用途
本技能聚焦于 API 与工具调用的 Token 优化，用于最小化 MCP 服务器和外部工具交互中的 Token 消耗，同时保持有效性。根据资料，它不适用于运行时性能优化、代码压缩、数据库查询优化、算法效率以及提示词工程（它关注工具使用而非提示设计）。
主要能力
技能给出的核心原则包括：懒加载（仅在严格必要时加载信息）、最小输出（只请求所需数据，使用 limit 与 compact 参数）、渐进式细节（先概览/摘要，必要时再下钻）、缓存优先（外部调用前先检查上下文中是否已有信息）。
技能列出了常见反模式及其 Token 高效方案，例如：SELECT * 应指定确切列；无 LIMIT 应始终添加 LIMIT（如 100）；全量 schema 请求应使用 compact=true 或 format="summary"；递归获取文档应改用 search_docs 定向查询；获取完整日志应改用 tail_logs 或 find_errors 并加 limit；复制粘贴文档应改为总结与引用；无分页应使用 offset/limit；全量 API schema 探索应先取端点列表再按需取详情。
使用方式
针对不同 MCP 服务器模式给出具体工具用法：
database-query：execute_query 始终使用 limit 参数（默认 1000）；用 get_schema(compact=true) 获取结构概览；探索性查询前先用 describe_table；大表复杂查询前先用 explain_query。资料中的示例对比为：-- BAD: Query without limits SELECT * FROM users；-- GOOD: Query with filters and limits SELECT id, name, email FROM users WHERE active = true LIMIT 100。
api-explorer：get_api_schema(format="summary") 用于概览；list_api_paths(limit=50) 获取端点列表；get_api_models(compact=true) 获取模型列表而不带完整 schema；search_api(limit=10) 用于定向搜索。
documentation：search_docs(query="useEffect cleanup", maxResults=3) 用于具体信息检索；fetch_docs 仅用于非常具体的主题；先检查 skill 文件，再考虑获取文档。
log-analyzer：tail_logs(lines=50) 查看近期日志；find_errors(limit=50) 用于错误调试；parse_logs(limit=200) 仅在需要完整分析时使用。
security-scanner：优先 scan_dependencies 而非 scan_all；scan_secrets 快于完整扫描；scan_all 仅用于完整审计。
code-quality：analyze_complexity(path="src/specific/file.ts") 针对特定文件；find_duplicates(minLines=10) 只过滤显著重复；code_metrics 用紧凑输出做概览。
技能还给出调用前检查清单：是否已在上下文中拥有该信息；能否用更具体的工具替代通用工具；是否设置了合适的 limit；是否有 compact=true 可用；预期输出是否合理（小于 2000 tokens）。
适用场景
适用于需要与 MCP 服务器及外部工具交互、且希望控制 Token 消耗的开发场景，包括数据库查询、API 探索、文档检索、日志分析、安全扫描与代码质量分析等。技能还提供了高效响应示例，如数据库查询紧凑输出（“Found 1523 rows. First 20:” 加表格，并提示 Use offset=20 for next page）、API 探索渐进式细节（按 tag 汇总端点数量）、日志分析聚焦输出（按频率列出 Top 5 错误）。
限制
资料明确说明本技能不用于运行时性能、代码压缩、数据库查询优化、算法效率和提示词工程。使用前需确认输出大小是否超过 2000 tokens、是否重复调用同一工具、是否存在过多工具调用、是否有不必要的文档获取、是否有全表扫描结果或冗长错误日志等。其他功能、收费、价格、平台与效果等信息资料暂未提供。