ダブルクリックで英日反転
Applied Sciences · Engineering
MCPEO — SEO for AI Agents
MCPEO optimises tool descriptions so that, when an AI agent selects among available MCP tools and sources, your tool gets chosen. It is the agent-facing layer after GEO.
What is being optimised
- Agents choose tools by reading each tool's description — the description is the equivalent of an SEO meta tag.
- Server Card: the self-introduction an MCP server exposes to the agent.
- Writing tool descriptions that let the AI judge capability clearly and unambiguously.
How to measure it
- Run your own small MCP server and track which tools get called (selection rate).
- Observe the order in which tools are called across tasks.
- A/B test description wording and measure the shift in selection rate.
MCPEO vs GEO
- GEO measures whether you are mentioned in an AI answer shown to a human.
- MCPEO measures whether your tool is actually used by an agent — a deeper integration.
- Few organisations hold first-party data here yet, making it a highly novel area.
→ The description field of an MCP tool is the new meta-tag — crafting it well determines whether agents reach for your service.
Applied Sciences · Engineering
MCPEO — AIエージェント向けSEO
MCPEOとは、AIエージェントが複数のMCP（Model Context Protocol＝AIとツールをつなぐ標準規格）ツールから選択する際に、自社ツールが選ばれるよう説明文を最適化する手法。人向けのGEO（Generative Engine Optimization＝AI検索での露出最適化）の次の層にあたる。
最適化の対象
- エージェントは各ツールのdescription（説明文）を読んで使用ツールを決定する。この説明文がSEOのメタタグに相当する。
- Server Card（MCPサーバーがエージェントへ渡す自己紹介情報）の内容と精度が選択率を左右する。
- AIが「このツールで何ができるか」を即座に判断できる文体・構造で書くことが核心。
計測・実験の方法
- 小規模なMCPサーバーを自前で立て、どのツールが呼ばれるか（選択率）を記録する。
- タスクをまたいでツールの呼び出し順序を観察する。
- 説明文の文言をA/Bテストし、選択率の変化を定量的に追う。
MCPEOとGEOの違い
- GEO：人間が見るAI回答に自社が言及されるかを最適化する。
- MCPEO：エージェントが実際に自社ツールを使うかを最適化する。より深い統合レイヤー。
- ファーストパーティデータ（自社計測データ）を保有する事例が国内でも少なく、先行優位が大きい領域。
→ MCPツールのdescriptionフィールドが新しいメタタグ。そこを磨くことが、エージェント時代に「選ばれるサービス」になる鍵。
Applied Sciences · Engineering
MCPEO — SEO for AI Agents
MCPEO optimises tool descriptions so that, when an AI agent selects among available MCP tools and sources, your tool gets chosen. It is the agent-facing layer after GEO.
What is being optimised
- Agents choose tools by reading each tool's description — the description is the equivalent of an SEO meta tag.
- Server Card: the self-introduction an MCP server exposes to the agent.
- Writing tool descriptions that let the AI judge capability clearly and unambiguously.
How to measure it
- Run your own small MCP server and track which tools get called (selection rate).
- Observe the order in which tools are called across tasks.
- A/B test description wording and measure the shift in selection rate.
MCPEO vs GEO
- GEO measures whether you are mentioned in an AI answer shown to a human.
- MCPEO measures whether your tool is actually used by an agent — a deeper integration.
- Few organisations hold first-party data here yet, making it a highly novel area.
→ The description field of an MCP tool is the new meta-tag — crafting it well determines whether agents reach for your service.
Applied Sciences · Engineering
MCPEO — AIエージェント向けSEO
MCPEOとは、AIエージェントが複数のMCP（Model Context Protocol＝AIとツールをつなぐ標準規格）ツールから選択する際に、自社ツールが選ばれるよう説明文を最適化する手法。人向けのGEO（Generative Engine Optimization＝AI検索での露出最適化）の次の層にあたる。
最適化の対象
- エージェントは各ツールのdescription（説明文）を読んで使用ツールを決定する。この説明文がSEOのメタタグに相当する。
- Server Card（MCPサーバーがエージェントへ渡す自己紹介情報）の内容と精度が選択率を左右する。
- AIが「このツールで何ができるか」を即座に判断できる文体・構造で書くことが核心。
計測・実験の方法
- 小規模なMCPサーバーを自前で立て、どのツールが呼ばれるか（選択率）を記録する。
- タスクをまたいでツールの呼び出し順序を観察する。
- 説明文の文言をA/Bテストし、選択率の変化を定量的に追う。
MCPEOとGEOの違い
- GEO：人間が見るAI回答に自社が言及されるかを最適化する。
- MCPEO：エージェントが実際に自社ツールを使うかを最適化する。より深い統合レイヤー。
- ファーストパーティデータ（自社計測データ）を保有する事例が国内でも少なく、先行優位が大きい領域。
→ MCPツールのdescriptionフィールドが新しいメタタグ。そこを磨くことが、エージェント時代に「選ばれるサービス」になる鍵。
出典・参考 / Sources
Related notes
- Agentic Commerce — ACP and Visibility into Being 'Bought by AI'
- AI Search Evaluation: The 12 Metrics — Gateway
- AI Search Evaluation ①Citation Rate — How Many URLs Are Pulled In Per Answer
- AI Search Evaluation ②Source Diversity — How Unskewed the Cited Sources Are
- AI Search Evaluation ③Accuracy Score — How Often It Answers Factual Questions Correctly
- AI Search Evaluation ④Answer Length — How Many Characters It Returns to the User on Average