用途：指导开发者创建高质量的 MCP（Model Context Protocol）服务器，使 LLM 能通过设计良好的工具与外部服务和 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。
主要能力与流程：分四个阶段。一、深度研究与规划：理解以智能体为中心的设计原则，包括围绕工作流而非 API 端点构建工具、为有限上下文优化、设计可操作的错误信息、遵循自然任务划分、采用评估驱动开发；获取最新 MCP 协议文档（https://modelcontextprotocol.io/llms-full.txt）与框架文档；详尽研究 API 文档并制定实现计划。二、实现：搭建项目结构（Python 用 MCP Python SDK 与 Pydantic 输入校验；Node/TypeScript 用 MCP TypeScript SDK 与 Zod），先实现共享基础设施（请求辅助、错误处理、响应格式化、分页、鉴权），再逐一实现工具，编写输入模式、全面文档字符串、工具逻辑，并添加 readOnlyHint、destructiveHint、idempotentHint、openWorldHint 等注解。三、审查与优化：做代码质量审查（DRY、可组合、一致性、类型安全、文档），测试构建。四、创建评估：编写 10 个独立、只读、复杂、真实、可验证、稳定的评估问题，输出为特定 XML 结构。
使用方式：按阶段加载对应参考文档，如 Python SDK README、TypeScript SDK README、各语言实现指南与评估指南。
限制：MCP 服务器是长驻进程，直接在主进程运行会挂起，建议用评估框架、tmux 或超时方式测试。其他具体收费、平台支持等信息暂未提供。