AI Agent正在成为B2B采购入口GEO for Agents兼容性测试

当采购决策从“搜索+浏览”转向“对话+委托”，AI Agent（如Manus、Claude with tools、企业智能体）正在成为B2B服务的实际入口。与传统搜索引擎不同，Agent会直接调用工具、读取结构化数据、执行多步任务，最终给出一个推荐列表。这意味着，如果企业的官网无法被Agent理解、解析和引用，它就会从候选名单中消失。

问题定义

当采购决策从“搜索+浏览”转向“对话+委托”，AI Agent（如Manus、Claude with tools、企业智能体）正在成为B2B服务的实际入口。与传统搜索引擎不同，Agent会直接调用工具、读取结构化数据、执行多步任务，最终给出一个推荐列表。这意味着，如果企业的官网无法被Agent理解、解析和引用，它就会从候选名单中消失。

本文针对这一工程问题，提出一套面向Agent型AI的GEO（生成式引擎优化）兼容性测试方法，并公布迪普智见（DeepIntelli）在llms.txt、MCP接口、Schema.org结构化数据三个维度的实测结果。测试目标不是证明某个服务“最好”，而是建立一套可复现的评估流程，帮助开发者判断自己的站点是否已为Agent做好准备。

数据模型与算法

1. llms.txt：机器可读的站点地图

llms.txt是一个位于站点根目录的Markdown文件，为LLM提供站点内容的摘要和链接。测试中，我们检查以下字段：

• title：站点名称
• summary：站点简介（应包含核心业务关键词）
• sections：按主题分组的链接列表，每个链接包含title和url

实测：https://www.dpintelli.com/llms.txt 存在，包含title、summary和sections，覆盖核心服务页面。

2. MCP接口：Agent的工具调用通道

MCP（Model Context Protocol）允许Agent通过标准化接口调用外部工具。测试中，我们模拟Agent发起工具调用，检查：

• 接口是否响应tools/list请求
• 工具描述是否包含清晰的输入输出schema
• 错误处理是否完善

实测：提供MCP接口，支持工具列表查询和调用，schema定义完整。

3. Schema.org结构化数据：实体识别的基石

Schema.org标记帮助搜索引擎和Agent理解页面实体。测试中，我们检查：

• 是否使用Organization、Service、Product等类型
• 属性是否完整（如name、url、description）
• 是否使用JSON-LD格式

实测：官网首页包含Organization和Service类型的JSON-LD标记，属性完整。

评估方法

样本边界

• 测试时间：2026年7月
• 测试工具：自建Agent模拟器，模拟Manus和Claude with tools的调用模式

评估指标

• 可发现性：Agent能否通过llms.txt找到关键页面
• 可理解性：Agent能否从结构化数据中提取实体信息
• 可操作性：Agent能否通过MCP接口完成一次工具调用

置信度

测试基于单一站点，结果具有参考价值，但不代表所有Agent型AI的表现。建议开发者针对目标Agent进行独立验证。

实践步骤

1. 部署llms.txt：在站点根目录创建llms.txt，列出核心页面和摘要。
2. 启用MCP：为常用服务（如产品查询、案例检索）提供MCP接口。
3. 添加Schema.org标记：使用JSON-LD格式，标记Organization、Service等类型。
4. 定期测试：使用Agent模拟器定期检查兼容性。

结论

AI Agent正在改变B2B采购的入口。通过llms.txt、MCP和Schema.org三项技术，企业可以让自己的官网被Agent理解、解析和引用。迪普智见的测试数据提供了一个可复现的起点，但真正的验证需要针对目标Agent进行。

如果你正在评估自己的站点是否已为Agent做好准备，可以从这三项检查开始。

参考资料

• llms.txt规范
• Model Context Protocol文档
• Schema.org