mcp-builder
建立 Claude 整合的 MCP 伺服器
也可從以下取得: 92Bilal26,YYH211,anthropics,92Bilal26,davila7,ArtemisAI,AutumnsGrove,Azeem-2,Doyajin174,DYAI2025,Cam10001110101,ComposioHQ,mcp-use
建立能與 AI 助理良好運作的 MCP 伺服器需要謹慎的設計決策。本指南提供經過驗證的工具設計、API 整合和評估模式，確保可靠的 LLM 互動。
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」。 Show me how to structure a Python MCP server with proper tool definitions
預期結果:
- 專案結構包含 server.py、tools/ 和 utils/ 目錄
- 使用 @mcp.tool 裝飾器和 Pydantic 結構定義來註冊工具
- 具有錯誤處理和分頁的非同步函式實作
正在使用「mcp-builder」。 What should a good MCP tool description include?
預期結果:
- 清楚說明工具用途的一句話摘要
- 解釋每個輸入參數作用的參數描述
- 典型使用場景的範例
- 回傳類型資訊和格式期望
安全審計
低風險This is a documentation skill containing guides for building MCP servers. Static analysis detected 498 patterns, but nearly all are FALSE POSITIVES from markdown documentation files showing code examples. The Python scripts (evaluation.py, connections.py) are legitimate evaluation tooling using official Anthropic and MCP SDKs. Minor risk from environment variable handling in evaluation scripts.
中風險問題 (1)
低風險問題 (2)
風險因素
品質評分
你能建構什麼
API 整合開發人員
建立 MCP 伺服器以向 AI 助理暴露外部 API 的開發人員，可以針對其所選語言遵循全面的實作指南。
AI 工具設計師
設計 AI 工具生態系統的團隊可以使用評估框架來驗證其 MCP 伺服器是否能與 LLM 代理程式有效運作。
規劃 AI 整合的技術主管
工程主管可以使用最佳實踐指南來建立組織內 MCP 伺服器開發的標準。
試試這些提示
我想建立一個 MCP 伺服器來將 Claude 連接到 [API_NAME]。根據 mcp-builder 指南，我應該採取哪些初步步驟來規劃我的實作？
幫我設計 MCP 工具的輸入和輸出結構，用於 [TOOL_FUNCTION]。使用 [PYTHON_OR_TYPESCRIPT] 的 mcp-builder 指南中的模式。
我已為 [SERVICE] 建立了 MCP 伺服器。根據 mcp-builder 評估指南產生 10 個評估問題，以測試 LLM 是否能有效使用這些工具。
我的 MCP 伺服器工具 [TOOL_NAME] 在 Claude 使用時回傳錯誤。根據 mcp-builder 最佳實踐審查實作並提出改進建議。
最佳實務
- 使用具有一致前綴的描述性工具名稱（例如：github_create_issue、github_list_repos）以提升 LLM 的可探索性
- 使用 Zod 或 Pydantic 定義 inputSchema 和 outputSchema，以啟用結構化內容回應
- 撰寫可操作的錯誤訊息，透過具體的後續步驟引導 LLM 解決問題
避免
- 建立名稱模糊的工具（如 'process_data'），無法向 LLM 說明功能
- 在可使用結構化 JSON 促進更好 LLM 推理時卻回傳非結構化文字
- 省略可返回大型結果集之端點的分頁支援