mcp-builder

创建高质量 MCP(Model Context Protocol)服务器的指南,使 LLM 通过精心设计的工具与外部服务交互。在构建 MCP 服务器以集成外部 API 或服务时使用,无论是 Python(FastMCP)还是 Node/TypeScript(MCP SDK)。

Safety Notice

This listing is imported from skills.sh public index metadata. Review upstream SKILL.md and repository scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "mcp-builder" with this command: npx skills add kunhai-88/skills/kunhai-88-skills-mcp-builder

MCP 服务器开发指南

创建 MCP 服务器,使 LLM 通过精心设计的工具与外部服务交互。MCP 服务器质量以 LLM 完成真实世界任务的能力衡量。

高级工作流程

创建高质量 MCP 服务器涉及四个主要阶段:

阶段 1:深度研究与规划

1.1 理解现代 MCP 设计:平衡全面 API 端点覆盖与专业工作流工具。工作流工具对特定任务更便利,而全面覆盖给代理组合操作的灵活性。性能因客户端而异—某些客户端受益于组合基本工具的代码执行,而其他客户端更适合高级工作流。不确定时,优先全面 API 覆盖。
工具命名与可发现性:清晰、描述性工具名帮助代理快速找到正确工具。使用一致前缀(如 github_create_issuegithub_list_repos)与面向动作的命名。
上下文管理:代理受益于简洁工具描述与过滤/分页结果能力。设计返回聚焦、相关数据的工具。某些客户端支持代码执行,可帮助代理高效过滤与处理数据。
可操作错误消息:错误消息应通过具体建议与下一步指导代理走向解决方案。

1.2 研究 MCP 协议文档:从 sitemap 开始:https://modelcontextprotocol.io/sitemap.xml,然后获取带 .md 后缀的特定页面(如 https://modelcontextprotocol.io/specification/draft.md)。关键页面:规范概览与架构、传输机制(可流式 HTTP、stdio)、工具、资源与提示定义。

1.3 研究框架文档:推荐栈:TypeScript(高质量 SDK 支持与许多执行环境良好兼容性,AI 模型擅长生成 TypeScript 代码,受益于广泛使用、静态类型与良好 linting 工具)、传输:可流式 HTTP 用于远程服务器(使用无状态 JSON),stdio 用于本地服务器。
加载框架文档:MCP 最佳实践、TypeScript SDK(从 GitHub 获取 README)、Python SDK(从 GitHub 获取 README)。

1.4 规划实现:理解 API(审查服务 API 文档以识别关键端点、认证要求与数据模型)、工具选择(优先全面 API 覆盖,列出要实现的端点,从最常见操作开始)。

阶段 2:实现

2.1 设置项目结构:见语言特定指南(TypeScript 指南、Python 指南)。
2.2 实现核心基础设施:创建共享工具:带认证的 API 客户端、错误处理助手、响应格式化(JSON/Markdown)、分页支持。
2.3 实现工具:对每个工具:输入 Schema(使用 Zod(TypeScript)或 Pydantic(Python),包含约束与清晰描述,在字段描述中添加示例)、输出 Schema(如可能定义 outputSchema 用于结构化数据,在工具响应中使用 structuredContent(TypeScript SDK 功能))、工具描述(功能简洁摘要、参数描述、返回类型 schema)、实现(I/O 操作用 async/await,带可操作消息的适当错误处理,如适用支持分页,使用现代 SDK 时返回文本内容与结构化数据)、注释(readOnlyHintdestructiveHintidempotentHintopenWorldHint)。

阶段 3:审查与测试

3.1 代码质量:审查:无重复代码(DRY 原则)、一致错误处理、完整类型覆盖、清晰工具描述。
3.2 构建与测试:TypeScript:运行 npm run build 验证编译,使用 MCP Inspector 测试:npx @modelcontextprotocol/inspector;Python:验证语法:python -m py_compile your_server.py,使用 MCP Inspector 测试。

阶段 4:创建评估

实现 MCP 服务器后,创建全面评估以测试其有效性。
4.1 理解评估目的:使用评估测试 LLM 是否有效使用你的 MCP 服务器回答现实、复杂问题。
4.2 创建 10 个评估问题:遵循评估指南中的流程:工具检查、内容探索、问题生成、答案验证。
4.3 评估要求:确保每个问题:独立、只读、复杂(需要多次工具调用与深度探索)、现实(基于人类会关心的真实用例)、可验证(单一、清晰答案可通过字符串比较验证)、稳定(答案不会随时间改变)。
4.4 输出格式:创建 XML 文件,包含问题与答案。

参考文件

核心 MCP 文档:从 sitemap 开始,然后获取特定页面;MCP 最佳实践(通用 MCP 指南,包括服务器与工具命名约定、响应格式指南、分页最佳实践、传输选择、安全与错误处理标准)。
SDK 文档:Python SDK、TypeScript SDK(从 GitHub 获取 README)。
语言特定实现指南:Python 实现指南(完整 Python/FastMCP 指南)、TypeScript 实现指南(完整 TypeScript 指南)。
评估指南:完整评估创建指南。

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

Coding

mcp-builder

Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).

Repository Source
21.7K94.2Kanthropics
Coding

programmatic-seo

No summary provided by upstream source.

Repository SourceNeeds Review
Coding

referral-program

No summary provided by upstream source.

Repository SourceNeeds Review
Coding

youtube-clipper

No summary provided by upstream source.

Repository SourceNeeds Review