Создание MCP-сервера

Ведёт по шагам создание MCP-сервера, который подключает Claude к внешнему сервису: планирование, код, тестирование, оценки.

СкиллAnthropicClaudeApache-2.0Нужен терминалПроверка не требуется

Скачать на русскомОригинал на английском (архив)Источник ↗

Что делает: Ведёт по шагам создание MCP-сервера, который подключает Claude к внешнему сервису: планирование, код, тестирование, оценки.
Когда брать: Когда нужно подключить к Claude внешний сервис или API через собственный MCP-сервер на Python или TypeScript.
Когда не брать: Если нужно просто подключить готовый коннектор или у сервиса нет API.
Пример запроса: Помоги создать MCP-сервер для моей CRM, чтобы Claude мог искать клиентов и создавать сделки.
Нужно подключить: терминал, Node.js или Python
Работает лучше с: доступ в интернет для чтения документации

Как включить

Скачайте архив и распакуйте его.
Положите папку mcp-builder в ~/.claude/skills/.
Откройте Claude Code и опишите задачу своими словами: Claude подхватит скилл по описанию.

Текст

---
name: mcp-builder
description: Руководство по созданию качественных MCP-серверов (Model Context Protocol), с помощью которых языковые модели работают с внешними сервисами через хорошо продуманные инструменты. Используй при создании MCP-серверов для интеграции с внешними API или сервисами, на Python (FastMCP) или на Node/TypeScript (MCP SDK).
license: Complete terms in LICENSE.txt
---

Руководство по разработке MCP-сервера

Обзор

Создавай MCP-серверы (Model Context Protocol), с помощью которых языковые модели работают с внешними сервисами через хорошо продуманные инструменты. Качество MCP-сервера измеряется тем, насколько хорошо он помогает моделям решать реальные задачи.

Процесс

🚀 Общий рабочий процесс

Создание качественного MCP-сервера состоит из четырёх основных этапов:

Этап 1. Глубокое исследование и планирование

1.1 Пойми современный дизайн MCP

Покрытие API и инструменты-процессы (workflow): Найди баланс между полным покрытием конечных точек API и специализированными инструментами-процессами. Инструменты-процессы могут быть удобнее для конкретных задач, а полное покрытие даёт агентам свободу собирать операции из частей. Результат зависит от клиента: одним клиентам помогает исполнение кода, объединяющего простые инструменты, другим лучше подходят процессы более высокого уровня. Если сомневаешься, отдай приоритет полному покрытию API.

Названия инструментов и их находимость: Понятные описательные названия помогают агентам быстро находить нужные инструменты. Используй единообразные префиксы (например, github_create_issue, github_list_repos) и названия, начинающиеся с действия.

Управление контекстом: Агентам помогают краткие описания инструментов и возможность фильтровать результаты и разбивать их на страницы. Проектируй инструменты, которые возвращают сфокусированные, относящиеся к делу данные. Некоторые клиенты поддерживают исполнение кода, что помогает агентам эффективно фильтровать и обрабатывать данные.

Сообщения об ошибках, которые подсказывают, что делать: Сообщения об ошибках должны направлять агентов к решению: давать конкретные предложения и следующие шаги.

1.2 Изучи документацию протокола MCP

Разберись в спецификации MCP:

Начни с карты сайта, чтобы найти нужные страницы: https://modelcontextprotocol.io/sitemap.xml

Затем загружай отдельные страницы с суффиксом .md, чтобы получить формат markdown (например, https://modelcontextprotocol.io/specification/draft.md).

Ключевые страницы для изучения:

обзор спецификации и архитектура;
механизмы транспорта (streamable HTTP, stdio);
определения инструментов (tool), ресурсов (resource) и промтов (prompt).

1.3 Изучи документацию фреймворка

Рекомендуемый стек:

Язык: TypeScript (качественная поддержка SDK и хорошая совместимость со многими средами выполнения, например MCPB. Кроме того, модели ИИ хорошо генерируют код на TypeScript благодаря его широкому распространению, статической типизации и хорошим средствам проверки кода)
Транспорт: Streamable HTTP для удалённых серверов с использованием JSON без сохранения состояния (проще масштабировать и поддерживать, чем сессии с состоянием и потоковые ответы). stdio для локальных серверов.

Загрузи документацию по фреймворку:

Лучшие практики MCP: [📋 Смотреть лучшие практики](./reference/mcp_best_practices.md) — основные рекомендации

Для TypeScript (рекомендуется):

TypeScript SDK: с помощью WebFetch загрузи https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md
[⚡ Руководство по TypeScript](./reference/node_mcp_server.md) — приёмы и примеры на TypeScript

Для Python:

Python SDK: с помощью WebFetch загрузи https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md
[🐍 Руководство по Python](./reference/python_mcp_server.md) — приёмы и примеры на Python

1.4 Спланируй реализацию

Разберись в API: Изучи документацию API сервиса, чтобы определить ключевые конечные точки, требования к аутентификации и модели данных. При необходимости используй веб-поиск и WebFetch.

Выбор инструментов: Отдай приоритет полному покрытию API. Составь список конечных точек для реализации, начиная с самых частых операций.

Этап 2. Реализация

2.1 Настрой структуру проекта

Настройку проекта под конкретный язык смотри в соответствующих руководствах:

[⚡ Руководство по TypeScript](./reference/node_mcp_server.md) — структура проекта, package.json, tsconfig.json
[🐍 Руководство по Python](./reference/python_mcp_server.md) — организация модулей, зависимости

2.2 Реализуй базовую инфраструктуру

Создай общие вспомогательные части:

клиент API с аутентификацией;
вспомогательные средства обработки ошибок;
форматирование ответов (JSON/Markdown);
поддержка разбиения на страницы.

2.3 Реализуй инструменты

Для каждого инструмента:

Схема входных данных:

используй Zod (TypeScript) или Pydantic (Python);
задай ограничения и понятные описания;
добавь примеры в описания полей.

Схема выходных данных:

по возможности определяй outputSchema для структурированных данных;
используй structuredContent в ответах инструмента (возможность TypeScript SDK);
это помогает клиентам понимать и обрабатывать результаты работы инструментов.

Описание инструмента:

краткое изложение функциональности;
описания параметров;
схема типа возвращаемого значения.

Реализация:

async/await для операций ввода-вывода;
правильная обработка ошибок с сообщениями, подсказывающими, что делать;
поддержка разбиения на страницы, где это уместно;
при использовании современных SDK возвращай и текстовое содержимое, и структурированные данные.

Аннотации:

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

Этап 3. Проверка и тестирование

3.1 Качество кода

Проверь:

нет дублирования кода (принцип DRY);
обработка ошибок единообразна;
типами покрыто всё;
описания инструментов понятны.

3.2 Сборка и тестирование

TypeScript:

запусти npm run build, чтобы убедиться, что код компилируется;
протестируй с помощью MCP Inspector: npx @modelcontextprotocol/inspector

Python:

проверь синтаксис: python -m py_compile your_server.py
протестируй с помощью MCP Inspector.

Подробные способы тестирования и списки проверки качества смотри в руководствах по конкретным языкам.

Этап 4. Создание оценок

После реализации MCP-сервера создай всесторонние оценки (evaluations), чтобы проверить его эффективность.

Загрузи [✅ Руководство по оценкам](./reference/evaluation.md), чтобы получить полные рекомендации по оценкам.

4.1 Пойми назначение оценки

Используй оценки, чтобы проверить, могут ли языковые модели эффективно пользоваться твоим MCP-сервером для ответов на реалистичные сложные вопросы.

4.2 Создай 10 вопросов для оценки

Чтобы создать эффективные оценки, следуй процессу, описанному в руководстве по оценкам:

Осмотр инструментов: перечисли доступные инструменты и пойми их возможности.
Изучение содержимого: используй операции ТОЛЬКО ДЛЯ ЧТЕНИЯ, чтобы изучить доступные данные.
Составление вопросов: создай 10 сложных реалистичных вопросов.
Проверка ответов: реши каждый вопрос сам, чтобы проверить ответы.

4.3 Требования к оценке

Убедись, что каждый вопрос:

Независим: не зависит от других вопросов;
Только для чтения: требует лишь неразрушающих операций;
Сложен: требует нескольких вызовов инструментов и глубокого изучения;
Реалистичен: основан на реальных сценариях, которые важны людям;
Проверяем: имеет один чёткий ответ, который можно проверить сравнением строк;
Стабилен: ответ не изменится со временем.

4.4 Формат вывода

Создай файл XML такой структуры:

<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>
<!-- More qa_pairs... -->
</evaluation>

Справочные файлы

📚 Библиотека документации

Загружай эти материалы по мере необходимости в ходе разработки:

Основная документация MCP (загружай первой)

Протокол MCP: начни с карты сайта https://modelcontextprotocol.io/sitemap.xml, затем загружай отдельные страницы с суффиксом .md
[📋 Лучшие практики MCP](./reference/mcp_best_practices.md) — универсальные рекомендации по MCP, в том числе:
соглашения об именах серверов и инструментов;
рекомендации по формату ответов (JSON или Markdown);
лучшие практики разбиения на страницы;
выбор транспорта (streamable HTTP или stdio);
стандарты безопасности и обработки ошибок.

Документация SDK (загружай на этапах 1 и 2)

Python SDK: загрузи из https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md
TypeScript SDK: загрузи из https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md

Руководства по реализации для конкретных языков (загружай на этапе 2)

[🐍 Руководство по реализации на Python](./reference/python_mcp_server.md) — полное руководство по Python/FastMCP, в том числе:
приёмы инициализации сервера;
примеры моделей Pydantic;
регистрация инструментов через @mcp.tool;
полные рабочие примеры;
список проверки качества.

[⚡ Руководство по реализации на TypeScript](./reference/node_mcp_server.md) — полное руководство по TypeScript, в том числе:
структура проекта;
приёмы работы со схемами Zod;
регистрация инструментов через server.registerTool;
полные рабочие примеры;
список проверки качества.

Руководство по оценкам (загружай на этапе 4)

[✅ Руководство по оценкам](./reference/evaluation.md) — полное руководство по созданию оценок, в том числе:
рекомендации по составлению вопросов;
стратегии проверки ответов;
спецификации формата XML;
примеры вопросов и ответов;
запуск оценки с помощью приложенных скриптов.

Перевод: iiuniversitet. Оригинал: https://github.com/anthropics/skills/tree/main/skills/mcp-builder, лицензия Apache-2.0. Изменения: перевод на русский язык.

Оригинал на английском

---
name: mcp-builder
description: Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).
license: Complete terms in LICENSE.txt
---

# MCP Server Development Guide

## Overview

Create MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. The quality of an MCP server is measured by how well it enables LLMs to accomplish real-world tasks.

---

# Process

## 🚀 High-Level Workflow

Creating a high-quality MCP server involves four main phases:

### Phase 1: Deep Research and Planning

#### 1.1 Understand Modern MCP Design

**API Coverage vs. Workflow Tools:**
Balance comprehensive API endpoint coverage with specialized workflow tools. Workflow tools can be more convenient for specific tasks, while comprehensive coverage gives agents flexibility to compose operations. Performance varies by client—some clients benefit from code execution that combines basic tools, while others work better with higher-level workflows. When uncertain, prioritize comprehensive API coverage.

**Tool Naming and Discoverability:**
Clear, descriptive tool names help agents find the right tools quickly. Use consistent prefixes (e.g., `github_create_issue`, `github_list_repos`) and action-oriented naming.

**Context Management:**
Agents benefit from concise tool descriptions and the ability to filter/paginate results. Design tools that return focused, relevant data. Some clients support code execution which can help agents filter and process data efficiently.

**Actionable Error Messages:**
Error messages should guide agents toward solutions with specific suggestions and next steps.

#### 1.2 Study MCP Protocol Documentation

**Navigate the MCP specification:**

Start with the sitemap to find relevant pages: `https://modelcontextprotocol.io/sitemap.xml`

Then fetch specific pages with `.md` suffix for markdown format (e.g., `https://modelcontextprotocol.io/specification/draft.md`).

Key pages to review:
- Specification overview and architecture
- Transport mechanisms (streamable HTTP, stdio)
- Tool, resource, and prompt definitions

#### 1.3 Study Framework Documentation

**Recommended stack:**
- **Language**: TypeScript (high-quality SDK support and good compatibility in many execution environments e.g. MCPB. Plus AI models are good at generating TypeScript code, benefiting from its broad usage, static typing and good linting tools)
- **Transport**: Streamable HTTP for remote servers, using stateless JSON (simpler to scale and maintain, as opposed to stateful sessions and streaming responses). stdio for local servers.

**Load framework documentation:**

- **MCP Best Practices**: [📋 View Best Practices](./reference/mcp_best_practices.md) - Core guidelines

**For TypeScript (recommended):**
- **TypeScript SDK**: Use WebFetch to load `https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md`
- [⚡ TypeScript Guide](./reference/node_mcp_server.md) - TypeScript patterns and examples

**For Python:**
- **Python SDK**: Use WebFetch to load `https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md`
- [🐍 Python Guide](./reference/python_mcp_server.md) - Python patterns and examples

#### 1.4 Plan Your Implementation

**Understand the API:**
Review the service's API documentation to identify key endpoints, authentication requirements, and data models. Use web search and WebFetch as needed.

**Tool Selection:**
Prioritize comprehensive API coverage. List endpoints to implement, starting with the most common operations.

---

### Phase 2: Implementation

#### 2.1 Set Up Project Structure

See language-specific guides for project setup:
- [⚡ TypeScript Guide](./reference/node_mcp_server.md) - Project structure, package.json, tsconfig.json
- [🐍 Python Guide](./reference/python_mcp_server.md) - Module organization, dependencies

#### 2.2 Implement Core Infrastructure

Create shared utilities:
- API client with authentication
- Error handling helpers
- Response formatting (JSON/Markdown)
- Pagination support

#### 2.3 Implement Tools

For each tool:

**Input Schema:**
- Use Zod (TypeScript) or Pydantic (Python)
- Include constraints and clear descriptions
- Add examples in field descriptions

**Output Schema:**
- Define `outputSchema` where possible for structured data
- Use `structuredContent` in tool responses (TypeScript SDK feature)
- Helps clients understand and process tool outputs

**Tool Description:**
- Concise summary of functionality
- Parameter descriptions
- Return type schema

**Implementation:**
- Async/await for I/O operations
- Proper error handling with actionable messages
- Support pagination where applicable
- Return both text content and structured data when using modern SDKs

**Annotations:**
- `readOnlyHint`: true/false
- `destructiveHint`: true/false
- `idempotentHint`: true/false
- `openWorldHint`: true/false

---

### Phase 3: Review and Test

#### 3.1 Code Quality

Review for:
- No duplicated code (DRY principle)
- Consistent error handling
- Full type coverage
- Clear tool descriptions

#### 3.2 Build and Test

**TypeScript:**
- Run `npm run build` to verify compilation
- Test with MCP Inspector: `npx @modelcontextprotocol/inspector`

**Python:**
- Verify syntax: `python -m py_compile your_server.py`
- Test with MCP Inspector

See language-specific guides for detailed testing approaches and quality checklists.

---

### Phase 4: Create Evaluations

After implementing your MCP server, create comprehensive evaluations to test its effectiveness.

**Load [✅ Evaluation Guide](./reference/evaluation.md) for complete evaluation guidelines.**

#### 4.1 Understand Evaluation Purpose

Use evaluations to test whether LLMs can effectively use your MCP server to answer realistic, complex questions.

#### 4.2 Create 10 Evaluation Questions

To create effective evaluations, follow the process outlined in the evaluation guide:

1. **Tool Inspection**: List available tools and understand their capabilities
2. **Content Exploration**: Use READ-ONLY operations to explore available data
3. **Question Generation**: Create 10 complex, realistic questions
4. **Answer Verification**: Solve each question yourself to verify answers

#### 4.3 Evaluation Requirements

Ensure each question is:
- **Independent**: Not dependent on other questions
- **Read-only**: Only non-destructive operations required
- **Complex**: Requiring multiple tool calls and deep exploration
- **Realistic**: Based on real use cases humans would care about
- **Verifiable**: Single, clear answer that can be verified by string comparison
- **Stable**: Answer won't change over time

#### 4.4 Output Format

Create an XML file with this structure:

```xml
<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>
<!-- More qa_pairs... -->
</evaluation>
```

---

# Reference Files

## 📚 Documentation Library

Load these resources as needed during development:

### Core MCP Documentation (Load First)
- **MCP Protocol**: Start with sitemap at `https://modelcontextprotocol.io/sitemap.xml`, then fetch specific pages with `.md` suffix
- [📋 MCP Best Practices](./reference/mcp_best_practices.md) - Universal MCP guidelines including:
  - Server and tool naming conventions
  - Response format guidelines (JSON vs Markdown)
  - Pagination best practices
  - Transport selection (streamable HTTP vs stdio)
  - Security and error handling standards

### SDK Documentation (Load During Phase 1/2)
- **Python SDK**: Fetch from `https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md`
- **TypeScript SDK**: Fetch from `https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md`

### Language-Specific Implementation Guides (Load During Phase 2)
- [🐍 Python Implementation Guide](./reference/python_mcp_server.md) - Complete Python/FastMCP guide with:
  - Server initialization patterns
  - Pydantic model examples
  - Tool registration with `@mcp.tool`
  - Complete working examples
  - Quality checklist

- [⚡ TypeScript Implementation Guide](./reference/node_mcp_server.md) - Complete TypeScript guide with:
  - Project structure
  - Zod schema patterns
  - Tool registration with `server.registerTool`
  - Complete working examples
  - Quality checklist

### Evaluation Guide (Load During Phase 4)
- [✅ Evaluation Guide](./reference/evaluation.md) - Complete evaluation creation guide with:
  - Question creation guidelines
  - Answer verification strategies
  - XML format specifications
  - Example questions and answers
  - Running an evaluation with the provided scripts

Источник: anthropics/skills / mcp-builder ↗. Ссылка проверена 2026-10-10.

---
name: mcp-builder
description: Руководство по созданию качественных MCP-серверов (Model Context Protocol), с помощью которых языковые модели работают с внешними сервисами через хорошо продуманные инструменты. Используй при создании MCP-серверов для интеграции с внешними API или сервисами, на Python (FastMCP) или на Node/TypeScript (MCP SDK).
license: Complete terms in LICENSE.txt
---

# Руководство по разработке MCP-сервера

## Обзор

Создавай MCP-серверы (Model Context Protocol), с помощью которых языковые модели работают с внешними сервисами через хорошо продуманные инструменты. Качество MCP-сервера измеряется тем, насколько хорошо он помогает моделям решать реальные задачи.

---

# Процесс

## 🚀 Общий рабочий процесс

Создание качественного MCP-сервера состоит из четырёх основных этапов:

### Этап 1. Глубокое исследование и планирование

#### 1.1 Пойми современный дизайн MCP

**Покрытие API и инструменты-процессы (workflow):**
Найди баланс между полным покрытием конечных точек API и специализированными инструментами-процессами. Инструменты-процессы могут быть удобнее для конкретных задач, а полное покрытие даёт агентам свободу собирать операции из частей. Результат зависит от клиента: одним клиентам помогает исполнение кода, объединяющего простые инструменты, другим лучше подходят процессы более высокого уровня. Если сомневаешься, отдай приоритет полному покрытию API.

**Названия инструментов и их находимость:**
Понятные описательные названия помогают агентам быстро находить нужные инструменты. Используй единообразные префиксы (например, `github_create_issue`, `github_list_repos`) и названия, начинающиеся с действия.

**Управление контекстом:**
Агентам помогают краткие описания инструментов и возможность фильтровать результаты и разбивать их на страницы. Проектируй инструменты, которые возвращают сфокусированные, относящиеся к делу данные. Некоторые клиенты поддерживают исполнение кода, что помогает агентам эффективно фильтровать и обрабатывать данные.

**Сообщения об ошибках, которые подсказывают, что делать:**
Сообщения об ошибках должны направлять агентов к решению: давать конкретные предложения и следующие шаги.

#### 1.2 Изучи документацию протокола MCP

**Разберись в спецификации MCP:**

Начни с карты сайта, чтобы найти нужные страницы: `https://modelcontextprotocol.io/sitemap.xml`

Затем загружай отдельные страницы с суффиксом `.md`, чтобы получить формат markdown (например, `https://modelcontextprotocol.io/specification/draft.md`).

Ключевые страницы для изучения:
- обзор спецификации и архитектура;
- механизмы транспорта (streamable HTTP, stdio);
- определения инструментов (tool), ресурсов (resource) и промтов (prompt).

#### 1.3 Изучи документацию фреймворка

**Рекомендуемый стек:**
- **Язык**: TypeScript (качественная поддержка SDK и хорошая совместимость со многими средами выполнения, например MCPB. Кроме того, модели ИИ хорошо генерируют код на TypeScript благодаря его широкому распространению, статической типизации и хорошим средствам проверки кода)
- **Транспорт**: Streamable HTTP для удалённых серверов с использованием JSON без сохранения состояния (проще масштабировать и поддерживать, чем сессии с состоянием и потоковые ответы). stdio для локальных серверов.

**Загрузи документацию по фреймворку:**

- **Лучшие практики MCP**: [📋 Смотреть лучшие практики](./reference/mcp_best_practices.md) — основные рекомендации

**Для TypeScript (рекомендуется):**
- **TypeScript SDK**: с помощью WebFetch загрузи `https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md`
- [⚡ Руководство по TypeScript](./reference/node_mcp_server.md) — приёмы и примеры на TypeScript

**Для Python:**
- **Python SDK**: с помощью WebFetch загрузи `https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md`
- [🐍 Руководство по Python](./reference/python_mcp_server.md) — приёмы и примеры на Python

#### 1.4 Спланируй реализацию

**Разберись в API:**
Изучи документацию API сервиса, чтобы определить ключевые конечные точки, требования к аутентификации и модели данных. При необходимости используй веб-поиск и WebFetch.

**Выбор инструментов:**
Отдай приоритет полному покрытию API. Составь список конечных точек для реализации, начиная с самых частых операций.

---

### Этап 2. Реализация

#### 2.1 Настрой структуру проекта

Настройку проекта под конкретный язык смотри в соответствующих руководствах:
- [⚡ Руководство по TypeScript](./reference/node_mcp_server.md) — структура проекта, package.json, tsconfig.json
- [🐍 Руководство по Python](./reference/python_mcp_server.md) — организация модулей, зависимости

#### 2.2 Реализуй базовую инфраструктуру

Создай общие вспомогательные части:
- клиент API с аутентификацией;
- вспомогательные средства обработки ошибок;
- форматирование ответов (JSON/Markdown);
- поддержка разбиения на страницы.

#### 2.3 Реализуй инструменты

Для каждого инструмента:

**Схема входных данных:**
- используй Zod (TypeScript) или Pydantic (Python);
- задай ограничения и понятные описания;
- добавь примеры в описания полей.

**Схема выходных данных:**
- по возможности определяй `outputSchema` для структурированных данных;
- используй `structuredContent` в ответах инструмента (возможность TypeScript SDK);
- это помогает клиентам понимать и обрабатывать результаты работы инструментов.

**Описание инструмента:**
- краткое изложение функциональности;
- описания параметров;
- схема типа возвращаемого значения.

**Реализация:**
- async/await для операций ввода-вывода;
- правильная обработка ошибок с сообщениями, подсказывающими, что делать;
- поддержка разбиения на страницы, где это уместно;
- при использовании современных SDK возвращай и текстовое содержимое, и структурированные данные.

**Аннотации:**
- `readOnlyHint`: true/false
- `destructiveHint`: true/false
- `idempotentHint`: true/false
- `openWorldHint`: true/false

---

### Этап 3. Проверка и тестирование

#### 3.1 Качество кода

Проверь:
- нет дублирования кода (принцип DRY);
- обработка ошибок единообразна;
- типами покрыто всё;
- описания инструментов понятны.

#### 3.2 Сборка и тестирование

**TypeScript:**
- запусти `npm run build`, чтобы убедиться, что код компилируется;
- протестируй с помощью MCP Inspector: `npx @modelcontextprotocol/inspector`

**Python:**
- проверь синтаксис: `python -m py_compile your_server.py`
- протестируй с помощью MCP Inspector.

Подробные способы тестирования и списки проверки качества смотри в руководствах по конкретным языкам.

---

### Этап 4. Создание оценок

После реализации MCP-сервера создай всесторонние оценки (evaluations), чтобы проверить его эффективность.

**Загрузи [✅ Руководство по оценкам](./reference/evaluation.md), чтобы получить полные рекомендации по оценкам.**

#### 4.1 Пойми назначение оценки

Используй оценки, чтобы проверить, могут ли языковые модели эффективно пользоваться твоим MCP-сервером для ответов на реалистичные сложные вопросы.

#### 4.2 Создай 10 вопросов для оценки

Чтобы создать эффективные оценки, следуй процессу, описанному в руководстве по оценкам:

1. **Осмотр инструментов**: перечисли доступные инструменты и пойми их возможности.
2. **Изучение содержимого**: используй операции ТОЛЬКО ДЛЯ ЧТЕНИЯ, чтобы изучить доступные данные.
3. **Составление вопросов**: создай 10 сложных реалистичных вопросов.
4. **Проверка ответов**: реши каждый вопрос сам, чтобы проверить ответы.

#### 4.3 Требования к оценке

Убедись, что каждый вопрос:
- **Независим**: не зависит от других вопросов;
- **Только для чтения**: требует лишь неразрушающих операций;
- **Сложен**: требует нескольких вызовов инструментов и глубокого изучения;
- **Реалистичен**: основан на реальных сценариях, которые важны людям;
- **Проверяем**: имеет один чёткий ответ, который можно проверить сравнением строк;
- **Стабилен**: ответ не изменится со временем.

#### 4.4 Формат вывода

Создай файл XML такой структуры:

```xml
<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>
<!-- More qa_pairs... -->
</evaluation>
```

---

# Справочные файлы

## 📚 Библиотека документации

Загружай эти материалы по мере необходимости в ходе разработки:

### Основная документация MCP (загружай первой)
- **Протокол MCP**: начни с карты сайта `https://modelcontextprotocol.io/sitemap.xml`, затем загружай отдельные страницы с суффиксом `.md`
- [📋 Лучшие практики MCP](./reference/mcp_best_practices.md) — универсальные рекомендации по MCP, в том числе:
  - соглашения об именах серверов и инструментов;
  - рекомендации по формату ответов (JSON или Markdown);
  - лучшие практики разбиения на страницы;
  - выбор транспорта (streamable HTTP или stdio);
  - стандарты безопасности и обработки ошибок.

### Документация SDK (загружай на этапах 1 и 2)
- **Python SDK**: загрузи из `https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md`
- **TypeScript SDK**: загрузи из `https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md`

### Руководства по реализации для конкретных языков (загружай на этапе 2)
- [🐍 Руководство по реализации на Python](./reference/python_mcp_server.md) — полное руководство по Python/FastMCP, в том числе:
  - приёмы инициализации сервера;
  - примеры моделей Pydantic;
  - регистрация инструментов через `@mcp.tool`;
  - полные рабочие примеры;
  - список проверки качества.

- [⚡ Руководство по реализации на TypeScript](./reference/node_mcp_server.md) — полное руководство по TypeScript, в том числе:
  - структура проекта;
  - приёмы работы со схемами Zod;
  - регистрация инструментов через `server.registerTool`;
  - полные рабочие примеры;
  - список проверки качества.

### Руководство по оценкам (загружай на этапе 4)
- [✅ Руководство по оценкам](./reference/evaluation.md) — полное руководство по созданию оценок, в том числе:
  - рекомендации по составлению вопросов;
  - стратегии проверки ответов;
  - спецификации формата XML;
  - примеры вопросов и ответов;
  - запуск оценки с помощью приложенных скриптов.

Перевод: iiuniversitet. Оригинал: https://github.com/anthropics/skills/tree/main/skills/mcp-builder, лицензия Apache-2.0. Изменения: перевод на русский язык.