辅助MCP/插件/工具

MCP工具

PostgreSQL/MySQL (MCP): 让 AI 直接连接并“看见”真实数据库的物理表结构，彻底消除因手动同步 SQL 文件不及时导致的逻辑预测偏差。

Postman / Hoppscotch (MCP): 让 AI 直接读取接口测试集合，确保生成的代码通过现有的 API 契约测试。

Redis (MCP): 使 AI 能够读写缓存数据、查看 Key 结构，辅助调试复杂的分布式缓存逻辑。

Docker (MCP): 允许 AI 查看容器状态、镜像信息及日志，直接在 /speckit.implement 后验证环境。

GitLab (MCP): GitHub MCP 的企业级替代方案，管理代码评审、流水线状态和项目任务。

Google Search (MCP): AI 默认依赖模型训练数据或有限的 Web 检索，但此 MCP 可以让 AI 通过 Google API 访问实时互联网。

Fetch (MCP): 支持 AI 抓取特定网页或 API 文档并转化为 Markdown，通过输入高质量的外部知识来解决复杂第三方服务集成时的幻觉问题。

Sentry (MCP): 将生产环境的实时错误日志直接喂给 AI，使其能基于真实的堆栈追踪（Stack Trace）在任务拆解阶段精准定位 Bug。

Puppeteer (MCP): 允许 AI 自动操控无头浏览器进行交互，在验收阶段可自动执行点击、截图等端到端（E2E）测试任务。

News API (MCP): 获取全球实时新闻，适合开发新闻聚合类或热点敏感类应用。

Weather (MCP): 获取实时天气数据，常用于开发 Demo 或作为地理位置服务的输入源。

Youtube Transcript (MCP): 抓取视频字幕，让 AI 学习最新的技术讲座或教程视频内容。

PyPI / NPM Search (MCP): 快速查询包的版本信息、依赖关系和下载量，辅助做技术选型（Plan）。

StackOverflow (MCP): 直接检索社区高赞回答，避开搜索引擎的垃圾内容，快速解决 Implement 报错。

ArXiv (MCP): 让 AI 搜索并阅读最新的 AI/数学论文，辅助处理前沿算法的 Spec 制定。

Wikipedia (MCP): 提供结构化的百科知识库，适合在非技术类需求分析时获取背景背景。

Wolfram Alpha (MCP): 赋予 AI 强大的科学计算和数学推导能力，确保算法逻辑的严谨性。