🔧

mcp-builder

Name: mcp-builder
Author: Azeem-2

Risque faible ⚡ Contient des scripts

MCP-Server für LLM-Tool-Integration entwickeln

Également disponible depuis: ZhanlinCui,ComposioHQ,Doyajin174,mcp-use,anthropics,YYH211,sickn33,davila7,DYAI2025,ArtemisAI,92Bilal26,Cam10001110101,92Bilal26,AutumnsGrove

Die Erstellung von MCP-Servern erfordert die Einhaltung von Protokoll-Best-Practices für Tool-Design, Authentifizierung und Testing. Dieser Skill bietet Schritt-für-Schritt-Anleitungen zur Implementierung von Servern in Python oder TypeScript, die es LLMs ermöglichen, über gut gestaltete Tools mit externen Diensten zu interagieren.

Prend en charge: Claude Codex Code(CC)

📊 69 Adéquat

Télécharger le ZIP du skill

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

Activez et commencez à utiliser

Tester

Utilisation de "mcp-builder". Erstelle einen MCP-Server für eine Wetter-API, die aktuelle Bedingungen und Vorhersagen bereitstellt

Résultat attendu:

Server: weather_mcp
Transport: stdio (Standard) oder streamable HTTP
Tools: weather_get_current, weather_get_forecast
Eingabevalidierung: Pydantic-Modelle mit Standort-, Einheiten- und Datumsparametern
Antwortformate: JSON für programmatische Nutzung, Markdown für Lesbarkeit

Utilisation de "mcp-builder". Welche Tools sind in meinem MCP-Server verfügbar

Résultat attendu:

Tool: github_list_repos - Repositories für authentifizierten Benutzer auflisten
Tool: github_create_issue - Neues Issue in einem Repository erstellen
Tool: github_search_code - Code über Repositories durchsuchen
Tool: github_get_user - Informationen über den authentifizierten Benutzer abrufen

Audit de sécurité

Risque faible

v5 • 1/16/2026

This is a legitimate educational/documentation skill for building MCP servers. All code uses official MCP SDK libraries (stdio, SSE, HTTP transport). Network calls are to MCP servers per protocol specification. Environment variable access is for user-configured API authentication (not exfiltration). Documentation files were incorrectly flagged as executable code.

Fichiers analysés

3,771

Lignes analysées

résultats

Total des audits

Facteurs de risque

⚡ Contient des scripts (2)

scripts/connections.py:1-152 scripts/evaluation.py:1-374

Audité par: claude Voir l’historique des audits →

Score de qualité

Architecture

100

Maintenabilité

Contenu

Communauté

Sécurité

Conformité aux spécifications

Ce que vous pouvez construire

Benutzerdefinierte Integrationen erstellen

MCP-Server entwickeln, um LLMs mit internen APIs und Diensten für maßgeschneiderte Workflows zu verbinden.

Tool-Design standardisieren

MCP-Best-Practices für konsistente, auffindbare Tool-Benennung und Antwortformate anwenden.

Server-Qualität testen

Evaluierungsfragen erstellen, um zu überprüfen, ob LLMs Tools effektiv für komplexe Aufgaben nutzen können.

Essayez ces prompts

GitHub-MCP-Server entwickeln

Erstelle einen MCP-Server in Python mit FastMCP für die GitHub API. Füge Tools hinzu, um Repositories aufzulisten, Issues zu erstellen und Code zu durchsuchen. Folge der Namenskonvention {service}_mcp und verwende Pydantic-Modelle für die Eingabevalidierung.

Tool-Validierung hinzufügen

Füge Zod-Schema-Validierung zu einem bestehenden TypeScript-MCP-Server hinzu. Erstelle strikte Eingabe-Schemata mit angemessenen Fehlermeldungen. Stelle sicher, dass alle Pflichtfelder entsprechende Einschränkungen und Beschreibungen haben.

Evaluierungen erstellen

Erstelle 10 Evaluierungsfragen für einen MCP-Server, die testen, ob LLMs spezifische Informationen nur mit den bereitgestellten Tools finden können. Fragen sollten mehrere Tool-Aufrufe erfordern und einzelne überprüfbare Antworten haben.

HTTP-Transport konfigurieren

Konfiguriere einen TypeScript-MCP-Server zur Verwendung von streamable HTTP-Transport anstelle von stdio. Füge ordnungsgemäße Authentifizierung über Umgebungsvariablen hinzu und richte einen Express-Endpunkt für Client-Verbindungen ein.

Bonnes pratiques

Konsistente Namenskonventionen verwenden: {service}_mcp für Python, {service}-mcp-server für TypeScript
Service-Präfix in allen Tool-Namen einbeziehen, um Konflikte bei Verwendung mehrerer Server zu vermeiden
Sowohl JSON- als auch Markdown-Antwortformate unterstützen, um verschiedene Anwendungsfälle abzudecken
Korrekte Paginierung mit limit-, offset- und has_more-Feldern für Listenoperationen implementieren

Éviter

Generische Tool-Namen wie get_data oder search ohne Service-Präfix verwenden
Alle Daten ohne Paginierung oder Filterung zurückgeben, was den LLM-Kontext überlastet
API-Keys oder Zugangsdaten im Server-Quellcode fest codieren
Fehlende Tool-Annotationen (readOnlyHint, destructiveHint, idempotentHint), die LLMs helfen, Tool-Verhalten zu verstehen

Foire aux questions

Welche Programmiersprache sollte ich für meinen MCP-Server verwenden?

TypeScript (MCP SDK) und Python (FastMCP) werden beide offiziell unterstützt. TypeScript bietet starke SDK-Unterstützung und funktioniert gut mit KI-Code-Generierung.

Welchen Transport sollte ich für meinen MCP-Server wählen?

Verwende stdio für lokale Integrationen und Entwicklungstools. Verwende streamable HTTP für Remote-Server, die mehrere Clients bedienen. SSE ist zugunsten von streamable HTTP veraltet.

Wie sichere ich die Authentifizierung meines MCP-Servers?

Speichere API-Keys ausschließlich in Umgebungsvariablen. Niemals Zugangsdaten fest codieren. Tokens beim Start validieren. OAuth 2.1 für Dienste verwenden, die es unterstützen.

Sind meine Daten bei der Verwendung von MCP-Servern sicher?

MCP-Server laufen lokal oder auf Ihrer Infrastruktur. Daten fließen nur zwischen Ihrem Server und der Ziel-API. Der Skill sammelt oder überträgt keine Benutzerdaten.

Wie teste ich, ob meine MCP-Server-Tools gut funktionieren?

Erstelle Evaluierungsfragen, die mehrere Tool-Aufrufe erfordern. Teste, ob LLMs deine Tools korrekt entdecken und verwenden können, indem du den Evaluierungsleitfaden nutzt.

Wie verhält sich dies im Vergleich zur Entwicklung von REST-APIs?

MCP-Server sind speziell für LLM-Konsum mit strukturierten Tool-Definitionen, automatischer Schema-Generierung und Annotationen konzipiert, die LLMs helfen, Fähigkeiten zu verstehen.