用途：本技能用于指导创建 MCP（Model Context Protocol，模型上下文协议）服务器，使 LLM 能通过设计良好的工具与外部服务交互。其质量衡量标准是帮助 LLM 完成真实任务的效果。
流程分四个阶段。第一阶段深度研究与规划：理解现代 MCP 设计，在完整 API 端点覆盖与专用工作流工具之间权衡（不确定时优先完整 API 覆盖）；采用清晰、动作导向且带一致前缀的工具命名（如 github_create_issue）；注重上下文管理，提供简洁描述与过滤/分页能力；提供可操作、指引下一步的错误信息。同时查阅 MCP 规范文档与所选框架 SDK 文档。推荐技术栈为 TypeScript，远程服务器用 Streamable HTTP 与无状态 JSON，本地服务器用 stdio。
第二阶段实现：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），并编写工具。输入模式用 Zod（TypeScript）或 Pydantic（Python），包含约束、清晰描述与示例；尽可能定义输出模式并使用 structuredContent；工具描述需简洁；实现采用异步 I/O、可操作错误处理、分页支持；必要时添加 readOnlyHint、destructiveHint、idempotentHint、openWorldHint 注解。
第三阶段审查与测试：检查无重复代码、一致错误处理、完整类型覆盖、清晰描述；TypeScript 用 npm run build 验证编译，两者均可用 MCP Inspector 测试：npx @modelcontextprotocol/inspector；Python 可用 python -m py_compile your_server.py 验证语法。
第四阶段创建评估：在实现后创建评估，测试 LLM 能否用该服务器回答真实复杂问题。先检查工具、用只读操作探索内容，再生成 10 个问题，并自行验证答案。每个问题须独立、只读、复杂、真实、可校验、稳定。输出为 XML 格式，含 <evaluation> 与 <qa_pair> 结构。
参考资源：MCP 规范站点地图（含 .md 后缀获取 Markdown）、MCP 最佳实践、Python 与 TypeScript SDK README，以及对应语言的实现指南与评估指南。具体脚本与平台细节以官方文档为准，资料中暂未提供更详细信息。