mcp-builder
Criar servidores MCP para integrações de ferramentas de LLMs
也可从以下获取: sickn33,DYAI2025,AutumnsGrove,Azeem-2,92Bilal26,ComposioHQ,mcp-use,92Bilal26,Doyajin174,YYH211,ZhanlinCui,davila7,Cam10001110101,anthropics
Criar servidores MCP do zero requer compreensão de especificações de protocolo, padrões de SDK e métodos de avaliação. Esta habilidade fornece um fluxo de trabalho estruturado em quatro fases para criar servidores MCP prontos para produção com design adequado de ferramentas, validação de entrada e testes abrangentes. Inclui implementações de referência para Python e TypeScript, frameworks de avaliação e práticas recomendadas de segurança.
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“mcp-builder”。 Help me create an MCP server for the GitHub API with tools for listing repositories and creating issues.
预期结果:
- ## Fase 1: Pesquisa e Planejamento
- Primeiro, preciso coletar informações sobre a API do GitHub e o protocolo MCP:
- 1. Obter a documentação do protocolo MCP em modelcontextprotocol.io
- 2. Carregar o README do SDK Python do repositório modelcontextprotocol/python-sdk
- 3. Estudar a documentação da API REST do GitHub para os endpoints necessários
- Com base na orientação da habilidade mcp-builder, vou projetar ferramentas que:
- - Consolidam operações relacionadas em ferramentas focadas em fluxos de trabalho
- - Usam identificadores legíveis por humanos em vez de IDs opacos
- - Fornecem opções de formato de resposta concisas e detalhadas
正在使用“mcp-builder”。 Add a search_issues tool to my existing GitHub MCP server
预期结果:
- ## Adicionando a ferramenta search_issues
- Usando o padrão Python FastMCP, vou criar uma ferramenta com:
- - Modelo de entrada Pydantic com restrições de validação
- - Anotações para readOnlyHint e idempotentHint
- - Tratamento adequado de erros com mensagens acionáveis
- - Suporte a paginação para grandes conjuntos de resultados
安全审计
低风险This is a documentation guidance skill for building MCP servers. The static analyzer flagged 599 potential issues, but ALL findings are FALSE POSITIVES. The 'weak cryptographic algorithm' detections in documentation files are pattern matches on words like 'md5' appearing in text/code examples. The 'external command' findings are documentation examples showing how to run MCP servers for testing (e.g., 'python server.py'). Environment variable access is standard practice for API authentication configuration. The critical heuristic about 'Code execution + Network + Credential access' is a false positive - this is legitimate documentation that naturally involves all three patterns for building and testing MCP servers. No malicious intent, data exfiltration, or harmful patterns detected.
风险因素
🌐 网络访问 (2)
📁 文件系统访问 (2)
⚙️ 外部命令 (2)
质量评分
你能构建什么
Integrar serviços externos
Criar servidores MCP que expõem APIs externas como ferramentas para LLMs, seguindo práticas recomendadas para nomenclatura, validação e tratamento de erros.
Testar qualidade do servidor MCP
Criar e executar suites de avaliação que testam se LLMs podem usar efetivamente as ferramentas do seu servidor MCP para completar tarefas do mundo real.
Projetar ferramentas amigáveis para agentes
Projetar ferramentas que otimizam para janelas de contexto limitadas, fornecem erros acionáveis e permitem fluxos de trabalho completos em vez de apenas chamadas de API.
试试这些提示
Ajude-me a criar um servidor MCP para integrar com a API do GitHub. Quero criar ferramentas para listar repositórios e criar issues. Siga o fluxo de trabalho de quatro fases na habilidade mcp-builder.
Adicione uma nova ferramenta chamada github_search_issues ao meu servidor MCP existente. Ela deve buscar issues por palavra-chave e status. Use os padrões do guia de implementação Python.
Crie um arquivo de avaliação para meu servidor MCP e execute-o usando o harness de avaliação. A avaliação deve testar operações somente leitura que requerem múltiplas chamadas de ferramentas.
Revise a implementação do meu servidor MCP contra a lista de verificação de qualidade. Verifique se as ferramentas seguem convenções de nomenclatura e têm validação de entrada adequada com Pydantic.
最佳实践
- Projete ferramentas para fluxos de trabalho completos, não apenas endpoints de API individuais. Consolide operações relacionadas para reduzir chamadas de ferramentas.
- Use validação de entrada (Pydantic para Python, Zod para TypeScript) com restrições claras e mensagens de erro descritivas.
- Crie avaliações com perguntas realistas, somente leitura, que requerem múltiplas chamadas de ferramentas e verifiquem respostas através de comparação de strings.
避免
- Não simplesmente envolva cada endpoint de API como uma ferramenta separada. Isso cria proliferação de ferramentas e força LLMs a fazer muitas chamadas.
- Evite retornar despejos exaustivos de dados. Implemente limites de caracteres e truncamento com orientação sobre como filtrar resultados.
- Não pule a avaliação. Sem testar como LLMs realmente usam suas ferramentas, você não pode medir ou melhorar a qualidade.