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交互。服务器质量以能否帮助 LLM 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，需理解现代 MCP 设计，在 API 覆盖与工作流工具间取得平衡，采用一致前缀与动作导向命名（如 github_create_issue、github_list_repos），注重上下文管理与可操作的错误信息；查阅 MCP 协议文档（可从 https://modelcontextprotocol.io/sitemap.xml 入手，页面加 .md 后缀获取）与框架文档。阶段二为实现，搭建项目结构、实现核心基础设施（带认证的 API 客户端、错误处理、响应格式化、分页），并为每个工具定义输入模式（Zod 或 Pydantic）、输出模式、工具描述与注解（readOnlyHint、destructiveHint、idempotentHint、openWorldHint）。阶段三为审查与测试，检查 DRY、错误处理、类型覆盖与描述清晰度。阶段四为创建评估，编写 10 个独立、只读、复杂、真实、可验证、稳定的评估问题。
推荐技术栈：语言为 TypeScript（SDK 质量高、利于 AI 生成代码），传输方式为远程服务器用 Streamable HTTP、本地服务器用 stdio。
使用方式：TypeScript 构建与测试可运行 npm run build 和 npx @modelcontextprotocol/inspector；Python 可运行 python -m py_compile your_server.py 并用 MCP Inspector 测试。Docker 场景下 FastMCP 会校验 Host 头，需通过 TransportSecuritySettings 配置 allowed_hosts（如 127.0.0.1:、localhost:、[::1]:、mcp-server:、0.0.0.0:*）。可通过中间件添加 /health 端点。验证可运行 python3 scripts/verify.py，预期输出 ✓ building-mcp-servers skill ready；失败时检查 references/ 文件夹及文件是否齐全，仍失败则停止并报告。
适用场景：需要为 LLM 接入外部服务、构建 MCP 工具服务器的开发工作。
限制：具体 API 端点、认证细节与评估问题需依据目标服务自行确定；资料未提供具体收费、价格或平台信息。