| name | mcp-builder |
| description | 指南：创建高质量的 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。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）。 Use when this capability is needed. |
| metadata | {"author":"evanfang0054"} |
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 服务器的质量衡量标准是它能在多大程度上帮助 LLM 完成现实世界的任务。
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：
第一阶段：深入研究和规划
1.1 理解现代 MCP 设计
API 覆盖率 vs 工作流工具：
平衡全面的 API 端点覆盖率和专业化的工作流工具。工作流工具对于特定任务可能更方便，而全面的覆盖率给予代理组合操作的灵活性。性能因客户端而异——有些客户端受益于组合基础工具的代码执行，而其他客户端在处理更高级别的工作流时表现更好。不确定时，优先考虑全面的 API 覆盖率。
工具命名和可发现性：
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。设计返回专注、相关数据的工具。一些客户端支持代码执行，这可以帮助代理高效地过滤和处理数据。
可操作的错误消息：
错误消息应该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 后缀获取特定页面以获得 markdown 格式（例如 https://modelcontextprotocol.io/specification/draft.md）。
需要查看的关键页面：
- 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 支持和在许多执行环境（如 MCPB）中的良好兼容性。另外 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（比有状态会话和流式响应更容易扩展和维护）。本地服务器使用 stdio。
加载框架文档：
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
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 规划你的实现
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 WebFetch。
工具选择：
优先考虑全面的 API 覆盖率。列出要实现的端点，从最常见的操作开始。
第二阶段：实现
2.1 设置项目结构
查看特定语言的指南以进行项目设置：
2.2 实现核心基础设施
创建共享实用程序：
- 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
对于每个工具：
输入模式：
- 使用 Zod（TypeScript）或 Pydantic（Python）
- 包含约束和清晰的描述
- 在字段描述中添加示例
输出模式：
- 在可能的情况下为结构化数据定义
outputSchema
- 在工具响应中使用
structuredContent（TypeScript SDK 功能）
- 帮助客户端理解并处理工具输出
工具描述：
实现：
- I/O 操作使用 async/await
- 具有可操作消息的适当错误处理
- 在适用的地方支持分页
- 使用现代 SDK 时返回文本内容和结构化数据
注释：
readOnlyHint：true/falsedestructiveHint：true/falseidempotentHint：true/falseopenWorldHint：true/false
第三阶段：审查和测试
3.1 代码质量
审查以下方面：
- 没有重复代码（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 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
查看特定语言的指南以了解详细的测试方法和质量检查清单。
第四阶段：创建评估
实现你的 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 获取完整的评估指导。
4.1 理解评估目的
使用评估来测试 LLM 是否能有效使用你的 MCP 服务器来回答现实、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：
- 工具检查：列出可用工具并了解它们的功能
- 内容探索：使用只读操作探索可用数据
- 问题生成：创建 10 个复杂的、现实的问题
- 答案验证：自己解决每个问题以验证答案
4.3 评估要求
确保每个问题都满足：
- 独立性：不依赖于其他问题
- 只读：只需要非破坏性操作
- 复杂性：需要多个工具调用和深度探索
- 现实性：基于人类关心的真实用例
- 可验证性：可通过字符串比较验证的单一、清晰答案
- 稳定性：答案不会随时间变化
4.4 输出格式
创建具有以下结构的 XML 文件：
<evaluation>
<qa_pair>
<question>查找关于以动物代号命名的 AI 模型发布的讨论。一个模型需要使用格式 ASL-X 的特定安全指定。哪个数字 X 正在为以斑点野猫命名的模型确定？</question>
<answer>3</answer>
</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
https://modelcontextprotocol.io/sitemap.xml 的站点地图开始，然后使用 .md 后缀获取特定页面
- 📋 MCP 最佳实践 - 通用 MCP 指导原则，包括：
- 服务器和工具命名约定
- 响应格式指导原则（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（在第一/二阶段加载）
- 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
特定语言实现指南（在第二阶段加载）
评估指南（在第四阶段加载）
- ✅ 评估指南 - 完整的评估创建指南，包含：
- 问题创建指导原则
- 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
Converted and distributed by TomeVault — claim your Tome and manage your conversions.
