用途：指导创建高质量 MCP 服务器，使 LLM 能通过设计良好的工具访问外部服务和 API。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：技能按四阶段组织流程。第一阶段调研与规划：理解以智能体为中心的设计原则（围绕工作流而非仅包装 API 端点、优化有限上下文、设计可操作的错误信息、按自然任务划分、评测驱动开发）；获取并研读 MCP 协议文档（https://modelcontextprotocol.io/llms-full.txt）、框架文档与 API 文档，产出包含工具选择、共享工具函数、输入输出设计与错误处理策略的实现计划。第二阶段实现：按语言最佳实践搭建项目结构，先实现核心基础设施（请求辅助、错误处理、响应格式化、分页、鉴权），再系统实现各工具，包括用 Pydantic（Python）或 Zod（TypeScript）定义输入校验，撰写完整文档字符串，支持 JSON 与 Markdown 响应格式、分页与字符截断，并添加工具注解。第三阶段审查与打磨：检查 DRY、可组合性、一致性、错误处理、类型安全与文档，并进行测试与构建。第四阶段创建评测：编写 10 个独立、只读、复杂、真实、可验证且稳定的评测问题，输出为指定 XML 结构。
使用方式：按阶段加载对应参考文件；Python 使用 MCP Python SDK 与 Pydantic v2，Node/TypeScript 使用 MCP TypeScript SDK 与 Zod，并运行 npm run build。测试时注意 MCP 服务器是长时间运行进程，直接运行会挂起，建议用评测框架或在 tmux 中运行，或使用 timeout 5s python server.py。
适用场景：需要为 LLM 构建连接外部服务、API 的 MCP 服务器时。
限制：资料未提供该技能的具体安装命令、收费与价格信息，也暂未提供超出上述流程的额外功能说明。