用途：这是一个 MCP 产品面（product surface）设计技能，帮你决定 SaaS 产品通过 MCP 服务器向 AI 智能体暴露什么、以何种安全边界与鉴权方式暴露、如何版本化与度量，从而让智能体可靠操作产品，并判断这项投入是否划算。它属于设计层：更底层的构建类技能负责生成服务器代码，而是否要做 MCP 由更上层的 API 集成面策略技能决定。该技能假定 MCP 已进入路线图。
主要能力：按九步工作流推进——评估建设投入；筛选工具面；应用写操作安全模式；选择托管与鉴权；对工具面做版本化；发布以便被发现；度量智能体采用情况；分阶段上线。核心观点是“精选胜于全量”：1,412 个服务器分析中工具中位数为 5，建议 5-15 个；工具元数据可占上下文窗口 40-50%；工具应自上而下由用户工作流推导，而非自下而上罗列 API 端点；把细粒度端点合并为工作流级工具；工具描述是最高杠杆的优化点，需说明何时使用、必填与可选参数、预期输出及与相近工具的区别；参数要“防呆”，用绝对标识符与枚举。名称用动词开头、带服务前缀的 snake_case，支持 limit 与游标、JSON 与 Markdown 响应，诚实标注只读/破坏性/幂等注解。另含 MCP Apps 扩展（io.modelcontextprotocol/ui，规范修订 2026-01-26）：工具可返回交互式 HTML 界面，通过 _meta.ui.resourceUri、_meta.ui.csp、_meta.ui.permissions 声明，在沙箱 iframe 中渲染，经 postMessage 以 JSON-RPC 通信；建议仅当文本无法承载交互时才发布，且需在至少两个宿主加一个不支持该扩展的客户端测试降级路径。写工具安全模式包括风险分级策略门、人在回路审批、作用域凭据、只读分离、幂等与支出上限、dry-run 预检。
使用方式与限制：先向需求方提出澄清问题（需求证据、可复用的现有 API、写出偏好、托管形态、鉴权基础设施、截止时间等），再按九步执行；建议用长期记忆文件记录筛选后的工具清单与风险等级、托管与鉴权姿态、上线阶段及阈值。资料未提供具体安装命令、代码示例与价格信息；文中引用的行业数据应参考其证据分级文件，避免引用已被驳斥或无法核实的数字。