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），并研读 MCP 协议文档、框架文档与 API 文档，制定实现计划。阶段二为实现，按语言最佳实践搭建项目结构、先实现共享基础设施（请求辅助、错误处理、响应格式化、分页、认证），再系统实现各工具，定义输入模式（Python 用 Pydantic，TypeScript 用 Zod）、编写完整文档字符串、实现工具逻辑并添加工具注解。阶段三为审查与优化，进行代码质量检查、测试与构建，并使用质量清单。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：文档提供需按需加载的参考资源，包括 MCP 协议文档（https://modelcontextprotocol.io/llms-full.txt）、Python SDK（https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md）、TypeScript SDK（https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md）及语言专属实现指南与评估指南。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、在 tmux 中运行或使用超时，如 timeout 5s python server.py；Python 可用 python -m py_compile your_server.py 验证语法，Node/TypeScript 可运行 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。