核心用法
mcp-builder 是一套系统化的 MCP (Model Context Protocol) 服务器开发指南，旨在帮助开发者创建让 LLM 能够安全、高效调用外部服务的工具集。文档采用四阶段工作流：
1. 深度研究与规划 — 研究 MCP 协议规范、官方 SDK 文档，理解 API 覆盖与工具命名策略，规划实现方案
2. 项目实现 — 搭建 TypeScript 或 Python 项目结构，实现 API 客户端、错误处理、分页支持等基础设施，逐一注册工具并定义输入/输出 Schema
3. 代码审查与测试 — 执行编译检查，使用 MCP Inspector 进行交互式测试
4. 评估验证 — 创建 10 个独立、只读、复杂且可验证的评估问题，以 XML 格式输出
显著优点
- 权威性高：基于 Anthropic 官方 MCP 协议与 SDK，代表行业最佳实践
- 语言双栈：完整覆盖 TypeScript (Zod) 与 Python (Pydantic) 两种主流实现
- 工程化严谨：强调 DRY 原则、类型安全、结构化输出、分页与错误处理的细节设计
- 评估驱动：强制要求创建真实场景评估集，确保工具可被 LLM 有效利用
潜在局限
- 学习曲线陡峭：需同时理解 MCP 协议细节、SDK API、目标外部服务 API 三层知识
- 框架依赖强：紧密绑定官方 SDK 演进，版本更新可能带来 breaking changes
- 远程部署复杂：Streamable HTTP 传输虽可扩展，但涉及状态管理、认证、水平扩展等运维挑战
适合人群
- 需要将内部 API、数据库、SaaS 工具暴露给 LLM 的工程团队
- 构建 AI Agent 平台或 IDE 插件的开发者
- 追求工具可发现性、可组合性与长期可维护性的基础设施工程师
常规风险
- 安全边界模糊：工具若标记不当（destructiveHint/openWorldHint），可能导致 LLM 执行意外写操作或泄露敏感数据
- 过度工具暴露：API 覆盖过广可能让 LLM 面临选择困难，需在设计中平衡灵活性与便利性
- 评估稳定性：依赖外部数据的评估用例可能因数据变更而失效，需严格保证只读与答案稳定性