🛠️ Bucketeer Docs Local MCP Server 是什么？
这是一个运行在你本地的轻量服务，用来快速查询 Bucketeer 平台的使用文档。它不提供新功能，而是把现有的技术文档变成 AI 能随时调用的知识源。通过 MCP 协议，你在写代码或调试时，可以直接让 AI 工具“知道”Bucketeer 的细节，比如某个功能标记怎么配置、实验组如何定义。
为什么需要它？
以前查文档要打开浏览器，找到对应页面，再翻到具体章节。如果你记不清术语，可能得来回搜索几次。更麻烦的是，在封闭网络环境或离线时，这些页面根本打不开。团队里新人上手也常卡在“不知道去哪查”这一步，只能问同事，打断别人的工作节奏。
这个工具解决了信息获取的延迟问题。它提前把 Bucketeer 官方 GitHub 上的文档下载到本地，并建立可检索的索引。你不需要主动去找文档，只要像平时一样写注释或提问，AI 就能自动从本地服务中提取准确内容，返回你需要的信息。
核心能力速览
自动同步文档：定期从 GitHub 拉取最新文档，确保你查到的内容和官方保持一致。更新过程后台完成，无需手动干预。
语义化检索：输入“怎么设置灰度发布比例”这样的问题，系统能理解你的意图，定位到相关配置说明，而不是只匹配“灰度”这个词。
MCP 标准接口接入：任何支持 MCP 的 AI 编辑器或开发工具都可以直接连接。不需要额外配置命令或学习新语法，接上就能用。
离线可用：所有文档存储在本地，即使没有外网访问权限，也能正常查询。适合内网开发、安全审计等场景。
适合谁？怎么用？
后端和全栈开发者如果经常用 Bucketeer 做功能开关或 A/B 测试，可以直接把它集成进开发流程。当你在写代码时不确定某个参数怎么填，AI 会自动从本地文档中找出示例并提示你。
运维和平台工程团队也可以部署这个服务，作为团队知识基础设施的一部分。新人通过自然语言提问就能获取配置规范，减少重复答疑。
如果你已经在用 MCP 支持的 IDE 插件（如 Cursor、CodeSandbox AI 等），只需启动这个本地服务，启用对应扩展即可。整个过程不需要改现有工作流，也不增加操作负担。想尝试的话，可以先跑一个本地实例，看看 AI 是否能准确回答几个常见配置问题——能，就值得留着。
