菜单
建立高質量 MCP (Model Context Protocol) 伺服器的指南，使 LLM 能透過精心設計的工具與外部服務互動。當需要建構 MCP 伺服器以整合外部 API 或服務時使用，無論是使用 Python (FastMCP) 或 Node/TypeScript (MCP SDK)。
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。
基于 SOC 职业分类
使用 Claude API / Anthropic SDK 建構、除錯和最佳化應用程式。使用此技能建構的應用程式應包含提示快取 (prompt caching)。也處理在 Claude 模型版本之間遷移現有 Claude API 程式碼（4.5 → 4.6，4.6 → 4.7，替換已退役模型）。觸發時機：程式碼匯入 anthropic/@anthropic-ai/sdk；使用者要求使用 Claude API、Anthropic SDKs 或 Managed Agents (/v1/agents, /v1/sessions, /v1/environments)；使用者在檔案中新增/修改/調整 Claude 功能（快取、思考、壓縮、工具使用、批次、檔案、引用、記憶）或模型（Opus/Sonnet/Haiku）；關於 Anthropic SDK 專案中提示快取/快取命中率的問題。不觸發：檔案匯入 `openai`/其他提供者 SDK，檔案名稱類似 `*-openai.py`/`*-generic.py`，與提供者無關的程式碼，一般程式設計/機器學習。
當編寫呼叫 Gemini API 的程式碼時請使用此技能，用於文字生成、多輪對話、多模態理解、影像生成、串流回應、背景研究任務、函式呼叫、結構化輸出，或從舊的 generateContent API 遷移。此技能涵蓋 Interactions API，這是在 Python 與 TypeScript 中使用 Gemini 模型與代理的建議方式。
Tailwind CSS v4 原則。CSS 優先配置、容器查詢、現代模式、設計 token 架構。
處理使用 Gemini Live API 的即時、雙向串流應用程式時使用此技能。涵蓋基於 WebSocket 的音訊/視訊/文字串流、語音活動偵測 (VAD)、原生音訊功能、函式呼叫、會話管理、用戶端身分驗證的臨時權杖，以及所有 Live API 設定選項。涵蓋的 SDK - google-genai (Python)、@google/genai (JavaScript/TypeScript)。
Python 開發原則與決策。框架選擇、非同步模式、型別提示、專案結構。教你思考而非複製。
自動代理選擇與智慧任務路由。分析使用者請求並自動選擇最佳專家代理，無需使用者明確提及。
| name | mcp-builder |
| description | 建立高質量 MCP (Model Context Protocol) 伺服器的指南，使 LLM 能透過精心設計的工具與外部服務互動。當需要建構 MCP 伺服器以整合外部 API 或服務時使用，無論是使用 Python (FastMCP) 或 Node/TypeScript (MCP SDK)。 |
| license | 完整條款請見 LICENSE.txt |
建立 MCP (Model Context Protocol) 伺服器，使 LLM 能透過精心設計的工具與外部服務互動。MCP 伺服器的品質取決於它如何良好地幫助 LLM 完成真實世界的任務。
建立高質量的 MCP 伺服器包含四個主要階段：
API 覆蓋率 vs. 工作流程工具： 在全面的 API 端點覆蓋率和專門的工作流程工具之間取得平衡。工作流程工具對於特定任務可能更方便，而全面的覆蓋則讓代理程式有靈活性來組合操作。不同客戶端的效能各異 — 有些客戶端受益於結合基本工具的程式碼執行，而其他則在更高階的工作流程中表現更好。若不確定，請優先考慮全面的 API 覆蓋率。
工具命名與可發現性：
清晰、具描述性的工具名稱有助於代理程式快速找到正確的工具。使用一致的前綴（例如：github_create_issue、github_list_repos）和任務導向的命名。
上下文管理： 代理程式受益於簡潔的工具描述以及過濾/分頁結果的能力。設計能返回聚焦、相關資料的工具。有些客戶端支援程式碼執行，這可幫助代理程式有效率地過濾和處理資料。
可執行的錯誤訊息： 錯誤訊息應透過具體的建議和後續步驟引導代理程式解決問題。
瀏覽 MCP 規格：
從網站地圖開始尋找相關頁面：https://modelcontextprotocol.io/sitemap.xml
然後透過 .md 後綴取得特定頁面的 markdown 格式（例如：https://modelcontextprotocol.io/specification/draft.md）。
需要審閱的關鍵頁面：
建議的技術堆疊：
載入框架文件：
對於 TypeScript（建議）：
https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md對於 Python：
https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md了解 API： 審閱服務的 API 文件，識別關鍵端點、驗證需求和資料模型。視需要使用網頁搜尋和 WebFetch。
工具選擇： 優先考慮全面的 API 覆蓋率。列出要實作的端點，從最常見的操作開始。
請參閱特定語言的專案設定指南：
建立共用工具程式：
針對每個工具：
輸入 Schema:
輸出 Schema:
outputSchemastructuredContent (TypeScript SDK 功能)工具描述:
實作:
註解:
readOnlyHint: true/falsedestructiveHint: true/falseidempotentHint: true/falseopenWorldHint: true/false審核以下項目：
TypeScript:
npm run build 以驗證編譯npx @modelcontextprotocol/inspectorPython:
python -m py_compile your_server.py請參閱特定語言指南以獲取詳細的測試方法和品質檢查清單。
在實作 MCP 伺服器之後，建立全面性的評估來測試其有效性。
載入 ✅ 評估指南 獲取完整的評估準則。
使用評估來測試 LLM 是否能有效使用您的 MCP 伺服器回答真實且複雜的問題。
要建立有效的評估，請遵循評估指南中列出的流程：
確保每個問題符合：
建立具有此結構的 XML 檔案：
<evaluation>
<qa_pair>
<question>Find discussions about AI model launches with animal codenames. One model needed a specific safety designation that uses the format ASL-X. What number X was being determined for the model named after a spotted wild cat?</question>
<answer>3</answer>
</qa_pair>
<!-- 更多 qa_pairs... -->
</evaluation>
開發期間視需要載入這些資源：
https://modelcontextprotocol.io/sitemap.xml 開始，然後取得具 .md 後綴的特定頁面https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md 獲取https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md 獲取🐍 Python 實作指南 - 完整的 Python/FastMCP 指南，包含：
@mcp.tool 註冊工具⚡ TypeScript 實作指南 - 完整的 TypeScript 指南，包含：
server.registerTool 註冊工具