用途：本技能用于开发与管理 MCP（Model Context Protocol）服务器。MCP 是让 AI 智能体访问外部工具与数据的标准化协议，组件包括工具（可执行函数）、资源（只读数据）与提示模板；传输方式有 Stdio（本地）、HTTP（远程）和 SSE（实时）。
主要能力分两部分。构建方面：按研究规划、实现、测试质量、评估四阶段开发 MCP 服务器，支持 Python（FastMCP + Pydantic）与 TypeScript（MCP SDK + Zod）；要求以智能体为中心的设计（工作流优先于端点）、服务前缀工具命名、同时支持 JSON 与 Markdown 响应、分页与字符上限、可操作的错误信息，并创建 10 个只读、独立、可验证的评估问题。使用方面：通过配置 .claude/.mcp.json 管理多服务器，执行优先级为 Gemini CLI、直接 CLI 脚本、mcp-manager 子代理回退；可用脚本列出工具、提示与资源，供 LLM 做上下文感知的工具筛选。
使用方式：配置示例为 mcpServers 中指定 command、args、env；Gemini CLI 需通过 mkdir -p .gemini && ln -sf .claude/.mcp.json .gemini/settings.json 建立共享配置软链，并注意应使用 stdin 管道而非已弃用的 -p 参数，例如 echo "…" | gemini -y -m gemini-2.5-flash；也可用 npx tsx scripts/cli.ts call-tool 与 list-tools 等命令直接调用或列举。
适用场景：构建自有 MCP 服务器、集成外部 API、评测智能体工具使用能力、多服务器编排。
限制：不在主线程运行长驻服务器进程（改用 tmux 或评估框架）；不跳过输入校验与错误处理；不创建缺乏文档的工具；不忽视智能体的上下文长度限制。具体支持的平台与收费信息资料中暂未提供。