SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场mcp-builder

mcp-builder

智能体与模型

查看项目

更新于 10-15 10:44

技能介绍

用途

mcp-builder 是一份开发指南，用于创建高质量的 MCP（Model Context Protocol）服务器。MCP 服务器提供工具，使 LLM 能够访问外部服务和 API。该技能的核心目标是：让 LLM 能够借助所提供的工具完成真实世界的任务，并以这一能力衡量 MCP 服务器的质量。

主要能力

该技能覆盖从调研到评估的完整开发流程，分为四个阶段：

阶段一：深度调研与规划

  • 理解以智能体为中心的设计原则：为工作流而非仅 API 端点构建工具；合并相关操作（例如 schedule_event 同时检查可用性并创建事件）；聚焦能完成完整任务的工具。
  • 优化有限的上下文：返回高信号信息而非穷尽式数据转储；提供“简洁”与“详细”两种响应格式选项；默认使用人类可读标识符（名称而非 ID）。
  • 设计可操作的错误信息：错误应引导智能体正确使用，例如建议“Try using filter='active_only' to reduce results”。
  • 遵循自然任务划分：工具名称反映人类对任务的思考方式，用一致前缀分组相关工具。
  • 采用评估驱动开发：尽早创建真实评估场景，让智能体反馈驱动工具改进。
  • 研读 MCP 协议文档（https://modelcontextprotocol.io/llms-full.txt）、框架文档（Python SDK 与 TypeScript SDK 的 README）、以及目标服务的完整 API 文档（认证、限流、分页、错误响应、端点参数、数据模型等）。
  • 制定实现计划：工具选择、共享工具与辅助函数、输入/输出设计（Pydantic 或 Zod 校验模型、一致响应格式、字符限制与截断策略如 25,000 tokens）、错误处理策略。

阶段二：实现

  • 搭建项目结构：Python 可用单个 .py 文件或模块化组织，使用 MCP Python SDK 与 Pydantic 模型；Node/TypeScript 需配置 package.json 与 tsconfig.json，使用 MCP TypeScript SDK 与 Zod schema。
  • 先实现核心基础设施：API 请求辅助函数、错误处理工具、响应格式化函数（JSON 与 Markdown）、分页辅助、认证/令牌管理。
  • 系统化实现工具：定义输入模式（含约束与示例）、编写完整文档字符串/描述、实现工具逻辑（异步 I/O、多响应格式、分页、字符限制）、添加工具注解（readOnlyHint、destructiveHint、idempotentHint、openWorldHint）。
  • 遵循语言特定最佳实践：Python 使用 Pydantic v2、类型提示、async/await、模块级常量；TypeScript 使用 server.registerTool、Zod .strict()、严格模式、显式 Promise 返回类型、配置构建流程。

阶段三：审查与优化

  • 代码质量审查：DRY 原则、可组合性、一致性、错误处理、类型安全、文档完整性。
  • 测试与构建：MCP 服务器是长驻进程，直接在主进程运行（如 python server.py 或 node dist/index.js）会导致进程挂起。安全测试方式包括使用评估工具、在 tmux 中运行、或使用 timeout 5s 测试。Python 可先用 python -m py_compile 验证语法；Node/TypeScript 运行 npm run build 并确认生成 dist/index.js。
  • 使用质量清单（见对应语言指南中的 Quality Checklist）。

阶段四：创建评估

  • 评估用于测试 LLM 能否有效使用 MCP 服务器回答真实、复杂的问题。
  • 创建 10 个评估问题，流程包括：工具检查、内容探索（只读操作）、问题生成、答案验证。
  • 每个问题必须：独立、只读、复杂（需多次工具调用）、真实、可验证（单一明确答案，可字符串比较）、稳定（答案不随时间变化）。
  • 输出为 XML 文件，结构为 <evaluation> 包含多个 <qa_pair>，每个含 <question> 与 <answer>。

使用方式

该技能以指南形式提供，开发过程中按需加载参考文件：

  • 核心 MCP 文档（优先加载）：MCP 协议规范 https://modelcontextprotocol.io/llms-full.txt
  • MCP 最佳实践：服务器与工具命名约定、响应格式指南、分页最佳实践、字符限制与截断策略、工具开发指南、安全与错误处理标准。
  • SDK 文档：Python SDK（https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md）、TypeScript SDK（https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md）。
  • 语言特定实现指南：Python 实现指南（服务器初始化、Pydantic 模型、@mcp.tool 注册、完整示例、质量清单）；TypeScript 实现指南（项目结构、Zod schema、server.registerTool 注册、完整示例、质量清单）。
  • 评估指南：问题创建指南、答案验证策略、XML 格式规范、示例问答、使用所提供脚本运行评估。

适用场景

  • 需要为 LLM 构建可访问外部服务或 API 的 MCP 服务器时。
  • 希望以工作流为中心设计工具、优化智能体上下文使用、并建立评估机制时。
  • 使用 Python 或 Node/TypeScript 技术栈进行 MCP 服务器开发时。

限制

资料未提供该技能的具体安装命令、收费或价格信息、平台限制、以及实际效果数据，这些内容暂未提供。