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。服务器质量以能否帮助 LLM 完成真实任务来衡量。
主要能力与流程：分为四个阶段。阶段一为深度调研与规划，包括理解现代 MCP 设计（API 覆盖与工作流工具的平衡、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、规划实现。阶段二为实现，包括搭建项目结构、实现核心基础设施（带认证的 API 客户端、错误处理、响应格式化、分页支持）以及实现工具（输入/输出 Schema、工具描述、异步实现、注解如 readOnlyHint、destructiveHint、idempotentHint、openWorldHint）。阶段三为审查与测试，包括代码质量检查与构建测试。阶段四为创建评估，编写 10 个独立、只读、复杂、真实、可验证且稳定的评估问题，输出为 XML 格式。
推荐技术栈：语言推荐 TypeScript（SDK 支持好、兼容 MCPB 等执行环境、模型擅长生成）；传输方式为远程服务器用 Streamable HTTP（无状态 JSON），本地服务器用 stdio。Python 亦可，使用 FastMCP 与 Pydantic。
必要用法：TypeScript 用 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，同样用 MCP Inspector 测试。协议文档从 https://modelcontextprotocol.io/sitemap.xml 开始，再以 .md 后缀获取具体页面。SDK 文档可从 https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md 与 https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md 获取。
适用场景：需要为 LLM 接入外部服务、构建 MCP 服务器并希望保证工具设计质量与可评估性的开发场景。
限制：资料未提供具体收费、价格、平台支持范围与效果数据；评估脚本的具体运行方式暂未提供。