building-mcp-servers

---

MCP 服务开发指南

概述

创建 MCP（Model Context Protocol）服务，让大模型通过设计良好的工具与外部服务交互。MCP 服务的质量取决于它帮助大模型完成现实任务的能力。

---

流程

🚀 高层工作流

创建高质量的 MCP 服务包含四个主要阶段：

阶段 1：深入研究与规划

1.1 了解现代 MCP 设计

API 覆盖范围与工作流工具： 在全面覆盖 API 端点与专用工作流工具之间取得平衡。工作流工具在特定任务中可能更方便，而全面覆盖则能让 Agent 灵活组合操作。不同客户端的表现各异：有些客户端能从组合基础工具的代码执行中受益，另一些则更适合使用更高层级的工作流。如无法确定，请优先考虑全面覆盖 API。

工具命名与可发现性： 清晰且描述性强的工具名称有助于 Agent 快速找到合适的工具。请使用一致的前缀（例如 github_create_issue、github_list_repos）以及以动作为导向的命名方式。

上下文管理： 简洁的工具描述以及筛选和分页结果的能力对 Agent 很有帮助。设计工具时，应让其返回聚焦且相关的数据。有些客户端支持代码执行，可帮助 Agent 高效地筛选和处理数据。

可执行的错误消息： 错误消息应通过具体的建议和后续步骤，引导 Agent 找到解决方案。

1.2 学习 MCP 协议文档

浏览 MCP 规范：

从站点地图开始查找相关页面：https://modelcontextprotocol.io/sitemap.xml

然后添加 .md 后缀获取特定页面的 Markdown 格式内容（例如 https://modelcontextprotocol.io/specification/draft.md）。

需要查看的关键页面：

• 规范概述和架构
• 传输机制（流式 HTTP、stdio）
• 工具、资源和提示词定义

1.3 学习框架文档

推荐技术栈：

• 语言：TypeScript（SDK 支持质量高，并且在多种执行环境中兼容性良好，例如 MCPB。此外，AI 模型擅长生成 TypeScript 代码；其广泛应用、静态类型和优质 lint 工具也带来诸多优势）
• 传输方式：远程服务使用流式 HTTP，并采用无状态 JSON（比有状态会话和流式响应更易扩展和维护）；本地服务使用 stdio。

加载框架文档：

• MCP 最佳实践：📋 查看最佳实践 - 核心指南

对于 TypeScript（推荐）：

• TypeScript SDK：使用 WebFetch 加载 https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md
• ⚡ TypeScript 指南 - TypeScript 模式和示例

对于 Python：

• Python SDK：使用 WebFetch 加载 https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md
• 🐍 Python 指南 - Python 模式和示例

1.4 规划实现方案

了解 API： 查看服务的 API 文档，确定关键端点、身份验证要求和数据模型。根据需要使用网页搜索和 WebFetch。

工具选择： 优先考虑全面覆盖 API。列出要实现的端点，并从最常见的操作开始。

---

阶段 2：实现

2.1 设置项目结构

项目设置请参阅特定语言的指南：

• ⚡ TypeScript 指南 - 项目结构、package.json、tsconfig.json
• 🐍 Python 指南 - 模块组织、依赖项

2.2 实现核心基础设施

创建共享实用工具：

• 带身份验证的 API 客户端
• 错误处理辅助工具
• 响应格式化（JSON/Markdown）
• 分页支持

2.3 实现工具

针对每个工具：

输入 Schema：

• 使用 Zod（TypeScript）或 Pydantic（Python）
• 包含约束条件和清晰的描述
• 在字段描述中添加示例

输出 Schema：

• 在可能的情况下为结构化数据定义 outputSchema
• 在工具响应中使用 structuredContent（TypeScript SDK 特性）
• 帮助客户端理解并处理工具输出

工具描述：

• 简明扼要的功能概述
• 参数描述
• 返回类型 Schema

实现：

• I/O 操作使用 async/await
• 进行适当的错误处理，并给出可操作的提示信息
• 在适用的场景下支持分页
• 使用现代 SDK 时，同时返回文本内容和结构化数据

注解：

• readOnlyHint：true/false
• destructiveHint：true/false
• idempotentHint：true/false
• openWorldHint：true/false

---

第 3 阶段：审查与测试

3.1 代码质量

检查以下方面：

• 没有重复代码（DRY 原则）
• 错误处理保持一致
• 类型覆盖完整
• 工具描述清晰

3.2 构建与测试

TypeScript：

• 运行 npm run build 验证编译
• 使用 MCP Inspector 测试：npx @modelcontextprotocol/inspector

Python：

• 验证语法：python -m py_compile your_server.py
• 使用 MCP Inspector 测试

详细的测试方法和质量检查清单，请参阅对应语言的指南。

---

第 4 阶段：创建评估

实现 MCP 服务之后，创建全面的评估用例来测试其效果。

完整的评估指南请参阅 ✅ 评估指南。

4.1 理解评估目的

使用评估来测试大模型能否有效地利用你的 MCP 服务回答真实且复杂的问题。

4.2 创建 10 个评估问题

要创建有效的评估，请遵循评估指南中的流程：

1. 工具检查：列出可用工具并了解其能力
2. 内容探索：使用只读操作探索可用数据
3. 问题生成：创建 10 个复杂且真实的问题
4. 答案验证：自行解答每个问题以验证答案

4.3 评估要求

确保每个问题满足以下条件：

• 独立：不依赖其他问题
• 只读：只需要非破坏性操作
• 复杂：需要多次工具调用和深入探索
• 真实：基于人们真正关心的实际使用场景
• 可验证：答案唯一且明确，可通过字符串比较进行验证
• 稳定：答案不会随时间变化

4.4 输出格式

创建一个 XML 文件，结构如下：

<evaluation>
  <qa_pair>
    <question>Find discussions about AI model launches with animal codenames. One model needed a specific safety designation that uses the format ASL-X. What number X was being determined for the model named after a spotted wild cat?</question>
    <answer>3</answer>
  </qa_pair>

</evaluation>

---

参考文件

📚 文档库

开发过程中按需加载这些资源：

核心 MCP 文档（优先加载）

• MCP 协议：从站点地图 https://modelcontextprotocol.io/sitemap.xml 开始，然后获取带有 .md 后缀的具体页面
• 📋 MCP 最佳实践：通用的 MCP 指南，包括：
  • 服务与工具的命名规范
  • 响应格式指南（JSON 与 Markdown 对比）
  • 分页最佳实践
  • 传输方式选择（streamable HTTP 与 stdio）
  • 安全与错误处理标准

SDK 文档（在第 1/2 阶段加载）

• Python SDK：从 https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md 获取
• TypeScript SDK：从 https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md 获取

特定语言实现指南（在第 2 阶段加载）

• 🐍 Python 实现指南 - 完整的 Python/FastMCP 指南，包括：

  • 服务初始化模式
  • Pydantic 模型示例
  • 使用 @mcp.tool 注册工具
  • 完整可运行的示例
  • 质量检查清单

• ⚡ TypeScript 实现指南 - 完整的 TypeScript 指南，包括：

  • 项目结构
  • Zod Schema 模式
  • 使用 server.registerTool 注册工具
  • 完整可运行的示例
  • 质量检查清单

评估指南（在第 4 阶段加载）

• ✅ 评估指南 - 完整的评估创建指南，包括：
  • 问题创建指南
  • 答案验证策略
  • XML 格式规范
  • 示例问题与答案
  • 使用提供的脚本运行评估