核心用法
Guru MCP 作为企业知识库的桥接器，通过 Model Context Protocol (MCP) 协议将 Guru 平台深度集成到 AI 助手工作流中。用户配置 GURU_API_TOKEN 和 mcporter 工具后，可通过六大核心功能实现知识库操作：使用 guru_list_knowledge_agents 获取工作空间代理列表，guru_answer_generation 进行 AI 智能问答，guru_search_documents 跨源检索文档，guru_get_card_by_id 获取完整卡片内容，以及通过 guru_create_draft 和 guru_update_card 实现知识创建与维护。所有操作均通过 mcporter 工具代理执行，遵循标准的 MCP 调用规范。
显著优点
该技能最大价值在于统一知识入口能力，可无缝整合 Salesforce、Slack、Google Drive、Confluence、SharePoint 等分散数据源，消除信息孤岛。AI 智能问答功能基于 Knowledge Agents 提供语义级精准答案，而非简单的关键词匹配。安全性方面具备权限感知特性，严格遵循 Guru 原有权限体系，确保用户只能访问授权内容。此外支持双向操作，不仅能查询还能创建和更新文档，实现知识库维护自动化。所有查询记录在 AI Agent Center，便于企业审计和知识优化。
潜在缺点或局限性
配置方面存在技术门槛，需要手动申请 API Token、配置环境变量和 mcporter 工具，对非技术用户不够友好。外部依赖是另一关键限制，核心功能完全依赖 mcporter 工具，若该工具出现安全漏洞或停止维护，将导致整个链路失效。此外存在网络强依赖，必须实时连接 Guru 云端服务，无法离线使用。内容格式方面，卡片以 HTML 格式处理，更新时需保留 DOM 结构，增加了操作复杂度。作为 T3 级社区来源，非 Guru 官方直接维护，更新及时性和长期支持存在不确定性。
适合的目标群体
主要面向三类用户：一是使用 Claude Code 或其他 MCP 兼容客户端的开发团队，需要将知识库查询集成到编码工作流；二是技术支持与运维人员，需频繁查询企业知识库处理工单和故障排查；三是知识管理员和文档工程师，具备技术背景且负责维护企业知识资产。不适合无 Guru 账户、无法配置 API Token 的非技术终端用户，或对数据本地性有严格要求的场景。
使用风险
凭证安全风险是首要关注点，GURU_API_TOKEN 需以 email:token 格式存储于 ~/.clawdbot/.env 文件，必须确保文件权限设置为 600（仅用户可读），防止凭证被其他进程窃取。数据泄露风险方面，虽然遵循 Guru 权限体系，但 AI 问答可能生成包含敏感信息的摘要，处理机密文档时需谨慎。供应链风险体现在对 mcporter 工具的依赖，建议仅从官方渠道验证工具来源，防范供应链投毒。操作风险在于更新卡片时若破坏 HTML 结构可能导致内容显示异常，建议始终先获取当前内容再局部修改，避免直接覆盖整个文档。