$ loading_
帮助 AI 通过 Git、日志、接口契约和沙箱源码检查后端系统
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Engineering Intelligence 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。
请检查这个后端服务的 Winston 日志、最近的 Git 提交记录，以及相关源码，帮我定位导致接口报错的可疑变更与异常线索。
返回按证据整理的问题线索，包括相关日志片段、可疑提交和对应代码位置。
请根据 OpenAPI 契约和沙箱源码，检查该接口的请求参数、返回结构与实现是否一致，并指出可能不匹配的地方。
输出接口契约与实现的比对结果，列出一致项和疑似不一致项。
请结合 Git 历史、相关日志和源码，梳理这个后端功能最近的演进过程，并总结关键改动点。
得到一份按时间或主题整理的变更摘要，帮助理解功能演进和潜在影响。
开发者或 DevOps 在接口异常、服务报错时，可让 AI 查看结构化日志、Git 历史和源码，快速整理排查线索。这样能减少人工在多个工程信息源之间来回切换的成本。
当团队维护 OpenAPI 契约时，可以用它让 AI 对照契约与后端实现，发现请求或响应定义的潜在偏差。适合发布前检查或联调前确认。
新接手项目的开发者可以借助它查看 Git 历史、日志和沙箱源码，快速建立对后端模块的上下文理解。适合阅读复杂系统时做技术摸底。
根据描述，它支持 AI 客户端通过结构化工程工具检查后端系统，包括 Git 历史、Winston 日志、OpenAPI 契约和沙箱化源码。
它最适合需要理解或排查后端系统的开发者和 DevOps 人员。研究型用户在分析系统行为和变更背景时也可能受益。
给定素材没有提供安装步骤、运行时要求或密钥前置条件。具体集成方式与依赖请见源码仓库。
为工程项目文档提供结构化、可追溯的访问与管理，支持需求、决策、测试和影响分析。
为代码仓库提供工程模式洞察与智能检索的 MCP 工具集
为 AI 提供机械工程计算工具，快速完成材料、梁分析、单位换算与曲线拟合
将 GitHub 工程信号转成结构化、可分享的工程叙事报告
将 REST、SOAP、GraphQL 和 SQL 接口统一转换为 MCP 工具，便于 AI 直接调用现有系统。
让 AI 通过 MCP 访问 GitLab 项目并查询合并请求、议题与流水线信息。