MCP 服务器好坏的标尺，不是「能调通」，而是「能不能让 LLM 干成真事」。Anthropic 官方的 MCP Builder Skill 是一套完整的 MCP 服务器开发指南，从调研规划到协议研读到框架选型到构建打磨，四阶段全覆盖——Python 用 FastMCP，Node/TypeScript 用 MCP SDK。
四阶段开发流程
- 阶段一：调研与规划——平衡 API 覆盖与工作流工具；工具命名要清晰带前缀（github_create_issue）；工具描述简洁、支持分页过滤；错误信息要能引导 Agent 走向解决
- 阶段二：研读 MCP 协议——从 spec 入手理解架构、传输（streamable HTTP/stdio）、工具/资源/提示定义，再看框架文档
- 阶段三：框架选型——Python 用 FastMCP 快速起步，Node/TypeScript 用官方 MCP SDK
- 阶段四：构建与打磨——按上述设计原则实现，反复验证工具描述与错误处理质量
设计原则：站在 LLM 的角度设计工具
Skill 反复强调一个视角：工具是给 LLM 用的，不是给人用的。所以命名要可发现（一致的动词前缀）、上下文要精简（返回聚焦相关数据，别倾倒全量）、错误要可行动（告诉 Agent 下一步怎么办）。性能因客户端而异：有的客户端适合「代码执行组合基础工具」，有的更适合「高层工作流工具」——拿不准就优先完整 API 覆盖。
典型使用场景
- 外部服务接入：把公司 API 包成 MCP 工具，让 Agent 直接调用（工单、CRM、数据库）
- 自定义工具集：为特定业务构建专用 MCP 服务器，工作流工具 + 基础 API 覆盖混合
- Agent 能力扩展：给编码 Agent 挂上自己团队的内部服务，形成业务闭环
使用方法与下载
Claude Code 用户：将 skills/mcp-builder 放入项目的 .claude/skills/ 即可；需要构建 MCP 服务器时自然语言描述，Agent 按四阶段流程执行。完整代码见 GitHub 官方仓库。
其他 Agent 用户：遵循标准 SKILL.md 约定。官方文档见 Anthropic Agent Skills 文档。
相关资源
MCP 相关 Skill 成对使用：mcporter 负责调用你构建的 MCP 服务器；ACP 路由器（acp-router） 把编码 Agent 的请求路由到合适环境。
---