Skip to main content
Glama

ListingGood — KI-Empfehlungs-Engine (Skills + MCP)

Sorgen Sie dafür, dass KI Ihre Produkte empfiehlt. ListingGood ist die Engine, die Amazons KI — Alexa for Shopping, das COSMO-Intentmodell und agentisches Auto-Buy — dabei unterstützt, Ihre Listings zu finden, ihnen zu vertrauen und sie zu empfehlen. Das erreicht sie durch drei Dinge: Compliance, KI-Texterstellung und Appeal-Rescue.

Website MCP Kostenloser Check


Warum es das gibt

Amazons Eingangstür zur Produktentdeckung hat sich zur KI verlagert. Ein Listing, das nicht maschinenlesbar und compliance-sauber ist, wird mit deutlich geringerer Wahrscheinlichkeit in Alexa for Shopping, COSMO-Antworten oder agentischen Kaufabläufen zitiert. Herkömmliche Seller-Tools sagen Ihnen, was Sie verkaufen sollen — sie sagen Ihnen nicht, ob Ihr Listing empfohlen wird.

ListingGood schließt diese Lücke:

  • Compliance-Pre-Check — markiert riskante Behauptungen und Kategorieprobleme, bevor Sie veröffentlichen (kostenlos, ohne Anmeldung).

  • KI-Lesbarkeit — bewertet, wie gut Amazons KI-Oberflächen Ihr Listing parsen und zitieren können.

  • KI-Texterstellung — erzeugt konforme Titel, Bulletpoints und Beschreibungen.

  • Appeal-Rescue — erstellt einen Plan of Action (POA), wenn ein Listing unterdrückt ist.

Das kombinierte Ergebnis ist ein AI Recommendation Readiness Score = Compliance × 0,55 + KI-Lesbarkeit × 0,45.

Related MCP server: SellerChamp MCP Server

Was dieses Repository enthält

Dieses Repository bündelt die Agent Skills von ListingGood und die MCP-Server-Konfiguration, damit KI-Agenten und Power-User ListingGood programmatisch aufrufen können:

Paket

Was es tut

listinggood-expert

All-in-One-Experte für Amazon-Listings: Texterstellung · Compliance-Pre-Check · Appeal-Rescue

listinggood-amazon-listing-optimizer

Listing-Erstellung mit hoher Konversionsrate (Titel + Bulletpoints + Beschreibung)

listinggood-amazon-compliance-auditor

Compliance-Audit mit Einstufung in Critical/Warning/Info

listinggood-deep-compliance

Tiefgehender Compliance-Bericht auf Wissensdatenbank-Basis

listinggood-appeal-rescue

POA-Erstellung + Root-Cause-Analyse negativer Bewertungen

listinggood-amazon-title-optimizer

A9/A10-Titeloptimierung

listinggood-amazon-bullet-writer

Nutzenorientierte Bulletpoints

listinggood-amazon-eu-localization

Lokalisierung für EU-Marketplaces (DE/ES/FR/IT)

MCP-Server

7 Tools (Free Check, Deep Scan, KI-Generierung, POA, …) + vertikale MCPs (Elektronik / Spielzeug / Beauty / Haushalt)

Schnellstart — MCP verbinden

  1. Holen Sie sich einen kostenlosen API-Schlüssel unter listinggood.com/developers.

  2. Fügen Sie den Server zu Ihrem MCP-Client hinzu:

{
  "mcpServers": {
    "listinggood": {
      "url": "https://listinggood.com/mcp?apikey=<YOUR_API_KEY>",
      "transport": "streamable-http"
    }
  }
}
  1. Starten Sie Ihren Client neu. Die Tools von ListingGood erscheinen als verfügbare MCP-Tools.

Dies ist ein Remote-MCP-Server (Streamable HTTP) — keine lokale Installation, kein Docker-Build und kein npx-Befehl erforderlich. Der API-Schlüssel wird als URL-Abfrageparameter (?apikey=...) übergeben, genau wie oben gezeigt.

Tools

Der MCP-Server stellt die folgenden Tools bereit:

Tool

Was es tut

Kosten

ai_readiness_check

Score — das einzige Tool, das eine kombinierte Kennzahl für die KI-Empfehlungsbereitschaft zurückgibt (Compliance × 0,55 + Lesbarkeit × 0,45), sofort

Kostenlos, ohne API-Schlüssel

compliance_check

Quick-Gate — schneller Scan auf Red-Line-Wörter und Kategorierisiken, bevor Sie schreiben; oberflächlich und sofort, kein vollständiges Audit

Kostenlos mit API-Schlüssel

compliance_scan

Deep-Report — vollständiges Compliance-Audit auf Wissensdatenbank-Basis (verbotene Wörter, IP, Kategorie, GPSR, Bildprüfung); ein schriftlicher Bericht, kein Schnellcheck

2 Credits

generate_listing

Optimierten Titel + Bulletpoints + Beschreibung für ausgewählte Marketplaces generieren

1 Credit pro Marketplace

fill_from_sentence

Eine Produktbeschreibung aus einem einzigen Satz in strukturierte Listing-Felder überführen

Kostenlos mit API-Schlüssel

generate_poa

Einen Plan of Action für einen Einspruch aus einer Amazon-Verstoßmeldung erstellen

4 Credits

analyze_review

Eine negative Bewertung im Hinblick auf Root Cause und einen Antwortvorschlag analysieren

2 Credits

Drei Compliance-Stufen — wählen Sie nach Tiefe, nicht nach Bezeichnung: ai_readiness_check liefert einen Score, compliance_check ist ein schnelles Pre-Publish-Gate und compliance_scan ist ein tiefgehender asynchroner schriftlicher Bericht.

Alle kostenpflichtigen Tools geben eine Task-ID zurück und pollen, bis der Vorgang abgeschlossen ist. Das kostenlose ai_readiness_check liefert die Ergebnisse sofort.

Jetzt ausprobieren (ohne Konto)

Führen Sie unter listinggood.com/scan einen kostenlosen Compliance- und KI-Lesbarkeits-Check durch — fügen Sie Ihren Titel und Ihre Bulletpoints ein und erhalten Sie in Sekunden einen Bericht.


ListingGood KI-Empfehlungs-Engine — sorgen Sie dafür, dass KI Ihre Produkte empfiehlt.

Related MCP Connectors

Related MCP Servers

  • F
    license
    Not graded
    quality
    D
    maintenance
    An MCP server that enables large language models to directly access and analyze Amazon product information, including product details, variants, and reviews.
    -
  • A
    license
    Not graded
    quality
    D
    maintenance
    An MCP server that enables AI agents to manage multi-marketplace e-commerce operations by connecting to the SellerChamp API. It supports inventory reporting, cross-listing analysis, order management, and bulk updates across platforms like Amazon, eBay, and Shopify.
    MIT
  • A
    license
    Not graded
    quality
    D
    maintenance
    MCP server for Amazon Selling Partner API and Advertising API, enabling access to orders, inventory, pricing, ads, and reports via natural language.
    1
    MIT
  • A
    license
    Not graded
    quality
    D
    maintenance
    MCP servers for Amazon Seller Central and Amazon Ads API, enabling AI assistants to manage your Amazon account using natural language.
    1 npm
    2
    MIT