Why Use This
This skill provides specialized capabilities for LeastBit's codebase.
Use Cases
- Developing new features in the LeastBit repository
- Refactoring existing code to follow LeastBit standards
- Understanding and working with LeastBit's codebase structure
Install Guide
2 steps - 1
- 2
Install inside Ananke
Click Install Skill, paste the link below, then press Install.
https://github.com/LeastBit/Claude_skills_zh-CN/tree/main/skills/mcp-builder
Skill Snapshot
Auto scan of skill assets. Informational only.
Valid SKILL.md
Checks against SKILL.md specification
Source & Community
Updated At Jan 18, 2026, 06:01 AM
Skill Stats
SKILL.md 237 Lines
Total Files 1
Total Size 0 B
License 完整条款见 LICENSE.txt
---
name: mcp-builder
description: 构建高质量 MCP(模型上下文协议)服务器的指南,使 LLM 能够通过精心设计的工具与外部服务交互。在使用 Python (FastMCP) 或 Node/TypeScript (MCP SDK) 构建 MCP 服务器以集成外部 API 或服务时使用。
license: 完整条款见 LICENSE.txt
---
# MCP 服务器开发指南
## 概述
创建 MCP(模型上下文协议)服务器,使 LLM 能够通过精心设计的工具与外部服务交互。MCP 服务器的质量取决于它能多好地使 LLM 完成实际任务。
---
# 流程
## 🚀 高级工作流程
创建高质量的 MCP 服务器包含四个主要阶段:
### 阶段一:深入研究与规划
#### 1.1 理解现代 MCP 设计
**API 覆盖 vs. 工作流工具:**
在全面的 API 端点覆盖与专用工作流工具之间取得平衡。工作流工具对于特定任务可能更方便,而全面覆盖则给予代理灵活组合操作的能力。不同客户端的性能表现各异——某些客户端受益于结合基本工具的代码执行,而另一些则更适合使用高级工作流。当不确定时,优先考虑全面的 API 覆盖。
**工具命名与可发现性:**
清晰、描述性的工具名称有助于代理快速找到正确的工具。使用一致的前缀(例如 `github_create_issue`、`github_list_repos`)和面向动作的命名。
**上下文管理:**
代理受益于简洁的工具描述以及过滤/分页结果的能力。设计返回聚焦、相关数据的工具。某些客户端支持代码执行,这可以帮助代理高效地过滤和处理数据。
**可操作的错误消息:**
错误消息应引导代理找到解决方案,提供具体的建议和下一步操作。
#### 1.2 学习 MCP 协议文档
**浏览 MCP 规范:**
从站点地图开始查找相关页面:`https://modelcontextprotocol.io/sitemap.xml`
然后使用 `.md` 后缀获取特定页面的 markdown 格式(例如 `https://modelcontextprotocol.io/specification/draft.md`)。
需要查阅的关键页面:
- 规范概述和架构
- 传输机制(流式 HTTP、stdio)
- 工具、资源和提示定义
#### 1.3 学习框架文档
**推荐技术栈:**
- **语言**:TypeScript(高质量 SDK 支持,在许多执行环境中兼容性良好,如 MCPB。此外 AI 模型擅长生成 TypeScript 代码,得益于其广泛使用、静态类型和良好的 lint 工具)
- **传输**:远程服务器使用流式 HTTP,采用无状态 JSON(相比有状态会话和流式响应,更易于扩展和维护)。本地服务器使用 stdio。
**加载框架文档:**
- **MCP 最佳实践**:[📋 查看最佳实践](./reference/mcp_best_practices.md) - 核心指南
**TypeScript(推荐):**
- **TypeScript SDK**:使用 WebFetch 加载 `https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md`
- [⚡ TypeScript 指南](./reference/node_mcp_server.md) - TypeScript 模式和示例
**Python:**
- **Python SDK**:使用 WebFetch 加载 `https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md`
- [🐍 Python 指南](./reference/python_mcp_server.md) - Python 模式和示例
#### 1.4 规划实现
**理解 API:**
查阅服务的 API 文档以识别关键端点、认证要求和数据模型。根据需要使用网络搜索和 WebFetch。
**工具选择:**
优先考虑全面的 API 覆盖。列出要实现的端点,从最常用的操作开始。
---
### 阶段二:实现
#### 2.1 设置项目结构
参阅特定语言指南了解项目设置:
- [⚡ TypeScript 指南](./reference/node_mcp_server.md) - 项目结构、package.json、tsconfig.json
- [🐍 Python 指南](./reference/python_mcp_server.md) - 模块组织、依赖项
#### 2.2 实现核心基础设施
创建共享工具:
- 带认证的 API 客户端
- 错误处理辅助函数
- 响应格式化(JSON/Markdown)
- 分页支持
#### 2.3 实现工具
对于每个工具:
**输入模式:**
- 使用 Zod(TypeScript)或 Pydantic(Python)
- 包含约束和清晰的描述
- 在字段描述中添加示例
**输出模式:**
- 尽可能为结构化数据定义 `outputSchema`
- 在工具响应中使用 `structuredContent`(TypeScript SDK 特性)
- 帮助客户端理解和处理工具输出
**工具描述:**
- 功能的简洁摘要
- 参数描述
- 返回类型模式
**实现:**
- 对 I/O 操作使用 async/await
- 使用可操作的消息进行适当的错误处理
- 在适用的地方支持分页
- 使用现代 SDK 时同时返回文本内容和结构化数据
**注解:**
- `readOnlyHint`:true/false
- `destructiveHint`:true/false
- `idempotentHint`:true/false
- `openWorldHint`:true/false
---
### 阶段三:审查与测试
#### 3.1 代码质量
审查以下方面:
- 无重复代码(DRY 原则)
- 一致的错误处理
- 完整的类型覆盖
- 清晰的工具描述
#### 3.2 构建与测试
**TypeScript:**
- 运行 `npm run build` 验证编译
- 使用 MCP Inspector 测试:`npx @modelcontextprotocol/inspector`
**Python:**
- 验证语法:`python -m py_compile your_server.py`
- 使用 MCP Inspector 测试
参阅特定语言指南了解详细的测试方法和质量检查清单。
---
### 阶段四:创建评估
实现 MCP 服务器后,创建全面的评估来测试其有效性。
**加载 [✅ 评估指南](./reference/evaluation.md) 获取完整的评估指南。**
#### 4.1 理解评估目的
使用评估来测试 LLM 能否有效地使用您的 MCP 服务器回答真实、复杂的问题。
#### 4.2 创建 10 个评估问题
要创建有效的评估,请遵循评估指南中概述的流程:
1. **工具检查**:列出可用工具并了解其功能
2. **内容探索**:使用只读操作探索可用数据
3. **问题生成**:创建 10 个复杂、真实的问题
4. **答案验证**:自己解答每个问题以验证答案
#### 4.3 评估要求
确保每个问题:
- **独立**:不依赖于其他问题
- **只读**:只需要非破坏性操作
- **复杂**:需要多次工具调用和深度探索
- **真实**:基于人类实际关心的用例
- **可验证**:单一、明确的答案,可通过字符串比较验证
- **稳定**:答案不会随时间改变
#### 4.4 输出格式
创建具有以下结构的 XML 文件:
```xml
<evaluation>
<qa_pair>
<question>查找关于以动物代号命名的 AI 模型发布的讨论。有一个模型需要使用 ASL-X 格式的特定安全级别。以一种斑点野猫命名的模型被确定为什么数字 X?</question>
<answer>3</answer>
</qa_pair>
<!-- 更多 qa_pairs... -->
</evaluation>
```
---
# 参考文件
## 📚 文档库
在开发过程中根据需要加载这些资源:
### 核心 MCP 文档(首先加载)
- **MCP 协议**:从 `https://modelcontextprotocol.io/sitemap.xml` 的站点地图开始,然后使用 `.md` 后缀获取特定页面
- [📋 MCP 最佳实践](./reference/mcp_best_practices.md) - 通用 MCP 指南,包括:
- 服务器和工具命名约定
- 响应格式指南(JSON vs Markdown)
- 分页最佳实践
- 传输选择(流式 HTTP vs stdio)
- 安全和错误处理标准
### SDK 文档(在阶段 1/2 期间加载)
- **Python SDK**:从 `https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md` 获取
- **TypeScript SDK**:从 `https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md` 获取
### 特定语言实现指南(在阶段 2 期间加载)
- [🐍 Python 实现指南](./reference/python_mcp_server.md) - 完整的 Python/FastMCP 指南,包括:
- 服务器初始化模式
- Pydantic 模型示例
- 使用 `@mcp.tool` 注册工具
- 完整的工作示例
- 质量检查清单
- [⚡ TypeScript 实现指南](./reference/node_mcp_server.md) - 完整的 TypeScript 指南,包括:
- 项目结构
- Zod 模式模式
- 使用 `server.registerTool` 注册工具
- 完整的工作示例
- 质量检查清单
### 评估指南(在阶段 4 期间加载)
- [✅ 评估指南](./reference/evaluation.md) - 完整的评估创建指南,包括:
- 问题创建指南
- 答案验证策略
- XML 格式规范
- 示例问题和答案
- 使用提供的脚本运行评估