mcp-builder
外部API統合用のMCPサーバーを構築する
也可從以下取得: 92Bilal26,92Bilal26,ArtemisAI,anthropics,Azeem-2,AutumnsGrove,Doyajin174,DYAI2025,YYH211,Cam10001110101,mcp-use,davila7
MCPサーバーをゼロから構築するには、プロトコル要件、ツール設計パターン、評価戦略に関するガイダンスがなければ複雑です。このスキルでは、PythonまたはTypeScriptで本番環境対応のMCPサーバーを作成するための包括的なワークフローを提供し、研究、実装、レビュー、評価の各フェーズをカバーします。
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「mcp-builder」。 Help me create a Python MCP server for the Stripe API
預期結果:
- 1. まず、MCP Python SDKドキュメントを取得する
- 2. FastMCPサーバーを持つプロジェクト構造を作成する
- 3. 入力バリデーション用のPydanticモデルを定義する
- 4. 一般的なStripe操作のツールを実装する
- 5. 環境変数による認証を追加する
正在使用「mcp-builder」。 What are the best practices for naming MCP tools?
預期結果:
- Pythonサーバーにはsnake_caseを使用する: github_create_issue
- 競合を避けるためにサービスプレフィックスを含める: slack_send_message
- アクション指向の名前を使用する: get、list、search、create
- ツールはアトミックに保ち、単一の操作に集中させる
安全審計
安全This skill is a documentation/guide repository containing no executable malicious code. All static findings are false positives: cryptographic terms appear in standard Apache license text and documentation; backticks are used for code formatting in markdown; URLs are legitimate MCP protocol documentation; environment variable patterns are standard configuration for MCP servers. No credential exfiltration, data theft, or command injection patterns exist.
風險因素
品質評分
你能建構什麼
カスタムMCPサーバーを構築する
内部APIをClaudeやその他のLLMプラットフォームと統合するMCPサーバーを作成する。
LLMツールインターフェースを設計する
最適なエージェントの使いやすさと発見可能性のためのベストプラクティスに従ってツールを設計・実装する。
MCPサーバーの品質を検証する
LLMがMCPサーバーツールを効果的に使用できるかどうかを測定する評価フレームワークを作成・実行する。
試試這些提示
REST APIと統合するためのPython FastMCPを使用して基本的なMCPサーバーを作成するの手伝ってほしい。最小限のプロジェクト構造とhello worldツールを見せてほしい。
GitHub API用のMCPサーバーをPythonで構築する必要がある。MCP Pythonガイドに従ってページネーション、認証、適切なエラー処理の実装方法を見せてほしい。
サードパーティサービス用のTypeScript MCP SDKを使用してMCPサーバーを作成する。Zodバリデーションスキーマ、適切なツールアノテーション、応答フォーマットオプションを含めてほしい。
LLMがツールを効果的に使用できるかどうかをテストするためのMCPサーバーの評価質問を10個作成してほしい。複数のツール呼び出しを必要とする複雑なマルチステップクエリを含めてほしい。
最佳實務
- APIエンドポイントだけでなく、完全なワークフロー向けにツールを設計する。関連する操作を、コンテキストオーバーヘッドを削減できる場合は単一のツールに統合する。
- 評価駆動開発に従う。現実的なテストシナリオを早期に作成し、エージェントのパフォーマンスがツールの改善を推進するようにする。
- JSONとMarkdownの両方の応答フォーマットをサポートする。JSONはプログラムによる処理用、Markdownは人間の可読性と快速なスキャン用。
避免
- すべてのAPIエンドポイントを個別のツールとして単純にラップすることは避ける。これによりツールの拡散が発生し、LLMのコンテキストウィンドウが圧倒される。
- 完全なデータダンプを返さない。常に大きな結果を切り捨て、フィルターオプションを提供してトークン使用量を管理する。
- 入力バリデーションをスキップしない。常にPydantic（Python）またはZod（TypeScript）モデルを使用して、タイプ安全性を確保し、早期にエラーを検出する。