key= als auch ?apiKey= werden akzeptiert. Verwenden Sie bevorzugt den Bearer-Header, wenn Ihr Client ihn unterstützt: Query-Parameter können von Servern, CDNs, Reverse Proxies und im Browserverlauf protokolliert werden, was das Risiko eines Key-Lecks erhöht. Erneuern Sie den Key unter Einstellungen → MCP, wenn Sie einen Missbrauch vermuten.
Was die Daten abfragenswert macht
Ein MCP-Server ist nur so nützlich wie die Daten dahinter. Ihn richtig zu bauen bedeutet: einen stabilen Tool-Vertrag, saubere Authentifizierung pro Nutzer, Berechtigungen auf Basis der Mitgliedschaft und ein Datenmodell, das sich abzufragen lohnt.
Mentionable hat von Anfang an ein sauberes mandantenfähiges Datenmodell und eine eigene Authentifizierungsschicht, weil die App selbst für mehrere Nutzer gebaut ist. MCP war daher eine natürliche Erweiterung, kein nachträglicher Umbau. Ihre KI erhält tägliches Tracking über 7 KI-Engines, die Fan-out-Anfragen hinter jeder Antwort, sichtbare und versteckte Quellen, Wettbewerber und Audits, alles in einem konsistenten Vertrag.
Die größere Wette
Die Tools, die den Wandel durch LLMs überstehen, sind die, die nicht mehr davon ausgehen, dass ein Mensch ihre Oberfläche öffnet. Das Produkt sind die Daten. Die Oberfläche ist eine Schnittstelle. MCP ist eine weitere. Morgen kommen neue hinzu.
Wenn Sie 2026 Marketing verantworten und Ihr KI-Assistent nicht ohne Copy-and-paste auf Ihre Sichtbarkeitsdaten zugreifen kann, zahlen Sie für das falsche Tool.
KI-Assistent oder MCP?
Sie brauchen kein MCP, um Fragen zu Ihren Daten zu stellen. Der KI-Assistent von Mentionable arbeitet ohne Einrichtung direkt im Dashboard, in jedem Plan: Er liest Ihr Projekt, erklärt die Zahlen und verlinkt auf die Seite, auf der Sie handeln. MCP bringt dieselbe Art von Daten in Ihre eigene KI, in den Plänen Pro und Agency, wenn Ihr Agent sie in Briefings, Reports oder Automatisierungen neben dem Rest Ihres Tool-Stacks nutzen soll.
Jetzt testen
Wählen Sie den Plan Pro oder Agency, fügen Sie https://mentionable.ai/api/mcp als Connector in Claude oder ChatGPT hinzu, bestätigen Sie die Verbindung und stellen Sie Ihrer KI die erste echte Frage zu Ihrer Sichtbarkeit. In der kostenlosen Testphase starten Sie mit dem KI-Assistenten im Dashboard.
Verwandte Artikel
- Wettbewerber-Tracking: das zugrunde liegende Tracking, das den MCP-Tools für Wettbewerber ihre Aussagekraft gibt.
- Tracking von Quellen und Zitierungen: die Daten hinter list_llm_sources.
- Outreach-Chancen: die App-Version des Backlink-Workflows, den auch MCP bereitstellt.
- KI-Assistent: Fragen zu denselben Daten direkt im Dashboard stellen, in jedem Plan.