用途：指导开发者构建高质量 MCP 服务器，使 LLM 能通过设计良好的工具访问外部服务与 API。质量以 LLM 能否用这些工具完成真实任务来衡量。
主要能力：提供四阶段工作流。阶段一深度研究与规划，包括面向智能体的设计原则（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、遵循自然任务划分、评估驱动开发），并需研读 MCP 协议文档、框架文档与 API 文档，产出实现计划。阶段二实现，先搭建项目结构与共享基础设施，再系统实现工具，定义输入校验模型（Python 用 Pydantic，TypeScript 用 Zod）、编写完整文档字符串、实现逻辑并添加工具注解。阶段三审查与优化，检查代码质量、测试构建并使用质量清单。阶段四创建评估，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。
使用方式：需加载 MCP 协议文档（https://modelcontextprotocol.io/llms-full.txt）、Python SDK（https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md）或 TypeScript SDK（https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md）等参考文件。测试时注意 MCP 服务器为长运行进程，直接运行会挂起，建议用评估工具、tmux 或 timeout 5s python server.py；Python 可用 python -m py_compile your_server.py 校验语法，Node/TypeScript 用 npm run build。
适用场景：需要为 LLM 集成外部服务或 API、构建 MCP 服务器的开发工作。
限制：资料未提供具体收费、价格、平台支持范围等信息。