用途：本技能面向需要把 API 或能力暴露给 AI 智能体的场景，指导从 API 契约出发设计并交付可用的 MCP（Model Context Protocol）服务器。适用于将内部 REST API 暴露给 Claude、Cursor 等 MCP 客户端，用类型化工具接口替代脆弱的浏览器自动化，构建多团队共用的 MCP 服务器，把 OpenAPI 规范自动转换为 MCP 工具，以及创建数据库、监控、部署等特定领域工具服务器。
主要能力：工具设计与 schema 质量（动词-名词命名、描述工程、类型化输入 schema、面向大模型的输出格式化）；服务端实现，支持 TypeScript（@modelcontextprotocol/sdk）与 Python（mcp[cli]），覆盖工具/资源/提示注册、结构化错误处理、日志、认证与限流中间件；传输与部署，包含 stdio（本地/CLI）、SSE（Web）、StreamableHTTP（生产），以及 Docker 容器化、健康检查与优雅停机；测试与验证，包含 schema 校验、MCP Inspector 集成测试、契约/快照测试与远程服务器负载测试。
使用方式：构建前先确认关键输入——源契约（要暴露的 OpenAPI 规范或 API，或从零构建工具）、语言（TypeScript 或 Python）、传输方式（stdio、SSE 或 StreamableHTTP）。若信息不明应先询问，最多问 2-3 个最影响输出的问题；若用户要求直接起草，则先列出假设。按任务加载对应参考文档：工具 schema 设计、服务端实现、传输与部署、测试与排错、流式/批量与 computer-use。另有脚本 scripts/tool_schema_linter.py 可标记过于啰嗦的单条工具与缺失分页的问题。常见模式包括：长时间运行工具应发送节流进度更新、稳定关联标识、可取消并清理会话，最终响应须可独立理解；批量友好工具应接受有界数组、保持幂等或使用幂等键、返回逐项成功/失败结果、列表/读取工具须分页并给出上限与游标；computer-use 应暴露意图级动作而非像素原语，返回可观察状态，对破坏性操作加 confirm/dry_run 参数并限定允许列表、脱敏密钥。
限制：本技能不覆盖 MCP 客户端或自定义 LLM 编排层、消费 MCP 工具的多智能体系统设计、API 设计本身（REST 约定与版本化）、以及 MCP 服务器的基础设施配置、容器编排或 CI/CD 流水线。关于收费、价格、平台与效果等资料暂未提供。