用途：本技能用于指导开发者创建高质量的 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：提供四阶段工作流。第一阶段深度研究与规划，包括面向智能体的设计原则（为工作流而非仅 API 端点构建、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、评估驱动开发），并研究 MCP 协议文档、框架文档与 API 文档，制定实现计划。第二阶段实现，涵盖项目结构搭建、核心基础设施（请求辅助、错误处理、响应格式化、分页、认证）、工具系统化实现（输入模式、文档字符串、工具逻辑、工具注解）及语言特定最佳实践。第三阶段审查与优化，包括代码质量审查、测试构建与质量清单。第四阶段创建评估，生成 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：通过 WebFetch 加载 MCP 协议文档 https://modelcontextprotocol.io/llms-full.txt；Python 实现加载 https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md，Node/TypeScript 实现加载 https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md。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、tmux 或 timeout 5s python server.py。Python 可用 python -m py_compile your_server.py 验证语法，Node/TypeScript 运行 npm run build。
适用场景：需要为 LLM 构建连接外部服务或 API 的 MCP 服务器时使用。
限制：资料未提供具体收费、价格、平台支持范围等信息。