用途：指导开发者构建高质量的 MCP（Model Context Protocol）服务器，使 LLM 能借助设计良好的工具与外部服务、API 交互。技能说明 MCP 服务器质量以 LLM 能否用其工具完成现实任务来衡量。
主要流程分四阶段：
- 研究与规划：理解以智能体为中心的设计原则（按工作流而非仅 API 端点构建工具、优化有限上下文、设计可操作的错误信息、按自然任务划分、评估驱动开发）；研读 MCP 协议文档（https://modelcontextprotocol.io/llms-full.txt）与框架文档；穷尽阅读 API 文档；制定包含工具选择、共享工具、输入输出设计（Pydantic 或 Zod 校验，JSON 或 Markdown 响应）、错误处理策略的实施计划。
- 实现：先搭建项目结构与核心基础设施（请求辅助、错误处理、格式化、分页、鉴权），再系统性实现各工具，含输入模式、完整文档字符串、工具逻辑与注解（readOnlyHint、destructiveHint、idempotentHint、openWorldHint）。Python 使用 MCP Python SDK、Pydantic v2、async/await；TypeScript 使用 MCP TypeScript SDK、Zod、严格模式。
- 审查与优化：检查 DRY、可组合性、一致性、类型安全与文档；测试时注意 MCP 服务器为长驻进程，直接在主进程运行会挂起，建议用评估框架、tmux 或超时命令（如 timeout 5s python server.py），Python 可先 python -m py_compile your_server.py 校验语法，Node 运行 npm run build。
- 创建评估：编写 10 个独立、只读、复杂、真实、可验证且稳定的评测问题，输出为 XML 格式（<evaluation><qa_pair>…）。
适用场景：为 LLM 接入外部服务或 API 时开发 MCP 服务器，覆盖 Python 与 Node/TypeScript 实现。限制：资料未提供具体收费、价格、平台、效果数据；安装与依赖细节需查阅对应 SDK 文档。