技能介绍

为什么需要这个工具

做技术调研时，我们经常需要在不同的信息源之间来回切换：在搜索引擎里找资料，在 GitHub 上查开源项目的活跃度，在 npm 或 PyPI 里确认依赖包的版本和许可证，还要去官方文档确认 API 的具体用法。这些工具各自独立，信息分散，导致一次完整的调研需要在多个标签页之间反复横跳，手动复制粘贴信息，效率很低。

更麻烦的是，当遇到一个报错信息时，我们往往需要自己复制到搜索引擎里搜索，再从结果里筛选出有用的 Stack Overflow 或 GitHub Issue 链接。对于刚接触一个新框架或新语言的开发者来说，这个过程尤其耗时。

核心能力与工作方式

这个技能的核心思路是把常用的调研动作封装成一个统一的 MCP 工具集，让你在对话中直接调用，不用再手动切换应用。

它提供了 13 个工具函数，覆盖了几个典型场景：

通用搜索与抓取：通过本地 SearXNG 实例搜索网页，或用 crawl4ai 抓取指定 URL 的正文内容。
代码示例检索：按 content_type 过滤代码片段或技术文章，也可以按 time_range 限定时间范围，适合学习新 API 或查找用法。
依赖包信息：查询 npm、PyPI、crates.io 或 Go modules 上某个包的版本、下载量、许可证和依赖关系，帮你在引入新库前快速评估。
仓库健康度：获取 GitHub 仓库的 Stars、Forks、Issues 和最近提交活动，判断项目是否活跃。
错误诊断：传入报错信息或堆栈，自动检测语言和框架，从 Stack Overflow 和 GitHub 里找高赞解决方案。
API 文档查询：动态发现并抓取官方文档页面，提取与某个功能相关的说明和示例。
结构化数据提取：从网页中抽取表格、列表或特定 CSS 选择器字段，避免把整页文本拉进来再解析。
技术选型对比：同时拉取多个技术方案的信息，生成结构化对比，适合做框架或数据库选型时参考。
辅助功能：查找免版税图片素材，获取包的 changelog，或检查某个 API 服务是否在线。

使用时，大模型作为路由层负责理解你的意图，从工具列表里选出合适的函数，提取所需参数，然后调用对应的 API。例如你想了解某个包的详细信息，它会先确定你要查哪个注册表，再调用 package_info 并传入包名和 reasoning 字段。参数不完整时，它会主动询问你补充。

适用边界与注意事项

这个工具集更适合在做技术调研、学习新框架、排查报错、评估开源项目或做技术选型时使用。它解决的是信息获取和初步筛选的问题，不替代你自己阅读源码或深入理解原理的过程。

需要注意几点：第一，所有工具的参数里都要求传入 reasoning 字段，用来说明这次调用的目的。这不是可选的装饰，而是路由层判断意图的重要依据，不要省略。第二，API 文档查询依赖动态发现文档 URL，如果某个 API 没有标准文档路径，可能抓取不到完整内容。第三，结构化数据提取的效果取决于目标页面的 HTML 结构，如果页面是纯客户端渲染且没有语义化标签，抽取可能失败或不完整。

使用时最好先明确自己要解决的问题类型，再从对应的工具入手。比如排查报错直接用 translate_error，评估一个 GitHub 项目直接用 github_repo，而不是每次都从通用搜索开始。