用途：指导创建 MCP（Model Context Protocol）服务器，使 LLM 能通过设计良好的工具与外部服务交互。服务器质量以 LLM 能否完成真实任务来衡量。
主要能力：流程分四个阶段。一、深度研究与规划：理解现代 MCP 设计（API 覆盖与工作流工具的取舍，不确定时优先全面 API 覆盖；一致前缀的命名如 github_create_issue、github_list_repos；精简描述与分页/过滤；可行动的报错信息）；研读 MCP 规范与框架文档；理解目标 API 的端点、鉴权与数据模型并选定工具。二、实现：搭建项目结构，实现 API 客户端、鉴权、错误处理、响应格式化与分页等共享设施，再实现工具，包括输入 Schema（TypeScript 用 Zod，Python 用 Pydantic）、输出 Schema、工具描述、异步 I/O、分页，以及 readOnlyHint、destructiveHint、idempotentHint、openWorldHint 注解。三、评审与测试：检查无重复代码、错误处理一致、类型完整、描述清晰；TypeScript 运行 npm run build 并用 npx @modelcontextprotocol/inspector 测试，Python 用 python -m py_compile your_server.py 校验语法。四、创建评估：编写 10 个独立、只读、复杂、真实、可验证且稳定的问答对，输出为 evaluation/qa_pair 的 XML 结构。
推荐技术栈：TypeScript（SDK 支持好、静态类型与 lint 友好）；远程服务器用 Streamable HTTP（无状态 JSON，易扩展维护），本地用 stdio。
参考资料：MCP 规范从 https://modelcontextprotocol.io/sitemap.xml 入手，再取 .md 页面；Python SDK、TypeScript SDK 见对应 GitHub README；另有最佳实践、语言实现指南与评估指南。
限制：资料未提供安装命令、收费、价格与具体平台支持；评估脚本等细节需查阅相应指南。