用途：扫描代码库，找出应改用第三方库的手写实现、项目缺失的能力，以及代码组织问题（如目录臃肿、循环依赖、命名、barrel 文件膨胀），并给出优化建议。
主要能力：确定性扫描器用正则与文件系统分析检测 30 多种领域模式（i18n、auth、状态管理等），输出检测项、结构发现、代码组织统计与 monorepo 工作区信息；AI 代理负责推荐库替换、识别能力缺口、推荐组织模式与工具，并通过 Context7 验证库是否存在及获取最新文档。支持替换与缺口两种分析模式，输出评分、迁移计划、UX 审计、许可证过滤、依赖冲突检测与 JSON 序列化；可选漏洞扫描（OSV）、依赖更新与 PR 自动创建。
使用方式：先校验 InputSchema，再运行 scanCodebase(input)。流程含 4 个人工确认门：GATE 1 分诊检测项，GATE 2 确认代码组织偏好，GATE 3 接受或拒绝建议，GATE 4 在执行不可逆操作前确认。若用户要求全自动，需先确认跳过所有门。优先使用 MCP 工具（Context7 必需，GitHub/Git 可选），否则回退到 shell 命令。
适用场景：需要评估手写代码是否应替换为成熟库、补齐缺失能力或改善代码组织的项目，尤其适合 monorepo。
限制：不硬编码库推荐，需动态评估项目上下文；未经验证的库不推荐；测试、mock、fixture、生成文件及少于 3 个文件的目录会被跳过；部分步骤依赖 Context7 配额。具体收费、价格与平台支持暂未提供。