用途：doc-fetcher 用于抓取库与框架的文档，为文档研究类智能体提供最新、与版本对应的资料，帮助实现决策遵循库的最佳实践。它会在智能体描述“获取某库文档”“检索 API 参考”“查找最新文档”等意图时自动激活。
主要能力：一是通过 context7-mcp 做深度检索，先用 resolve-library-id 将库名解析为 context7 ID，再用 get-library-docs 按主题与 token 数获取文档、版本、示例与元数据；二是通过 fetch-mcp 抓取网页内容，如官方文档页、GitHub README 与 Wiki、教程、变更日志与迁移指南，并用 prompt 提取相关内容；三是多来源整合，按官方文档、context7、GitHub、社区资源的优先级交叉验证；四是版本相关检索，识别破坏性变更与弃用特性；五是提取代码示例并去重；六是文档缓存，减少 MCP 调用并优化 token。
使用方式：先分析需求确定库与主题，再解析库 ID，随后分别调用 context7-mcp 与 fetch-mcp，提取示例并综合为结构化输出。建议使用具体主题与提示词，token 从 2000 至 3000 起步，按复杂度调整，优先官方来源并缓存常用文档。
适用场景：为 Documentation Researcher 智能体在设计与规划阶段提供文档研究支持，并与 doc-analyzer 技能衔接。
限制：资料未提供具体安装命令、收费方式、支持平台与效果数据；实际可用性取决于 context7-mcp 与 fetch-mcp 的配置及目标文档的可访问性。