$ loading_
调用多专家工程导师人格，为开发任务预注入工程标准与协作建议。
该 MCP 工具材料很少，未声明需要密钥或远程端点，且为 Apache 2.0 开源，因此整体未见明确高风险红旗。需注意系统已标记其具备代码执行能力，但在缺少 README 与具体权限说明的情况下，可审计性和实际行为边界仍有限。
材料明确写明不需要密钥或环境变量，未见凭证收集、存储或转发的事实依据，因此凭证相关风险较低。
材料未声明任何远程端点，当前也没有证据表明会向外部服务发送用户数据；但因 README 缺失，网络行为仍需以源码复核为准。
系统客观检查项表明该工具具备代码执行能力；这类本机执行属于 MCP 工具常见能力，本身不足以上升为高风险，但应关注其可启动的进程范围和执行边界。
描述未说明其可读写哪些本地文件或数据资源；鉴于具备代码执行能力，理论上可能接触本机数据，但目前没有材料显示其申请超出声明功能的过度访问。
项目有公开 GitHub 仓库且采用 Apache 2.0 许可证，这些是明显的降风险因素；但来源为第三方注册表、社区采用度为 0 star、维护状态未知且 README 缺失，供应链可信度仍需进一步核验。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Sensei MCP" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 Sensei MCP 的相关工程导师人格，审查这个微服务架构方案，从可维护性、可扩展性、测试策略和风险控制四个方面提出改进建议，并给出优先级排序。
一份结构化设计评审意见，包含问题清单、改进建议、优先级和工程最佳实践说明。
请通过 Sensei MCP 先注入适合后端开发的工程标准，再基于以下需求输出实现计划：包含模块拆分、接口设计、代码规范、测试方案和上线检查清单。
一份面向工程落地的开发计划，覆盖实现步骤、质量要求与交付检查项。
请让 Sensei MCP 结合架构师、测试工程师和运维导师人格，分析这个线上故障现象，给出根因假设、排查路径、验证方法以及修复后的预防措施。
一套多角色协同的故障分析与处理方案，帮助更快定位并降低复发风险。
将 AI 变成具备记忆、督办与多角度分析的个人成长顾问