name: mcp-builder description: 构建高质量的 MCP（模型上下文协议）服务器，让大型语言模型通过设计良好的工具与外部服务交互。在创建 MCP 服务器以集成 Python（FastMCP）或 Node/TypeScript（MCP SDK）中的 API 或服务时使用。 license: 完整条款见 LICENSE.txt

MCP 服务器开发指南

概述

创建 MCP（模型上下文协议）服务器，使大型语言模型能够通过设计良好的工具与外部服务交互。MCP 服务器的质量取决于其使 LLM 完成实际任务的能力。

流程

🚀 高层工作流

创建高质量的 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

API 覆盖与工作流工具： 平衡全面的 API 端点覆盖与专业化的工作流工具。工作流工具对特定任务更便捷，而全面覆盖赋予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，优先考虑全面的 API 覆盖。

工具命名与可发现性： 清晰、描述性的工具名称帮助代理快速找到合适工具。使用一致的前缀（例如 github_create_issue、github_list_repos）和面向行动的命名。

上下文管理： 代理受益于简洁的工具描述和筛选/分页结果的能力。设计返回聚焦、相关数据的工具。某些客户端支持代码执行，有助于代理高效筛选和处理数据。

可操作的错误消息： 错误消息应指导代理通过具体建议和后续步骤解决问题。

1.2 学习 MCP 协议文档

导航 MCP 规范：

从站点地图开始查找相关页面：https://modelcontextprotocol.io/sitemap.xml

然后以 .md 后缀获取特定页面以获取 Markdown 格式（例如 https://modelcontextprotocol.io/specification/draft.md）。

关键页面回顾：

规范概述与架构
传输机制（可流式 HTTP、stdio）
工具、资源和提示定义

1.3 学习框架文档

推荐技术栈：

语言：TypeScript（高质量 SDK 支持，在许多执行环境中兼容性好。此外，AI 模型擅长生成 TypeScript 代码，受益于其广泛使用、静态类型和良好 linting 工具）
传输：远程服务器使用可流式 HTTP，采用无状态 JSON（更易于扩展和维护，相对于有状态会话和流式响应）。本地服务器使用 stdio。

加载框架文档：

MCP 最佳实践：📋 查看最佳实践 - 核心指南

对于 TypeScript（推荐）：

TypeScript SDK：查看 https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md
⚡ TypeScript 指南 - TypeScript 模式与示例

对于 Python：

Python SDK：查看 https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md
🐍 Python 指南 - Python 模式与示例

1.4 规划您的实现

理解 API： 审查服务的 API 文档以识别关键端点、认证要求和数据模型。根据需要使用网络搜索和抓取。

工具选择： 优先考虑全面的 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

参见语言特定指南进行项目设置：

⚡ TypeScript 指南 - 项目结构、package.json、tsconfig.json
🐍 Python 指南 - 模块组织、依赖项

2.2 实现核心基础设施

创建共享工具：

带认证的 API 客户端
错误处理辅助函数
响应格式化（JSON/Markdown）
分页支持

2.3 实现工具

对于每个工具：

输入模式：

使用 Zod（TypeScript）或 Pydantic（Python）
包括约束和清晰描述
在字段描述中添加示例

输出模式：

尽可能定义 outputSchema 以获取结构化数据
在工具响应中使用 structuredContent（TypeScript SDK 功能）
帮助客户端理解和处理工具输出

工具描述：

功能简洁总结
参数描述
返回类型模式

实现：

I/O 操作使用异步/等待
适当的错误处理，提供可操作消息
适用时分页支持
使用现代 SDK 时返回文本内容和结构化数据

注解：

readOnlyHint：true/false
destructiveHint：true/false
idempotentHint：true/false
openWorldHint：true/false

阶段 3：审查与测试

3.1 代码质量

审查：

无重复代码（DRY 原则）
一致的错误处理
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

参见语言特定指南以获取详细测试方法和质量检查清单。

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。

加载 ✅ 评估指南以获取完整评估指南。

4.1 理解评估目的

使用评估测试 LLM 是否能有效使用您的 MCP 服务器回答现实、复杂问题。

4.2 创建 10 个评估问题

为创建有效评估，遵循评估指南中概述的流程：

工具检查：列出可用工具并理解其能力
内容探索：使用只读操作探索可用数据
问题生成：创建 10 个复杂、现实的问题
答案验证：自行解决每个问题以验证答案

4.3 评估要求

确保每个问题：

独立：不依赖于其他问题
只读：仅需非破坏性操作
复杂：需要多次工具调用和深度探索
现实：基于人类关心的真实用例
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

创建具有以下结构的 XML 文件：

<evaluation>
  <qa_pair>
    <question>查找关于使用动物代号发布的 AI 模型讨论。一个模型需要一个特定安全标志，使用格式 ASL-X。对于名为斑点野猫的模型，正在确定哪个数字 X？</question>
    <answer>3</answer>
  </qa_pair>
<!-- 更多 qa_pair... -->
</evaluation>

参考文件

📚 文档库

在开发过程中根据需要加载这些资源：

核心 MCP 文档（首先加载）

MCP 协议：从站点地图开始 https://modelcontextprotocol.io/sitemap.xml，然后以 .md 后缀获取特定页面
📋 MCP 最佳实践 - 通用 MCP 指南，包括：
- 服务器和工具命名约定
- 响应格式指南（JSON vs Markdown）
- 分页最佳实践
- 传输选择（可流式 HTTP vs stdio）
- 安全和错误处理标准

SDK 文档（在阶段 1/2 加载）

Python SDK：从 https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md 获取
TypeScript SDK：从 https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md 获取

语言特定实现指南（在阶段 2 加载）

🐍 Python 实现指南 - 完整 Python/FastMCP 指南，包括：
- 服务器初始化模式
- Pydantic 模型示例
- 使用 @mcp.tool 注册工具
- 完整工作示例
- 质量检查清单
⚡ TypeScript 实现指南 - 完整 TypeScript 指南，包括：
- 项目结构
- Zod 模式模式
- 使用 server.registerTool 注册工具
- 完整工作示例
- 质量检查清单

评估指南（在阶段 4 加载）

✅ 评估指南 - 完整评估创建指南，包括：
- 问题创建指南
- 答案验证策略
- XML 格式规范
- 示例问题和答案