mcp-builder

# 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在多大程度上使 LLM 能够完成现实世界的任务。 --- # 流程 ## ? 高级工作流 创建一个高质量的 MCP 服务器涉及四个主要阶段： ### 第一阶段：深度研究与规划 #### 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，而全面的覆盖则赋予智能体组合操作的灵活性。性能因客户端而异——有些客户端受益于结合基础工具的代码执行，而另一些则更适合更高级别的工作流。如果不确定，请优先考虑全面的 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智能体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：** 智能体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。一些客户端支持代码执行，这可以帮助智能体高效地过滤和处理数据。 **可操作的错误消息：** 错误消息应通过具体的建议和后续步骤引导智能体找到解决方案。 #### 1.2 研究 MCP 协议文档 **导航 MCP 规范：** 从站点地图开始查找相关页面：`https://modelcontextprotocol.io/sitemap.xml` 然后获取带有 `.md` 后缀的特定页面以获取 markdown 格式（例如 `https://modelcontextprotocol.io/specification/draft.md`）。 需要查阅的关键页面： - 规范概述与架构 - 传输机制 (streamable HTTP, stdio) - 工具、资源和提示词定义 #### 1.3 研究框架文档 **推荐技术栈：** - **语言**：TypeScript（高质量的 SDK 支持，在许多执行环境中具有良好的兼容性，例如 MCPB。此外，AI 模型擅长生成 TypeScript 代码，受益于其广泛的使用、静态类型和良好的 linting 工具） - **传输**：用于远程服务器的 Streamable HTTP，使用无状态 JSON（比有状态会话和流式响应更易于扩展和维护）。用于本地服务器的 stdio。 **加载框架文档：**