MCP 构建器（MCP Builder）
概述
Anthropic 官方的 MCP（Model Context Protocol）服务器构建指南。指导你创建高质量的 MCP 服务器，使 LLM 能有效地与外部服务交互。
四阶段工作流
阶段 1：深度调研与规划
理解现代 MCP 设计
- 研究 MCP 协议文档和最佳实践
- 理解工具（Tools）、资源（Resources）、提示（Prompts）的区别
- 学习 Schema 设计和注解（Annotations）规范
研究目标服务的 API
- 完整阅读 API 文档
- 理解认证流程和速率限制
- 识别高价值操作 vs. 低价值操作
规划实现
- 决定工具粒度：API 覆盖型 vs. 工作流型
- 设计工具名称和参数 Schema
- 规划错误处理策略
阶段 2：实现
项目结构
- 选择 SDK（TypeScript 或 Python）
- 设置标准项目骨架
- 配置类型检查和 linting
核心基础设施
- 实现认证和会话管理
- 设置日志和错误上报
- 配置速率限制处理
工具实现
- 每个工具都要有清晰的 JSON Schema
- 使用 Annotations 描述工具的副作用
- 输入验证要严格，输出格式要一致
阶段 3：评审与测试
- 代码质量审查
- 用 MCP Inspector 进行交互式测试
- 验证所有工具在边界条件下的行为
- 确保错误消息对 LLM 有帮助
阶段 4：创建评估
编写 10 个评估问题测试 LLM 使用工具的效果：
- 覆盖简单和复杂场景
- 包含需要多步骤的工作流
- 测试错误处理路径
工具设计原则
| 原则 | 说明 |
|---|---|
| 清晰的命名 | 工具名应让 LLM 一眼理解用途 |
| 详细的描述 | description 字段是 LLM 选择工具的依据 |
| 严格的 Schema | 用 JSON Schema 定义每个参数的类型和约束 |
| 有意义的错误 | 错误消息应帮助 LLM 自我纠正 |
| 最小副作用 | 用 Annotations 标注工具是否有副作用 |
参考资源
- MCP 最佳实践指南
- TypeScript SDK / Python SDK 文档
- MCP 评估指南
- 工具注解（Annotations）规范