Smithery Logo
MCPsSkillsDocsPricing
Login
Smithery Logo

Accelerating the Agent Economy

Resources

DocumentationPrivacy PolicySystem Status

Company

PricingAboutBlog

Connect

© 2026 Smithery. All rights reserved.

    marcelleon

    mcp-builder

    marcelleon/mcp-builder
    AI & ML
    2
    1 installs

    About

    SKILL.md

    Install

    Install via Skills CLI

    or add to your agent
    • Claude Code
      Claude Code
    • Codex
      Codex
    • OpenClaw
      OpenClaw
    • Cursor
      Cursor
    • Amp
      Amp
    • GitHub Copilot
      GitHub Copilot
    • Gemini CLI
      Gemini CLI
    • Kilo Code
      Kilo Code
    • Junie
      Junie
    • Replit
      Replit
    • Windsurf
      Windsurf
    • Cline
      Cline
    • Continue
      Continue
    • OpenCode
      OpenCode
    • OpenHands
      OpenHands
    • Roo Code
      Roo Code
    • Augment
      Augment
    • Goose
      Goose
    • Trae
      Trae
    • Zencoder
      Zencoder
    • Antigravity
      Antigravity
    ├─
    ├─
    └─

    About

    创建高质量 MCP(Model Context Protocol)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。在构建 MCP 服务器以集成外部 API 或服务时使用,无论是在 Python (FastMCP) 还是 Node/TypeScript (MCP SDK) 中。

    SKILL.md

    MCP 服务器开发指南

    概述

    创建 MCP(Model Context Protocol)服务器,使 LLM 能够通过精心设计的工具与外部服务交互。MCP 服务器的质量通过它如何有效地使 LLM 完成现实世界任务来衡量。


    流程

    🚀 高级工作流程

    创建高质量 MCP 服务器涉及四个主要阶段:

    阶段 1:深入研究和规划

    1.1 理解现代 MCP 设计

    API 覆盖率 vs. 工作流工具: 平衡全面的 API 端点覆盖与专门的工作流工具。工作流工具对于特定任务可能更方便,而全面的覆盖率为代理提供了组合操作的灵活性。性能因客户端而异——一些客户端受益于组合基本工具的代码执行,而其他客户端使用更高级别的工作流效果更好。如果不确定,优先考虑全面的 API 覆盖率。

    工具命名和可发现性: 清晰、描述性的工具名称帮助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)和面向操作的命名。

    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。设计返回集中、相关数据的工具。一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: 错误消息应该通过具体建议和后续步骤引导代理找到解决方案。

    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)。

    需要查看的关键页面:

    • 规范概述和架构
    • 传输机制(可流式 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,在许多执行环境中具有良好兼容性,例如 MCPB。此外,AI 模型擅长生成 TypeScript 代码,受益于其广泛使用、静态类型和良好的 lint 工具)
    • 传输:远程服务器使用可流式 HTTP,使用无状态 JSON(相对于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 - 核心指南

    对于 TypeScript(推荐):

    • TypeScript SDK:使用 WebFetch 加载 https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md
    • ⚡ TypeScript 指南 - TypeScript 模式和示例

    对于 Python:

    • Python SDK:使用 WebFetch 加载 https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md
    • 🐍 Python 指南 - Python 模式和示例

    1.4 规划您的实现

    理解 API: 查看服务的 API 文档以识别关键端点、身份验证要求和数据模型。根据需要使用网络搜索和 WebFetch。

    工具选择: 优先考虑全面的 API 覆盖率。列出要实现的端点,从最常见的操作开始。


    阶段 2:实现

    2.1 设置项目结构

    有关项目设置,请参见特定语言的指南:

    • ⚡ TypeScript 指南 - 项目结构、package.json、tsconfig.json
    • 🐍 Python 指南 - 模块组织、依赖项

    2.2 实现核心基础设施

    创建共享实用程序:

    • 带身份验证的 API 客户端
    • 错误处理帮助程序
    • 响应格式化(JSON/Markdown)
    • 分页支持

    2.3 实现工具

    对于每个工具:

    输入架构:

    • 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

    输出架构:

    • 尽可能为结构化数据定义 outputSchema
    • 在工具响应中使用 structuredContent(TypeScript SDK 功能)
    • 帮助客户端理解和处理工具输出

    工具描述:

    • 功能的简洁总结
    • 参数描述
    • 返回类型架构

    实现:

    • I/O 操作使用 Async/await
    • 带有可操作消息的正确错误处理
    • 在适用的地方支持分页
    • 使用现代 SDK 时返回文本内容和结构化数据

    注释:

    • readOnlyHint: true/false
    • destructiveHint: true/false
    • idempotentHint: true/false
    • openWorldHint: true/false

    阶段 3:审查和测试

    3.1 代码质量

    审查以下内容:

    • 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 构建和测试

    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

    有关详细的测试方法和质量检查清单,请参见特定语言的指南。


    阶段 4: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 以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 是否可以有效地使用您的 MCP 服务器回答现实的、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、现实的问题
    4. 答案验证:自己解决每个问题以验证答案

    4.3 评估要求

    确保每个问题是:

    • 独立的:不依赖于其他问题
    • 只读的:仅需要非破坏性操作
    • 复杂的:需要多次工具调用和深入探索
    • 现实的:基于人类关心的真实用例
    • 可验证的:可以通过字符串比较验证的单一、清晰答案
    • 稳定的:答案不会随时间改变

    4.4 输出格式

    创建具有此结构的 XML 文件:

    <evaluation>
      <qa_pair>
        <question>查找关于使用动物代号的 AI 模型发布的讨论。一个模型需要特定的安全名称,格式为 ASL-X。为以斑点野猫命名的模型确定的数字 X 是多少?</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 - 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(可流式 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

    特定语言的实现指南(在阶段 2 期间加载)

    • 🐍 Python 实现指南 - 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 的工具注册
      • 完整的工作示例
      • 质量检查清单
    • ⚡ TypeScript 实现指南 - 完整的 TypeScript 指南,包括:

      • 项目结构
      • Zod 架构模式
      • 使用 server.registerTool 的工具注册
      • 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 - 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
    Recommended Servers
    Exa Search
    Exa Search
    Repository
    marcelleon/skills-zh
    Files