用途：指导开发者创建 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；服务器质量以能否帮助 LLM 完成真实任务来衡量。
主要流程分四阶段：
- 调研与规划：了解现代 MCP 设计（API 覆盖与工作流工具权衡、工具命名与可发现性、上下文管理、可操作的错误信息），查阅 MCP 协议文档（从 sitemap 开始，用 .md 后缀获取页面）与框架文档，并规划实现。推荐技术栈：TypeScript（SDK 支持好、兼容 MCPB、静态类型与 lint 友好）；传输方式：远程服务器用 Streamable HTTP 无状态 JSON，本地用 stdio。
- 实现：搭建项目结构，实现共享基础设施（带认证的 API 客户端、错误处理、响应格式化、分页），再实现工具。输入 schema 用 Zod（TypeScript）或 Pydantic（Python），包含约束、描述与示例；尽可能定义 outputSchema，使用 structuredContent；工具描述需简洁，含参数说明与返回类型。用 async/await 处理 I/O，提供可操作错误信息与分页。注解包括 readOnlyHint、destructiveHint、idempotentHint、openWorldHint。
- 审查与测试：检查无重复代码、错误处理一致、类型覆盖完整、描述清晰。TypeScript 运行 npm run build 验证编译，用 npx @modelcontextprotocol/inspector 测试；Python 用 python -m py_compile your_server.py 验证语法并用 MCP Inspector 测试。
- 创建评估：编写 10 个问题测试 LLM 能否有效使用服务器。问题需独立、只读、复杂（需多次工具调用）、真实、可验证、稳定。输出 XML 格式，含 question 与 answer 字段。
适用场景：开发、审查或测试 MCP 服务器，尤其是需要与外部 API 交互、面向 LLM 的工具型服务器。
限制：具体 API 文档、鉴权和数据模型需自行查阅；评估脚本运行方式、价格与平台支持等资料暂未提供。