用途：指导构建与使用 MCP（Model Context Protocol）服务器，让 AI 智能体访问外部工具与数据。
主要能力：构建 Python（FastMCP）或 TypeScript（MCP SDK）服务器，集成 API，设计面向智能体的工具，实现输入校验与错误处理，并创建评估；管理方面可通过 Gemini CLI 发现与执行工具、过滤工具、管理多服务器配置。核心概念包括 Tools（可执行函数）、Resources（只读数据）、Prompts（模板），传输方式有 Stdio、HTTP、SSE。
使用方式：构建流程分研究规划、实现、测试质量、评估四阶段。工具命名建议加服务前缀（如 slack_send_message），支持 JSON 与 Markdown 响应、分页（limit、offset、has_more）与 CHARACTER_LIMIT。配置写在 .claude/.mcp.json，Gemini CLI 共享配置可执行：mkdir -p .gemini && ln -sf .claude/.mcp.json .gemini/settings.json。执行优先用 Gemini CLI，须用 stdin 管道而非 -p：echo "..." | gemini -y -m gemini-2.5-flash；其次为直接脚本 npx tsx scripts/cli.ts call-tool ...；再次为 mcp-manager 子智能体。可用 npx tsx scripts/cli.ts list-tools 等列出工具、提示与资源。
适用场景：开发 MCP 服务器、集成 API、多服务器编排、评估驱动迭代。
限制：不在主线程运行长时服务器进程；不跳过输入校验与错误处理；不创建缺少文档的工具；不考虑智能体上下文限制。具体收费、平台与效果资料暂未提供。