用途：指导开发者构建高质量的 MCP（Model Context Protocol）服务器，使 LLM 能通过设计良好的工具与外部服务交互。服务器质量以能否帮助 LLM 完成真实任务来衡量。
主要流程分四阶段。一、深度调研与规划：理解现代 MCP 设计，在 API 覆盖与工作流工具间取舍（不确定时优先全面 API 覆盖）；采用清晰、动作导向且带一致前缀的工具命名（如 github_create_issue）；注重上下文管理，返回聚焦数据并支持过滤与分页；提供可操作的错误信息。查阅 MCP 规范（从 https://modelcontextprotocol.io/sitemap.xml 开始，用 .md 后缀获取页面），了解传输机制（streamable HTTP、stdio）及工具、资源、提示定义。推荐技术栈为 TypeScript（SDK 支持好、静态类型、模型生成友好），远程服务器用 Streamable HTTP 无状态 JSON，本地用 stdio。
二、实现：搭建项目结构，实现共享基础设施（带认证的 API 客户端、错误处理、响应格式化、分页），逐个实现工具。输入模式用 Zod（TypeScript）或 Pydantic（Python），输出模式尽量定义 outputSchema 并使用 structuredContent，工具描述需简洁并含参数说明，实现用异步 I/O、可操作错误处理与分页，并添加 readOnlyHint、destructiveHint、idempotentHint、openWorldHint 注解。
三、审查与测试：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 验证编译，用 npx @modelcontextprotocol/inspector 测试；Python 用 python -m py_compile your_server.py 验证语法并同样用 MCP Inspector 测试。
四、创建评估：编写 10 个独立、只读、复杂、真实、可验证且稳定的评估问题，自行求解验证答案，输出为含 qa_pair 的 XML 文件。
适用场景：需要为外部服务构建 MCP 服务器、让 LLM 调用其能力的开发工作。限制：具体收费、价格、平台支持等信息暂未提供。