用途：指导开发者构建高质量 MCP 服务器，使 LLM 能借助工具访问外部服务与 API；服务器质量以能否帮助 LLM 完成真实任务来衡量。
主要能力：按四阶段流程展开。阶段一为深度调研与规划，强调面向工作流而非仅包装 API 端点、为有限上下文优化、设计可操作的错误信息、遵循自然任务划分，并采用评测驱动开发；需研读 MCP 协议文档、SDK 文档和 API 文档，产出实现计划，包含工具选择、共享工具函数、输入输出设计与错误处理策略。阶段二为实现：Python 用 MCP Python SDK 与 Pydantic 模型，Node/TypeScript 用 MCP TypeScript SDK 与 Zod schema，先建共享基础设施再逐个实现工具，含输入校验、文档字符串、异步 I/O、分页、字符限制与截断、JSON/Markdown 多格式响应及工具注解。阶段三为审查与优化，检查 DRY、可组合性、一致性、错误处理、类型安全与文档，并给出测试注意事项：MCP 服务器为长驻进程，直接在主进程运行会挂起，建议用评测夹具、tmux 或 timeout 5s python server.py。阶段四为评测，要求创建 10 个独立、只读、复杂、真实、可验证且稳定的评测问题，并输出为 XML 的 qa_pair 格式。
使用方式：按需加载参考资料，例如通过 WebFetch 获取 https://modelcontextprotocol.io/llms-full.txt、https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md、https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md。
适用场景：需要为外部服务构建 MCP 服务器、让 LLM 调用工具完成实际任务的开发工作。
限制：资料未说明具体收费、价格、支持平台或效果保证；示例安装与运行命令在原文中未完整给出。