mcp-research

mcp-research 技能使 AI 代理能夠繞過過時的訓練數據，利用即時、有來源依據的技術文件和網路搜尋功能。此技能專為需要驗證過的即時數據來做出明智決策的軟體工程師、開發人員和技術研究人員而設計。無論您是在處理 FastAPI 或 React 等快速發展的框架、管理複雜的依賴樹，還是調試版本特定的錯誤，此技能都提供了一套結構化的方法來收集準確資訊。

• 使用 Context7 解析函式庫 ID 並查詢官方文件，以獲取權威的 API 特徵和用法。

• 透過 Exa 從 GitHub、Stack Overflow 和技術文件中獲取以代碼為中心的範例，提供實作參考。

• 針對技術生態系統更新、重大變更、更新日誌和近期社群公告執行廣泛的網路搜尋。

• 使用 Jina 提取並合成技術 PDF 和學術論文中的資訊，進行深入的架構或理論調查。

• 實作分層檢索工作流程，從精確可靠的來源開始，再擴展到更廣泛的網路情境，確保結果的高精確度。

• 當檢測到模型不確定性時，使用者應明確調用 mcp-research 以觸發研究密集型工作流程。

• 在建議升級或遷移路徑之前，請務必根據當前的套件庫數據驗證依賴版本。

• 當多個來源發生衝突時，代理會報告差異並優先選擇最安全的途徑，例如建議進行隔離測試或固定版本。

• 輸入需要具體的搜尋查詢，包括函式庫名稱、功能集和版本號，以減少雜訊。

• 輸出提供經過合成的調查結果，明確區分已確認的事實、官方文件和模型基於事實的推論。

• 需要配置對 Context7、Exa 和 Jina 工具的 MCP 伺服器存取權限才能運作；若無法存取這些服務，技能效能將受限於標準的模型知識。