MCP Builder

本技能提供了一套系统化的 MCP 服务器开发方法论，涵盖深度研究、规范实现、测试验证和效果评估四个阶段，帮助开发者构建让 LLM 高效使用的工具集。

核心开发流程

Phase 1: 深度研究与规划

理解现代 MCP 设计原则

API 覆盖 vs 工作流工具：优先全面覆盖 API 端点，同时提供针对特定任务的工作流工具

工具命名与可发现性：使用清晰、描述性的工具名称，采用一致的前缀（如 github_create_issue、github_list_repos）

上下文管理：设计简洁的工具描述，支持过滤和分页，返回聚焦的相关数据

可操作的错误消息：错误信息应包含具体建议和后续步骤，引导 Agent 解决问题

技术栈选择

推荐语言：TypeScript（高质量 SDK 支持、良好的兼容性、AI 模型生成质量高）

传输协议：远程服务器使用 Streamable HTTP（无状态 JSON，更易扩展）；本地服务器使用 stdio 规划实现

审查目标服务的 API 文档，识别关键端点、认证需求和数据模型

优先实现最常用的操作，确保全面的 API 覆盖

Phase 2: 项目实现

项目结构搭建

TypeScript：配置 package.json、tsconfig.json 等

Python：组织模块结构、管理依赖

核心基础设施

API 客户端与认证处理

错误处理辅助工具

响应格式化（JSON/Markdown）

分页支持

工具开发规范

输入 Schema：使用 Zod（TypeScript）或 Pydantic（Python），包含约束条件和清晰描述

输出 Schema：定义 outputSchema，使用 structuredContent 返回结构化数据

工具描述：简洁的功能摘要、参数说明、返回类型

实现要点：异步 I/O、恰当的错误处理、分页支持、同时返回文本和结构化数据

注解：readOnlyHint、destructiveHint、idempotentHint、openWorldHint

Phase 3: 审查与测试

代码质量检查

避免重复代码（DRY 原则）

一致的错误处理

完整的类型覆盖

清晰的工具描述

构建与验证

TypeScript：运行 npm run build 验证编译，使用 MCP Inspector 测试

Python：语法验证 python -m py_compile，使用 MCP Inspector 测试

Phase 4: 创建评估

评估设计原则 创建 10 个复杂、真实的评估问题，验证 LLM 能否有效使用 MCP 服务器完成实际任务。

评估要求

独立性：不依赖其他问题

只读性：仅使用非破坏性操作

复杂性：需要多次工具调用和深度探索

真实性：基于人类关心的真实用例

可验证性：单一明确答案，可通过字符串比较验证

稳定性：答案不会随时间变化

输出格式 使用 XML 格式存储问答对，包含 和 标签。

参考资源

MCP 协议文档

协议概述与架构

传输机制（Streamable HTTP、stdio）

工具、资源和提示定义