用途：构建、迭代与评估 Model Context Protocol（MCP）服务器，把外部服务或 API 暴露为 LLM 可调用的工具。核心原则是任务完成度而非 schema 合法性，工具描述需像写给陌生人的文档；面向模型设计，而非照搬 API。
流程：1）调研与范围界定：查阅最新 MCP 协议文档与参考实现，选择框架（默认 TypeScript，数据/ML 场景可用 Python），分析目标 API 的端点、认证、限流、分页与错误形态，产出一页式设计简报确认。2）搭建项目：目录含 index.ts（MCP 入口）、client.ts、tools/、pagination.ts、errors.ts、package.json、tsconfig.json、README.md、evals.xml；依赖 @modelcontextprotocol/sdk。3）实现工具：命名用 verb-noun 小写下划线（如 search_issues）；描述 2–4 句，说明用途与不适用场景；JSON Schema 标注必填项与枚举；输出精简；错误转译为人可读信息并给出下一步；分页用不透明游标，不暴露页码。4）用 MCP Inspector 测试注册、schema 校验、输出与错误路径。5）编写 10 道基于 evals.xml 的端到端评估题，覆盖正常路径、错误恢复、分页、部分信息决策、跨工具组合，模型需完成 ≥8 道。6）通过 .mcp.json 接入 GSD。
限制与反模式：避免 REST 一一映射（30 个端点通常对应约 6 个工具）、空描述、原始错误透传、泄露页码、跳过 Inspector、缺少评估。成功标准：每个工具描述可指导冷启动模型、错误可操作、分页用游标、评估达标、Inspector 通过、README 记录环境变量与限流、服务器可达。具体命令与完整代码示例资料未提供。