菜单
构建高质量 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。在使用 Python (FastMCP) 或 Node/TypeScript (MCP SDK) 构建 MCP 服务器以集成外部 API 或服务时使用。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/LeastBit/Claude_skills_zh-CN --skill mcp-builder命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
使用 p5.js 创建带有种子随机性和交互式参数探索的算法艺术。当用户请求使用代码创建艺术、生成艺术、算法艺术、流场或粒子系统时使用此技能。创作原创算法艺术，而不是复制现有艺术家的作品，以避免版权侵犯。
将 Anthropic 官方品牌颜色和字体应用于任何可能需要 Anthropic 视觉风格的作品。适用于品牌颜色或样式指南、视觉格式化或公司设计标准的场景。
使用设计哲学创作精美的 .png 和 .pdf 格式视觉艺术作品。当用户要求创作海报、艺术品、设计作品或其他静态作品时，应使用此技能。创作原创视觉设计，切勿复制现有艺术家的作品以避免版权侵权。
基于 SOC 职业分类
正在显示 SKILL.md
| name | mcp-builder |
| description | 构建高质量 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。在使用 Python (FastMCP) 或 Node/TypeScript (MCP SDK) 构建 MCP 服务器以集成外部 API 或服务时使用。 |
| license | 完整条款见 LICENSE.txt |
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它能多好地使 LLM 完成实际任务。
创建高质量的 MCP 服务器包含四个主要阶段：
API 覆盖 vs. 工作流工具： 在全面的 API 端点覆盖与专用工作流工具之间取得平衡。工作流工具对于特定任务可能更方便，而全面覆盖则给予代理灵活组合操作的能力。不同客户端的性能表现各异——某些客户端受益于结合基本工具的代码执行，而另一些则更适合使用高级工作流。当不确定时，优先考虑全面的 API 覆盖。
工具命名与可发现性：
清晰、描述性的工具名称有助于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）和面向动作的命名。
上下文管理： 代理受益于简洁的工具描述以及过滤/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，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： 错误消息应引导代理找到解决方案，提供具体的建议和下一步操作。
浏览 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）。
需要查阅的关键页面：
推荐技术栈：
加载框架文档：
TypeScript（推荐）：
https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.mdPython：
https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md理解 API： 查阅服务的 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。列出要实现的端点，从最常用的操作开始。
参阅特定语言指南了解项目设置：
创建共享工具：
对于每个工具：
输入模式：
输出模式：
outputSchemastructuredContent（TypeScript SDK 特性）工具描述：
实现：
注解：
readOnlyHint：true/falsedestructiveHint：true/falseidempotentHint：true/falseopenWorldHint：true/false审查以下方面：
TypeScript：
npm run build 验证编译npx @modelcontextprotocol/inspectorPython：
python -m py_compile your_server.py参阅特定语言指南了解详细的测试方法和质量检查清单。
实现 MCP 服务器后，创建全面的评估来测试其有效性。
加载 ✅ 评估指南 获取完整的评估指南。
使用评估来测试 LLM 能否有效地使用您的 MCP 服务器回答真实、复杂的问题。
要创建有效的评估，请遵循评估指南中概述的流程：
确保每个问题：
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。有一个模型需要使用 ASL-X 格式的特定安全级别。以一种斑点野猫命名的模型被确定为什么数字 X？</question>
<answer>3</answer>
</qa_pair>
<!-- 更多 qa_pairs... -->
</evaluation>
在开发过程中根据需要加载这些资源：
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https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md 获取https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md 获取🐍 Python 实现指南 - 完整的 Python/FastMCP 指南，包括：
@mcp.tool 注册工具⚡ TypeScript 实现指南 - 完整的 TypeScript 指南，包括：
server.registerTool 注册工具