用途：指导开发者构建高质量的 MCP（Model Context Protocol）服务器，使 LLM 能通过设计良好的工具与外部服务交互。质量的衡量标准是服务器在多大程度上帮助 LLM 完成真实任务。
主要能力与流程：资料把开发分为四个阶段。第一阶段深度研究与规划，包括理解现代 MCP 设计（API 覆盖度与工作流工具的取舍、工具命名与可发现性、上下文管理、可操作的错误信息）、研读 MCP 协议文档与框架文档，并规划实现。协议文档建议从 sitemap 开始：https://modelcontextprotocol.io/sitemap.xml，再以 .md 后缀获取具体页面，例如 https://modelcontextprotocol.io/specification/draft.md。第二阶段实现，涉及项目结构搭建、核心基础设施（带认证的 API 客户端、错误处理、响应格式化、分页）以及工具实现，包括输入 Schema（TypeScript 用 Zod，Python 用 Pydantic）、输出 Schema、工具描述、异步 I/O、分页支持与注解（readOnlyHint、destructiveHint、idempotentHint、openWorldHint）。第三阶段代码质量审查与构建测试。第四阶段创建评估，用 10 个独立、只读、复杂、真实、可验证且稳定的问题检验服务器效果，并以 XML 格式输出评估文件。
推荐技术栈与用法：语言推荐 TypeScript，理由是其 SDK 支持好、兼容多种执行环境（如 MCPB），且模型擅长生成 TypeScript 代码。传输方式上，远程服务器推荐 Streamable HTTP 与无状态 JSON，本地服务器用 stdio。也可使用 Python SDK。构建与测试命令包括 npm run build、npx @modelcontextprotocol/inspector，以及 Python 的 python -m py_compile your_server.py。相关 SDK 文档可通过 WebFetch 加载对应 README。
适用场景：需要为 LLM 接入外部服务、封装 API 为工具、并希望以规范流程保证工具质量与可评估性的开发场景。
限制：资料未提供具体安装命令、收费或价格信息、官方支持平台与效果承诺；具体实现细节需查阅其所引用的 MCP 最佳实践、TypeScript/Python 实现指南与评估指南等参考文件。