AntV 文档协议服务

解决的问题

AI 在处理 AntV 可视化相关任务时，常面临上下文缺失的问题。当用户询问图表配置、调试报错或实现复杂可视化时，模型需要结合官方文档、代码示例和最佳实践才能给出准确方案。传统方式依赖人工查阅文档或临时搜索，效率低下且容易遗漏关键细节。

核心能力与工作流

该技能通过模型上下文协议（MCP）提供结构化的 AntV 文档服务，核心包含两个强制工具函数：

• 意图预处理：extract_antv_topic 智能识别用户查询中的库名（如 g2/g6）、任务类型（实现/调试）和复杂度，自动检测项目依赖并推荐合适的 AntV 库
• 文档检索：query_antv_document 根据预处理结果精准获取官方文档、代码示例和最佳实践，支持子任务迭代查询

关键步骤严格遵循：

1. 强制 API 密钥检查：首次使用时必须通过 AskUserQuestion 获取 XBY_APIKEY，否则拒绝服务
2. 工具链调用：所有 AntV 相关查询必须先调用 extract_antv_topic，再调用 query_antv_document，无例外
3. 参数补全机制：当参数不完整时，必须主动询问用户补充

适用边界与注意点

• 密钥依赖：服务完全依赖 xiaobenyang.com 提供的 API 密钥，无密钥时禁止任何形式的自搜索或编造数据
• 工具链强制性：简单问题（如"修改图例颜色"）也必须走完整工具链，不可绕过预处理直接查询文档
• 子任务处理：复杂任务（如仪表盘开发）需通过 subTasks 参数分解为可管理的子任务批次处理
• 返回值规范：工具返回的原始 JSON 数据必须完整展示，仅做格式整理而非语义修改