用途：指导开发者构建高质量 MCP 服务器，使 LLM 能借助设计良好的工具与外部服务或 API 交互。服务器质量以 LLM 能否用其工具完成真实任务来衡量。
主要流程分四阶段。一、深度研究与规划：理解以智能体为中心的设计原则，如围绕工作流而非单纯包装 API 端点、合并相关操作、优化有限上下文（返回高信号信息、提供简洁与详细两种格式、优先可读标识符）、设计可操作的错误提示、按自然任务划分工具、采用评测驱动开发。随后查阅 MCP 协议文档（https://modelcontextprotocol.io/llms-full.txt）、框架文档（Python SDK、TypeScript SDK）及目标服务全部 API 文档，制定实现计划，涵盖工具选择、共享工具函数、输入输出设计、错误处理策略。
二、实现：Python 可用单 .py 文件或模块化，使用 MCP Python SDK 与 Pydantic 模型；Node/TypeScript 配置 package.json、tsconfig.json，使用 MCP TypeScript SDK 与 Zod。先实现核心基础设施（请求封装、错误处理、格式化、分页、鉴权），再逐个实现工具：定义输入 schema、编写完整说明、实现逻辑、添加工具注释（readOnlyHint 等）。
三、审查优化：检查 DRY、可组合性、一致性、错误处理、类型安全与文档；注意 MCP 服务器为长驻进程，直接运行会挂起，建议用评测框架或在 tmux 中运行；Python 可用 python -m py_compile 校验语法，TypeScript 执行 npm run build。
四、评测：创建 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 格式。
限制：资料未提供具体收费标准、价格、平台支持范围或效果承诺。