用途：指导开发者构建高质量的 MCP（Model Context Protocol）服务器，使 LLM 能通过设计良好的工具与外部服务、API 交互。服务器质量以 LLM 能否借助所提供工具完成真实任务来衡量。
主要能力与流程：分为四个阶段。阶段一为深度研究与规划，包括理解以智能体为中心的设计原则（围绕工作流而非单纯包装 API 端点、优化有限上下文、设计可操作的错误信息、遵循自然任务划分、采用评估驱动开发），获取 MCP 协议文档（https://modelcontextprotocol.io/llms-full.txt）、框架文档与 API 文档，并制定实现计划（工具选择、共享工具、输入输出设计、错误处理策略）。阶段二为实现，先搭建项目结构（Python 用 MCP Python SDK 与 Pydantic；Node/TypeScript 用 MCP TypeScript SDK 与 Zod），实现共享基础设施，再系统化实现工具（输入模式、文档字符串、工具逻辑、工具注解）。阶段三为审查与优化，包括代码质量检查、测试与构建、质量清单。阶段四为创建评估，编写 10 个独立、只读、复杂、真实、可验证且稳定的评估问题，输出为 XML 格式。
使用方式：按阶段加载对应参考文件，Python 参考 https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md，TypeScript 参考 https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md。测试时注意 MCP 服务器为长运行进程，直接运行会挂起，建议使用评估工具、tmux 或 timeout 5s python server.py；Python 可用 python -m py_compile your_server.py 验证语法，Node/TypeScript 用 npm run build。
适用场景：为 LLM 构建连接外部服务与 API 的 MCP 服务器。
限制：资料未提供具体收费、价格、平台支持范围等信息。