用途：本指南用于创建 MCP（模型上下文协议）服务器，使 LLM 能通过设计良好的工具与外部服务交互，核心目标是让 LLM 高效完成实际任务。
主要能力与流程：分为四个阶段。阶段一为深入研究与规划，包括理解现代 MCP 设计（在全面 API 覆盖与专用工作流工具间权衡，不确定时优先全面覆盖）、工具命名与可发现性（一致前缀、面向动作命名）、上下文管理（简洁描述、过滤与分页）、可操作错误消息；查阅 MCP 协议文档（从 https://modelcontextprotocol.io/sitemap.xml 开始，用 .md 后缀获取页面）；学习框架文档；规划实现。阶段二为实现，包括设置项目结构、实现核心基础设施（带认证的 API 客户端、错误处理、响应格式化、分页）、实现工具（用 Zod 或 Pydantic 定义输入模式，尽可能定义 outputSchema 并使用 structuredContent，编写工具描述，使用 async/await，支持分页，添加 readOnlyHint、destructiveHint、idempotentHint、openWorldHint 注解）。阶段三为审查与测试，检查代码质量，TypeScript 运行 npm run build，使用 MCP Inspector 测试：npx @modelcontextprotocol/inspector；Python 验证语法：python -m py_compile your_server.py。阶段四为创建评估，生成 10 个独立、只读、复杂、真实、可验证、稳定的评估问题，输出为 XML 格式的 <evaluation> 文件。
推荐技术栈：TypeScript（SDK 支持好、兼容性佳），远程服务器用流式 HTTP 无状态 JSON，本地服务器用 stdio。
限制：资料未提供具体收费、价格、平台或效果信息；评估脚本运行方式仅提及“使用提供的脚本”，细节暂未提供。