⚡

MCP服务器构建器Skill mcp-builder

MCP服务器构建器是一个专门用于创建高质量模型上下文协议（MCP）服务器的开发指南。该技能提供完整的MCP服务器开发流程，涵盖从深度研究、规划到实现、测试和评估的全过程。关键词包括：MCP服务器开发、AI智能体集成、外部API连接、TypeScript/Python实现、LLM工具开发、模型上下文协议、AI应用开发、智能体工具链、API集成框架、AI系统架构。

AI智能体 0 次安装 0 次浏览 更新于 3/1/2026

name: mcp-builder description: 创建高质量MCP（模型上下文协议）服务器的指南，使LLM能够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）。 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LLM能够通过精心设计的工具与外部服务交互。MCP服务器的质量取决于其帮助LLM完成现实世界任务的能力。

流程

🚀 高级工作流程

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端点覆盖与专门的工作流工具。工作流工具对于特定任务可能更方便，而全面覆盖则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，而其他客户端则更适合高级工作流。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正确的工具。使用一致的前缀（例如github_create_issue、github_list_repos）和面向操作的命名。

上下文管理： 代理受益于简洁的工具描述和过滤/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，可以帮助代理高效过滤和处理数据。

可操作的错误消息： 错误消息应通过具体建议和后续步骤指导代理找到解决方案。

1.2 研究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

然后使用.md后缀获取特定页面的Markdown格式（例如https://modelcontextprotocol.io/specification/draft.md）。

要查看的关键页面：

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

1.3 研究框架文档

推荐技术栈：

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

加载框架文档：

对于TypeScript（推荐）：

  • TypeScript SDK：使用WebFetch加载https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md
  • ⚡ TypeScript指南 - TypeScript模式和示例

对于Python：

  • Python SDK：使用WebFetch加载https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md
  • 🐍 Python指南 - Python模式和示例

1.4 规划您的实现

理解API： 查看服务的API文档，识别关键端点、身份验证要求和数据模型。根据需要使用网络搜索和WebFetch。

工具选择： 优先考虑全面的API覆盖。列出要实现的端点，从最常见的操作开始。

阶段2：实现

2.1 设置项目结构

查看语言特定指南以了解项目设置：

2.2 实现核心基础设施

创建共享实用程序：

  • 带有身份验证的API客户端
  • 错误处理辅助程序
  • 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）
  • 包含约束和清晰描述
  • 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：

  • 功能的简洁摘要
  • 参数描述
  • 返回类型模式

实现：

  • I/O操作使用Async/await
  • 具有可操作消息的适当错误处理
  • 适用时支持分页
  • 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：审查和测试

3.1 代码质量

审查以下内容：

  • 无重复代码（DRY原则）
  • 一致的错误处理
  • 完整的类型覆盖
  • 清晰的工具描述

3.2 构建和测试

TypeScript：

  • 运行npm run build以验证编译
  • 使用MCP检查器测试：npx @modelcontextprotocol/inspector

Python：

  • 验证语法：python -m py_compile your_server.py
  • 使用MCP检查器测试

查看语言特定指南以获取详细的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，创建全面的评估以测试其有效性。

加载✅ 评估指南以获取完整的评估指南。

4.1 理解评估目的

使用评估来测试LLM是否能有效使用您的MCP服务器回答现实、复杂的问题。

4.2 创建10个评估问题

要创建有效的评估，请遵循评估指南中概述的流程：

  1. 工具检查：列出可用工具并了解其功能
  2. 内容探索：使用只读操作探索可用数据
  3. 问题生成：创建10个复杂、现实的问题
  4. 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：仅需要非破坏性操作
  • 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、清晰的答案，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命名的AI模型发布的讨论。其中一个模型需要一个特定格式为ASL-X的安全指定。对于以斑点野猫命名的模型，正在确定哪个数字X？</question>
    <answer>3</answer>
  </qa_pair>
<!-- 更多qa_pairs... -->
</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，然后使用.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期间加载）

  • 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期间加载）

  • 🐍 Python实现指南 - 完整的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 - 完整的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期间加载）

  • ✅ 评估指南 - 完整的评估创建指南，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
    • 使用提供的脚本运行评估