菜单
用于创建高质量 MCP（模型上下文协议）服务器或工具（Tools）的指南，使大语言模型能够通过精心设计的工具与外部服务进行交互。在构建 MCP 服务器以集成外部 API 或服务时使用，支持 Python（FastMCP）或 Node/TypeScript（MCP SDK）。
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/Lionad-Morotar/mcp-builder --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。
基于 SOC 职业分类
正在显示 SKILL.md
| name | mcp-builder |
| description | 用于创建高质量 MCP（模型上下文协议）服务器或工具（Tools）的指南，使大语言模型能够通过精心设计的工具与外部服务进行交互。在构建 MCP 服务器以集成外部 API 或服务时使用，支持 Python（FastMCP）或 Node/TypeScript（MCP SDK）。 |
| license | 完整条款见 LICENSE.txt |
| disable-model-invocation | true |
创建 MCP（模型上下文协议）服务器，使大语言模型能够通过精心设计的工具与外部服务进行交互。MCP 服务器的质量取决于它如何有效地帮助大语言模型完成实际任务。
创建高质量的 MCP 服务器涉及四个主要阶段：
API 覆盖 vs. 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，而全面覆盖则赋予智能体灵活组合操作的能力。性能因客户端而异——某些客户端受益于结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。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、描述性的工具名称帮助智能体快速找到合适的工具。使用一致的前缀（例如 github_create_issue、github_list_repos）和面向动作的命名方式。
上下文管理： 智能体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，可以帮助智能体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的建议和后续步骤引导智能体找到解决方案。
浏览 MCP 规范：
从站点地图开始找到相关页面：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）。
需要查看的关键页面：
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了解 API： 查看服务的 API 文档，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，从最常见的操作开始。
查看语言特定的指南以进行项目设置：
创建共享工具：
总的来说，对于每个工具：
输入模式：
输出模式：
outputSchema 以获取结构化数据structuredContent（TypeScript SDK 特性）工具描述：
实现：
注解：
readOnlyHint：true/falsedestructiveHint：true/falseidempotentHint：true/falseopenWorldHint：true/false对于拥有2个或多个工具的复杂任务开发，use patterns from tools patterns，尤其是当工具涉及以下讨论时：
| 分类 | 核心问题 |
|---|---|
| Tool Types | Query、Command 还是 Discovery？ |
| Tool Interface | Agent 如何理解和调用？ |
| Tool Discovery | Agent 如何找到合适的 Tool？ |
| Tool Composition | 是否应该捆绑多个操作？ |
| Tool Execution | 同步、异步还是事务性？ |
| Tool Response | 结果应该是什么样？ |
| Tool Context | 身份和状态如何管理？ |
| Tool Resilience | 如何从失败中恢复？ |
| Tool Security | 如何控制访问？ |
| Integration | 如何连接外部系统？ |
审查：
TypeScript：
npm run build 验证编译npx @modelcontextprotocol/inspectorPython：
python -m py_compile your_server.py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。
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。
使用评估来测试大语言模型是否能够有效地使用你的 MCP 服务器来回答现实的复杂问题。
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。一个模型需要特定的安全标识，格式为 ASL-X。对于以斑点野猫命名的模型，正在确定什么数字 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 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