本技能用于指导 MCP(Model Context Protocol) 服务器的构建与评估，核心是评估题目设计。质量衡量标准不是服务器实现多少工具，而是其输入输出模式与描述能否让无其他上下文的 LLM 仅凭该服务器回答真实复杂问题。
主要能力：创建 10 道人类可读的评估题。题目须为只读、独立、非破坏性且幂等；每题需多次（可能数十次）工具调用；答案须单一可验证、稳定不变；应覆盖 ID 与名称、时间戳、文件名与扩展名、URL 等多样数据形态，并制造歧义但仍保证唯一可验证答案。输出为 XML 的 <evaluation> 与 <qa_pair>，含 question 与 answer。
使用方式：先阅读目标 API 文档并并行查看 MCP 服务器工具（不阅读实现代码、不调用工具），再以只读非破坏方式用 limit(<10) 增量分页探查内容，最后生成 10 题并验证。运行评估需安装依赖：pip install -r scripts/requirements.txt 或 pip install anthropic mcp，并设置 export ANTHROPIC_API_KEY=your_api_key_here。评估脚本 scripts/evaluation.py 支持 stdio、sse、http 三种传输；stdio 由脚本自动启动服务器，sse/http 需先自行启动服务器。
限制：题目不得依赖动态当前状态（如反应数、回复数、成员数），答案应用直接字符串比较验证，避免列表等复杂结构。部分官方说明在资料末尾被截断，具体细节暂未提供。