[Pangolinfo MCP 自省] 一次性获取本服务的全部能力清单、典型协同链路、使用提示——无后端调用，免费。 Use when: AI 客户端第一次连上 pangolinfo-mcp，需要快速了解"有哪些工具""怎么搭配用""哪些场景该用哪条链路"；用户问"你能做什么""有哪些能力"；做 SOP 规划前的能力盘点。 Don't use: 想知道某个具体工具的完整 description（用 tools/list，本工具的 'summary' 模式只给一句话定位）；想查账号余额或剩余积点（CONTRACT §9 禁止 MCP 暴露账号接口）。 Returns: { version, locale, liveTools[{name, domain, oneLiner, cost}], workflows[{title, steps[], note}], tips[] }。 Pair with: ↓ AI 看完决定调哪个具体 tool；不消耗下游。 Cost: 0 积点（本地数据，不走后端）。

[Amazon SERP 抓取] 用关键词在 Amazon 上跑一次真实搜索，拿回搜索结果首屏 ASIN 列表。 Use when: 用户说"在 Amazon 上搜 X""谁在卖 X""X 关键词下排名前几""做 X 的竞品有哪些"；或要拿到某个关键词的搜索结果页 ASIN 列表作为下游分析输入。 Don't use: 想拿单个 ASIN 的详情（用 get_amazon_product）；想要类目热销榜（用 list_bestsellers）；想看 Google/外部对该词的需求（用 google_ai_search 或 google_trends）。 Returns (format='json', 默认): data.json[0].data.{ pageIndex, nextPage, keyword, results[{ asin, title, price, star, rating, sales, badge, rank, sponsored, image, delivery }] } — 约 22 行/页。翻页: 用 page 参数（默认 1，从 1 开始）；响应里 nextPage 给下一页页码，nextPage=null 表示到底。 Pair with: ↓ 把 results[].asin 喂给 get_amazon_product / get_amazon_reviews 做单品深拆；↓ 同一 keyword 喂给 google_trends 做"内部搜索热度 vs 外部 Google 热度"对比。 Cost: ~1 积点/页, ~5s。翻页只在用户明确要"更多/Top-N(N>22)/全部"时才做，否则首页够用。

[Amazon 单品详情] 按 ASIN 抓某个具体商品的完整 PDP 数据。 Use when: 用户给了具体 ASIN（B0XXXXXXXX）要"看一下这个产品""查它的价格/评分/卖家""分析这个竞品"；或 SOP 中拿到候选 ASIN 后需要深拆。 Don't use: 一次想看多个商品的简要对比（用 search_amazon 或 list_* 系列拿列表）；只要评论（用 get_amazon_reviews 更专一便宜）。 Returns (format='json', 默认): data.json[0].data.results[0] = { asin, title, price, star, rating, brand, seller{name,id}, parentAsin, ratingDistribution[], aiReviewsSummary, bestSellersRankItems, reviews[{date,star,content,helpful,...}], productOverview[], features[], productDescription[], images[], variantDetails[], attributes[], category_id, breadCrumbs, ... } — 30+ 字段（含 variantDetails 简表）。 Pair with: ↑ asin 常来自 search_amazon / list_bestsellers / filter_niches；↓ 同一 asin 喂 get_amazon_reviews 取更多评论（默认 PDP 只带 5-10 条 reviews）。 Cost: ~1 积点/次, ~5s。

[Amazon 评论批量抓取] 翻页拉某 ASIN 的真实买家评论。可按星级/排序/媒体类型过滤。 Use when: 用户说"看一下 X 的差评""挖痛点""分析竞品评论""做 VOC""为 Listing 找用户原声"；或新品立项前差评扫描；或 listing 优化要找改进点。 Don't use: 只看 PDP 自带的几条评论摘要（用 get_amazon_product，里面已含 5-10 条 reviews 和 aiReviewsSummary，对快速判断已经够）；做关键词搜索（用 search_amazon）。 Returns: data.json[0].data.results[{ reviewId, date, country, star, title, content, author, authorId, authorLink, imgs[], videos, purchased, vineVoice, helpful, attributes }] — 1 页约 10 条评论。 Pair with: ↑ asin 常来自 search_amazon / get_amazon_product / list_bestsellers；↓ 评论文本可直接给 LLM 做痛点聚类、关键词提取。 Cost: 10 积点/页（贵）。建议先 pageCount=1 探一下，确认有数据再 pageCount=3~5 扩量。filterByStar='critical' 优先（差评信号密度最高）。 Tips: filterByStar 取值 = all_stars / five_star ... one_star / positive / critical；sortBy = recent (默认) | helpful；mediaType = all_contents (默认) | media_reviews_only (带图带视频，真实度更高)。

[Amazon 热销榜] 拉某类目的 Best Sellers Top-100，含 24h 排名变化。 Use when: 用户说"X 类目热销榜""哪些是该类目龙头""有没有黑马冲上来""benchmark 卖得最好的产品"；选品时定基准品；竞品雷达里追踪类目龙头排名变化。 Don't use: 看新品（用 list_new_releases）；想要类目下完整商品列表而非 Top 100（用 list_category_products）；只知道关键词不知道类目（用 search_categories 先找类目）。 Returns: data.json[0].data.{ reftag, recsList } — recsList 是字符串形式的 JSON 数组，需要二次 parse；每条 { id, metadataMap.{ render.zg.rank, currentSalesRank, percentageChange, twentyFourHourOldSalesRank } }。 Pair with: ↑ categorySlug 需要用户提供或从场景推测（如 'electronics' / 'home-garden' / 'beauty'）；↓ 把 id (ASIN) 喂 get_amazon_product 拆单品。 Cost: ~1 积点/次, ~5s。 Tips: categorySlug 是 Amazon URL 路径里的英文短横线串，从 amazon.com/Best-Sellers 顶部导航能看到。

[Amazon 新品榜] 拉某类目的 New Releases——上市 30 天内卖得最好的 ASIN。 Use when: 用户说"X 类目新品""有没有黑马新品""最近上架卖得好的""趋势新品方向""新进竞品"；GTM 选品里捕捉新切入角度；竞品雷达里发现新进入者。 Don't use: 看长青款（用 list_bestsellers）；看类目全部商品（用 list_category_products）；只知道关键词不知道类目（先 search_categories）。 Returns: data.json[0].data.{ reftag='zg_bsnr_g_', recsList } — recsList 是字符串形式的 JSON 数组，需二次 parse；每条 { id, metadataMap.{ render.zg.rank, ... } }。 Pair with: ↑ categorySlug 同 list_bestsellers；↓ 把 id (ASIN) 喂 get_amazon_product 看为什么能上新品榜（卖点、价格、变体策略）。 Cost: ~1 积点/次, ~5s。

[Amazon 卖家店铺铺货] 列出某 merchant ID 名下的全部上架商品，分页（每页 24 条）。 Use when: 用户说"看一下这个卖家有哪些产品""X 店铺铺了多少 SKU""竞品店铺品类宽度""跟卖卖家在卖什么""店铺铺货策略调研"。 Don't use: 不知道 merchant ID 时（先去某商品 PDP 里找 'sold by' 链接拿 ID）；只看单品（用 get_amazon_product）。 Returns: data.json[0].data.{ pageIndex, maxPage, nextPage, results[{ asin, title, price, star, rating, rank, img }] } —— 每页 24 条。翻页: 用 page 参数（默认 1，从 1 开始）；nextPage 为下一页页码，nextPage=null 或 page>=maxPage 表示到底。 Pair with: ↑ sellerId 通常从 get_amazon_product 的 seller.id 字段拿到，或用户从 amazon.com/sp?seller=... URL 里读到；↓ 把 asin 喂 get_amazon_product 拆主推品。 Cost: ~1 积点/页, ~5s。 Tips: 跟卖矩阵分析需要全 SKU 时才翻 2-3 页；单纯看一下店铺有什么货首页就够。Amazon 自营 sellerId = 'ATVPDKIKX0DER'。

[Amazon 类目商品列表] 按 Browse Node ID 列出该类目下的具体在售商品（分页，每页 24 条）。 Use when: 用户说"X 类目卖什么""列出类目 12345 下的商品""看这个类目都有些什么"；选品时拿到 categoryId 后看真实在售品；竞品调研时看类目铺货密度。 Don't use: 只想要 Top-100 龙头（用 list_bestsellers，更便宜信号更聚焦）；要类目聚合指标（销量/搜索量/竞品密度等用 filter_categories）；要利基 niche 而非整类目（用 filter_niches）。 Returns: data.json[0].data.{ pageIndex, maxPage, nextPage, categoryName, pagination, results[{ asin, title, price, star, rating, rank, img }] } —— 每页 24 条。翻页: 用 page 参数（默认 1，从 1 开始）；nextPage 为下一页页码，nextPage=null 或 page>=maxPage 表示到底。 Pair with: ↑ nodeId 常来自 search_categories（按关键词找类目）或 get_category_children（树状下钻）；↓ asin 喂 get_amazon_product；categoryId 同时也能喂 filter_categories 取聚合指标。 Cost: ~1 积点/页, ~5s。翻页只在用户明确要"更多/全部"时才做，否则首页够用。

[Amazon 类目搜索] 用关键词（中英文均可）匹配 Amazon 类目树，返回候选类目节点。 Use when: 用户给的是关键词而非类目 ID，下游需要 categoryId / browseNodeId（如想跑 filter_niches / filter_categories / list_category_products / list_bestsellers slug 推测）；想知道某个商品概念在 Amazon 类目体系里挂在哪。 Don't use: 已经有 categoryId/nodeId（直接用 get_category_paths 取面包屑或下游 filter）；想树状下钻看子类目（用 get_category_children）。 Returns: data.items.data[{ browseNodeId, browseNodeIdPath, browseNodeName, browseNodeNameCn, browseNodeNamePath, browseNodeNamePathCn, parentBrowseNodeIdPath, productType, sellable, hasChild }] + pagination。 Pair with: ↓ 拿到 browseNodeId 后喂 list_category_products / list_bestsellers (用 path 推 slug) / filter_niches / filter_categories；↓ 喂 get_category_children 继续下钻；↓ 喂 get_category_paths 取面包屑。 Cost: ~1 积点/次, ~3s。

[Amazon 类目树下钻] 从根节点或任意类目逐级下钻，列出直接子类目。 Use when: 用户说"看一下 Amazon 类目树""X 类目下有什么子类""列出顶级大类""下钻到三级类目"；做类目地图时；search_categories 给了多个候选类目想看哪个层级合适。 Don't use: 想按关键词跳到类目（用 search_categories 更快）；想要类目下的商品列表而非子类目（用 list_category_products）。 Returns: data.items.data[{ browseNodeId, browseNodeIdPath, browseNodeName, browseNodeNameCn, parentBrowseNodeIdPath, productType, sellable, hasChild }] + data.items.pagination.{ total, page, size, hasNext }；留空 parentBrowseNodeIdPath 返回顶级根节点；hasChild=1 说明可继续下钻。翻页: 用 page 参数（默认 1，size 默认 10、上限 50）；pagination.hasNext=true 表示该层子类目还没列完。 Pair with: ↑ 起点 parentBrowseNodeIdPath 可留空（顶级）或来自 search_categories；↓ 每条结果的 browseNodeIdPath 可喂回本工具再下钻一层，或喂 list_category_products / filter_categories。 Cost: ~1 积点/页, ~3s。翻页只在某节点子类目特别多（>size）且用户要"看全部子类"时才做。

[Amazon 类目商业指标筛选] 按销量/GMS/搜索量/转化率/退货率/价格档位/竞品密度等数十维指标筛类目，或当作"类目详情"接口取单个类目全量指标。 Use when: 用户说"找一些值得做的类目""筛销量大的类目""退货率低的类目""高搜索量但竞品少的类目""看看 X 类目（categoryId）的全部指标"；类目层面的蓝海挖掘；要某个类目的 30+ 商业指标快照。 Don't use: 想筛细分 niche 而非整类目（用 filter_niches，颗粒度更细）；想看类目下的具体商品（用 list_category_products）；只想要类目名字（用 get_category_paths）。 Returns: data.items.data[{ id, categoryId, marketplaceId, timeRange, sampleScope, snapshotDate, unitSoldSum, glanceViewsSum, searchVolumeSum, netShippedGmsSum, buyBoxPriceAvg, buyBoxPriceTier, searchToPurchaseRatio, returnRatio, asinCount, offersPerAsin, newAsinCount, newBrandCount, avgAdSpendPerClick, unitSoldTrendDirection, unitSoldChangeRateBucket, ... 趋势 + 分位数桶等数十字段 }] + data.items.pagination.{ total, page, size, hasNext }。翻页: 用 page 参数（默认 1，从 1 开始，size 上限 10）；pagination.hasNext=true 表示还有下一页，hasNext=false 表示已到底。 Pair with: ↑ 必填 timeRange (常用 'l7d') + sampleScope ('all_asin') + marketplaceId（默认 US）；categoryId 来自 search_categories / get_category_children；↓ 出来的高潜类目喂 list_category_products / list_bestsellers 看真实商品。 Cost: ~1 积点/页, ~5s。 Tips: size 上限 10（后端硬限制）；翻页只在用户明确要"看更多候选类目"时才做，单次详情/快速筛选首页够用；长尾筛选字段（unitSoldTrendDirections / metricChangeRateBuckets 等数十个）走 extraFilters 透传。

[Amazon 利基筛选] 按 50+ 维指标筛选 Amazon Niche（比类目更细的"消费需求簇"），或当作"niche 详情"接口取单个 niche 完整深度报告。 Use when: 用户说"找蓝海""高搜索量低竞争的利基""增长快的小众市场""niche 选品""为这个 niche 出详细报告"；GTM 选品 SOP 的核心筛选步骤；要某个 niche 的费用结构 / 品牌年龄 / 新品上架趋势等深度指标。 Don't use: 想筛整类目（用 filter_categories）；想看 niche 下的具体商品（用 list_category_products 配合 categoryId，niche 自带的样品 ASIN 只有 1 个 referenceAsin）；只想要广义关键词搜索（用 search_amazon）。 Returns: data.items.data[{ nicheId, nicheTitle, referenceAsinImageUrl, currency, searchVolumeT90, searchVolumeT360, searchVolumeGrowthT90, minimumPrice, maximumPrice, avgPrice, productCount, sponsoredProductsPercentage, primeProductsPercentage, top5ProductsClickShare, top20BrandsClickShare, brandCount, sellingPartnerCount, avgBrandAge, avgBestSellerRank, avgProductPrice, avgReviewCount, avgReviewRating, avgDetailPageQuality, newProductsLaunchedT180/T360, successfulLaunchesT90/T180/T360, returnRateT360, 各项费用 T365 ... 100+ 字段 }] + data.items.pagination.{ total, page, size, hasNext }。翻页: 用 page 参数（默认 1，从 1 开始，size 上限 10）；pagination.hasNext=true 表示还有下一页，hasNext=false 表示已到底。 Pair with: ↑ 必填 marketplaceId（默认 US）；nicheTitle 关键词过滤，nicheId 单 niche 详情；↓ 拿到 referenceAsin 后喂 get_amazon_product 看代表品；niche 不直接关联 categoryId，需要二次推断。 Cost: ~1 积点/次, ~5s。 Tips: size 上限 10；50+ 长尾筛选字段走 extraFilters 透传；典型蓝海过滤组合 = searchVolumeT90Min 高 + top5ProductsClickShareT360Max 低 + productCountMax 中 + searchVolumeGrowthT90Min > 0。

[Amazon 类目面包屑解析] 批量把 categoryId 还原成完整路径（如 'Electronics > Headphones > Over-Ear Headphones'）。 Use when: 报告/分析里需要展示类目上下文（不是裸 ID）；用户只有一组数字 ID 想知道它们叫什么；多个类目对比时需要可读名字。 Don't use: 只有一个 ID 时其实用不上（其他 tool 返回里通常已带 browseNodeNamePath）；想看类目树结构（用 get_category_children）。 Returns: data.items[{ categoryId, categoryName, categoryNameCn, browseNodeNamePaths[], browseNodeNamePathCns[] }] —— 输入数组多大就返回多大。 Pair with: ↑ categoryIds 从任何前一步拿（filter_niches/filter_categories 的输出、用户粘的 ID 列表）；↓ 主要给人看，下游链路通常不依赖。 Cost: ~1 积点/次, ~2s（批量解析比单调多次便宜）。

[Google Maps 本地商家搜索] 在指定经纬度范围搜本地商家，返回名称/地址/评分/评论数等。 Use when: 用户说"X 城市的 Y 商家""本地零售调研""线下渠道分布""某区域的咖啡店/超市/批发商""品牌实体店覆盖密度"；做线下竞品/渠道调研；判断某品类在某地区的实体供给密度。 Don't use: 想要电商商品（用 Amazon 系列）；想要全球趋势（用 google_trends）；想要 Google 搜索结果（用 google_ai_search）。 Returns: data.organicResults[{ place_id, name, about, rating, number_of_reviews, borough, street_addr, city, postal_code, ... }]。 Pair with: ↑ query (商家关键词) + latitude/longitude/zoom 定位（zoom 1=世界, 13=城市, 21=单栋建筑）；↓ 主要给人看分布，下游通常不接其他 tool。 Cost: ~1.5 积点/次, ~5s。 Tips: zoom 默认 13（城市级别）就能拿到一片商家；缩到 17+ 才聚焦到一条街。

[WIPO 全球外观设计 / 商标检索] 查 WIPO 全球外观设计数据库（USPTO 美国外观、CNID 中国、HAGUE 海牙国际注册等 12 个 source）。 Use when: 用户说"查商标""查外观专利""新品有没有侵权风险""X 公司的专利布局""WIPO 检索""USPTO 查询""DM/XXX 这个国际注册号是什么"；选品 / GTM SOP 里立项前的 IP 风险排查；竞品 IP 布局调研。 Don't use: 想查关键词排名 / 商品评论 / 商品详情（这是 IP 数据库，不是商品库）；只想要美国注册商标文字检索（这个数据库主要是外观设计，文字商标覆盖有限）。 Returns: data.data.{ total, hits[{ IRN, HOL[], DETAIL_DATA.structured.{indication_of_products, statement_of_novelty, ...}, IMG[], IMG_DATA[{filename,url}], DC, RD, STATUS, LCS[], DS[], PROD[], SOURCE, DETAIL_URL }] }。 Pair with: ↑ 必填 source；hol=权利人 / prod=产品名 / irn=国际注册号 / lcs=洛迦诺分类号；↓ DETAIL_URL 可让用户跳转 WIPO 官网核查。 Cost: ~2 积点/次, ~5s。 ⚠️ 性能契约: CNID + hol/prod 必须配 id/idSearch/rd/status/lcs 至少一项（否则 17M 行全表扫描会被拒）；JPID 无 HOL/PROD 字段；USID 无 STATUS 字段；ed (过期日期) 在所有 source 都被忽略，要按日期筛用 rd。

[Google SERP + AI Overview 抓取] 抓 Google 搜索结果，含顶部 AI Overview 摘要、organic 自然位、相关搜索词。两种模式：overview（标准 SERP）/ ai_mode（沉浸式对话，支持多轮追问）。 Use when: 用户说"Google 搜一下""外部需求""市场上人们怎么说 X""Reddit/Quora 上的痛点""AI 搜索时代我的内容能被引用吗""为某关键词找用户原声"；选品 SOP 里的"消费者原声"步骤；判断新品概念在 Amazon 站外是否有真实需求。 Don't use: 想在 Amazon 站内搜（用 search_amazon）；只要趋势曲线（用 google_trends，更便宜更聚焦）。 Returns: data.{ results_num, ai_overview, json.items[ { type:'ai_overview', items:[{content:[...], references:[{title,url,domain}]}] }, { type:'organic', items:[{title,url,text}] }, { type:'related_searches', items:[...] } ], screenshot, taskId }。 Pair with: ↑ query 由用户提问推导；mode='ai_mode' 时传 followups[1..5] 做多轮追问；↓ ai_overview.references[].url 可作外部权威源，organic 结果可喂下游做内容竞争分析。 Cost: ~2 积点/次, ~30s（慢——这是 Google AI 渲染时间）。 Tips: 单次查询用 overview 更经济；只有要"拆解复杂问题 + 连续追问"时才上 ai_mode。followups 超 5 条响应明显变慢。

[Google Trends 关键词热度] 时间序列 + 地区热度 + 相关上升查询（含 Breakout 标记）。一次最多 5 个关键词同图对比。 Use when: 用户说"X 关键词最近热度怎么样""A 和 B 哪个更火""有没有季节性""哪些州最爱 X""breakout 上升词""新品方向判断""趋势对比""X 是不是已经过气了"。 Don't use: 想要绝对搜索量（Trends 只给 0-100 相对值）；想看商品/链接（用 search_amazon / google_ai_search）；只查一个关键词的瞬时值（数据量不够，至少传 2 个对比才有意义）。 Returns: data.json.{ keywordsGeoData[{ keyword, geoMapData[{ geoCode, geoName, value[], formattedValue[], hasData[] }] }], keywordsRankData[{ keyword, rankList[{ rankedKeyword[{ query, value, formattedValue, link, hasData }] }] }], timelineData[{ time, formattedTime, value[], formattedValue[] }], geoMapData[] }, taskId, url。 Pair with: ↑ keywords 来自用户或 search_amazon 找到的核心词；↓ Breakout/上升词可喂回 search_amazon 探索新机会，或喂 filter_niches 看是否成型为 niche。 Cost: ~1.5 积点/次, ~5s。 Tips: timeRange = today 12-m (默认) | today 3-m | today 5-y | all 等；region = ISO 国家码或 'WORLD'；language 影响相关查询的语言。

[Amazon Rufus AI 对话推荐] 用自然语言提示词问 Amazon 的 AI 购物助手 Rufus,拿回分组的结构化商品推荐 + Rufus 文本回复 + 追问建议。 Use when: 用户说"问 Amazon AI X"/"Rufus 推荐"/"用对话方式找商品"/"按场景找产品(送礼/露营/搬家/某需求)"/"开放式选品咨询"/"我不知道关键词,只知道场景"。 Don't use: 已经有明确关键词想看 SERP(用 search_amazon);想要类目热销榜(用 list_bestsellers);单 ASIN 详情(用 get_amazon_product);Google 站外 AI 搜索(用 google_ai_search)。 Returns: data.json[{ prompt, content, products[{ title, items[{ asin,url,title,cover,score,ratingsCount,price,originalPrice,describe }] }], follow_up_questions[], screenshot }] + 顶层 taskId / url / screenshot。注意 follow_up_questions 是 snake_case(后端原样透传)。 Pair with: ↓ 拿到 asin 喂 get_amazon_product / get_amazon_reviews 深拆;follow_up_questions 可作下一轮 prompts 输入做多轮探索。 Cost: 6 积点/次调用(固定,与 prompts 条数无关)。但建议 prompts ≤3 条;>3 条响应耗时显著不稳定。平均 ~30s。