MCP 服务器构建指南
一份引导式技能，教你为 LLM 构建高质量的 MCP（Model Context Protocol）服务器，从调研、实现到评估全流程覆盖。
这是一个纯指导型技能，本身不执行破坏性操作、不请求特殊权限；文档中包含输入校验、命令注入防护、最小数据收集、密钥仅存环境变量等安全最佳实践，并明确要求只读评估操作。扣分项：作为生成 MCP 服务器的指导，产出的服务器可能带写操作和外部副作用，技能未强制要求用户确认机制或回滚方案；引用外部 URL（modelcontextprotocol.io、GitHub raw）的数据流透明度有限，来源归属未标注（内容疑似衍生自 Anthropic 的 mcp-builder 技能但未声明）。
指令内部自洽，四阶段流程清晰，评估指南详尽，并警告了服务器长驻进程导致挂起的常见陷阱（提供 tmux/timeout 规避）。扣分项：静态审查无法验证关键路径可复现；评估脚本依赖 scripts/requirements.txt 与 scripts/evaluation.py，这些文件未在提供的证据中出现，无法确认存在；WebFetch 依赖的外部文档可用性不受控；无已提交的测试套件或 CI 证据覆盖该技能路径。
描述与内容匹配良好，触发条件（'Use when building MCP servers'）明确，适用场景（Python/Node 双栈）和非目标清晰；评估指南质量高。扣分项：核心流程依赖 WebFetch 抓取 modelcontextprotocol.io 与 GitHub raw 内容，对中国大陆网络的可达性存在风险且未披露；无中文支持；未声明技能自身的环境前置（如网络访问工具是否必需）。
文档结构分层良好（SKILL.md 主流程 + reference 分层引用），渐进披露合理，含快速参考和质量清单。扣分项：license 字段写 'Complete terms in LICENSE.txt' 而非明确的 MIT 标注，指向的 LICENSE.txt 未在证据中；无版本号、变更日志和维护责任声明；多次引用 scripts/ 目录但未确认其存在；疑似衍生自第三方技能却未注明出处。
作为撰写指南，内容专业、可操作性强，示例代码完整，超过手动摸索的边际价值。扣分项：静态审查下无法验证产出物直接可用；有效性主张（'high-quality MCP servers'）无代表性产出证据；部分价值依赖外部文档抓取成功与否；成本上加载大量参考文件消耗较多上下文。
提供了可审计的原始材料（完整参考文档、示例代码、评估方法论），事实与建议区分较清晰。扣分项：无第三方执行证据、无 CI 工作流或已提交测试覆盖该技能路径的证据；依赖的外部 SDK 文档内容会随上游变化，快照时效无法核实；关键主张（评估可提升 MCP 服务器质量）仅是方法论陈述，无实测数据佐证。
- 该技能依赖 WebFetch 抓取 modelcontextprotocol.io 与 GitHub raw 文档，中国大陆网络环境下可能不可达，评估脚本亦需访问 Anthropic API，使用前请确认网络条件。
- license 字段仅指向 LICENSE.txt 而非明确 MIT 声明，且疑似衍生自 Anthropic 的 mcp-builder 技能但未标注来源，归属与合规信息不完整。
- 引用的 scripts/evaluation.py 与 scripts/requirements.txt 未在本审查证据中确认存在，运行评估前请先核实文件与依赖。
- 本技能产出的 MCP 服务器可能包含写操作与外部副作用，技能未强制用户确认或回滚机制，部署生成物时应自行添加权限控制。
这个 Skill 能做什么，适合哪些场景？
mcp-builder 是 Mini-Agent 仓库中捆绑的 15 个技能之一，位于 mini_agent/skills/mcp-builder/SKILL.md。它是一份面向 AI 代理的开发指南，教授如何用 Python（FastMCP）或 Node/TypeScript（MCP SDK）构建让 LLM 访问外部服务与 API 的 MCP 服务器。技能将开发过程组织为四个阶段：深度调研与规划、实现、代码审查与测试、评估构建。它强调以代理为中心的工具设计理念，例如面向工作流而非单纯封装 API 端点、节省上下文窗口、编写可指导代理的报错信息等。
该技能本身是指导性文档而非可执行程序：它引导模型抓取 MCP 协议规范（modelcontextprotocol.io/llms-full.txt）和对应语言的 SDK 文档；通读目标服务的 API 文档；制定包含工具选择、共享工具函数、输入输出设计的实现计划；然后按语言最佳实践实现 MCP 服务器——Python 用 Pydantic 校验、TypeScript 用 Zod 校验，包含工具注解（readOnlyHint、destructiveHint 等）和分页、截断、错误处理策略；最后指导编写 10 个以 XML 格式输出的只读评估问题，并提供基于 tmux/timeout 的安全服务器测试方法。
- 需要为自己的 SaaS API 构建 MCP 服务器、让代理能够调用它的后端开发者
- 想在 Claude Code 或其他 MCP 客户端中接入内部服务的平台工程师
- 希望把现有 REST API 封装成对 LLM 友好工具（含分页、截断、可操作报错）的集成工程师
- 需要为已实现的 MCP 服务器编写真实、可验证的评估问题集的 QA 或代理开发者
- 在 Python 与 TypeScript 技术栈之间选型、需要两套语言实现指南对照的团队
这个 Skill 有哪些优点和局限？
- 覆盖从调研、规划、实现到评估的完整生命周期，流程结构清晰
- 同时支持 Python（FastMCP/Pydantic）和 Node/TypeScript（MCP SDK/Zod）两条实现路径
- 强调代理中心的工具设计：工作流导向、上下文预算优化、可操作的报错信息
- 包含具体的工具注解、分页/截断策略和质量清单等可执行细节
- 纯指导性文档，不含可直接运行的服务器脚手架或生成脚本
- 依赖 WebFetch 和网络访问获取协议与 SDK 文档，离线环境不可用
- 引用的 reference/ 子文档是否随仓库完整分发需自行确认，来源未逐一列出内容
- 没有针对该技能本身的独立测试套件或社区使用数据佐证效果
如何安装这个 Skill？
该技能随 Mini-Agent 仓库分发。获取仓库：git clone https://github.com/MiniMax-AI/Mini-Agent.git。开发模式下执行 uv sync 安装依赖，并用 git submodule update --init --recursive 初始化 Claude Skills 子模块（技能位于 mini_agent/skills/mcp-builder/）。若以 uv tool install git+https://github.com/MiniMax-AI/Mini-Agent.git 的快速模式安装，技能已随包提供，但安装步骤未明确说明如何单独启用单个技能。需要配置 MiniMax API Key（config.yaml 中的 api_key 与 api_base）。技能引用的 reference/ 子文件（python_mcp_server.md、node_mcp_server.md、mcp_best_practices.md、evaluation.md）应与 SKILL.md 同目录存在。
如何使用这个 Skill？
在支持 Agent Skills 的代理客户端中加载该技能后，可用类似提示触发：'Use the mcp-builder skill to create an MCP server for the GitHub API in Python.'。技能会引导代理按四阶段流程工作：先抓取协议与 SDK 文档并研读目标 API，再生成实现计划，然后按语言指南实现服务器代码。注意技能明确警告：MCP 服务器是长驻进程，直接在主进程中运行会导致挂起，应使用评估工具、tmux 或 timeout（如 timeout 5s python server.py）测试。
这个 Skill 与同类方案有什么区别？
该技能的参考资料链接指向 Anthropic 的 Claude Skills 仓库（anthropics/skills）和官方 MCP 服务器示例仓库（modelcontextprotocol/servers），说明其方法论与官方 MCP 生态同源；来源材料未提供直接的竞品对比。