mcp-builder：Anthropic 官方教你如何造一个生产级 MCP 服务器

如果你在搞 AI Agent，却还没用过 mcp-builder，那你真的错过了一个亿。

这个 Skill 来自 Anthropic 官方的 anthropics/skills 仓库——对，就是做 Claude 的那家公司。整个仓库 15 万 + star，而 mcp-builder 是其中最火的几颗星之一，每周安装量 2.8 万次，已经被超过 5 万开发者验证过。

一句话说清楚它是干嘛的

mcp-builder 是一个教你如何正确构建 MCP 服务器的 Skill。MCP（Model Context Protocol）是什么？它是 Anthropic 提出的开放协议，用来让大模型安全、标准化地调用外部工具和服务——本质上是 AI 时代的 “USB 接口”。

而 mcp-builder 的价值在于：它不只是丢给你几个代码模板，而是给了一套经过验证的四阶段开发流程，让你从零到一做出生产级的 MCP 服务器。

四阶段工作流，有点东西

Phase 1：深度调研与规划
先研究目标 API 的能力边界，搞清楚 “暴露哪些工具” 比 “覆盖多少接口” 更重要。它会引导你读 MCP 协议规范、对比 TypeScript SDK 和 Python FastMCP 两个技术路线，然后输出一个工具设计文档。

Phase 2：实现
按规划搭建项目结构，核心基础设施（认证、错误处理、分页）先行，然后逐个实现工具。工具描述、输入 schema（Zod/Pydantic）、输出结构、注解（readOnly/destructive/idempotent）全部有标准模板。

Phase 3：Review 与测试
代码质量检查之后，用 MCP Inspector 做实际测试——这一步很多教程会跳过，但 mcp-builder 明确要求跑通。

Phase 4：构建评估体系
最硬核的部分来了：你需要写出 10 个真实复杂的问题，用来验证 AI 能否真正用好你的 MCP 服务器。问题必须满足：独立、只读、复杂、真实、可验证、稳定。这套 eval 框架是 Anthropic 官方推荐的做法。

为什么说它是 LLM Skill 解读的正确打开方式

因为这个 Skill 本身就是用 Agent 的方式教人做 Agent 工具。它示范了什么叫 “授人以渔”：不是甩给你一段代码就完事，而是让你理解工具设计背后的思考——如何命名工具让 Agent 能发现、如何设计错误信息让 Agent 知道怎么补救、如何用 annotation 描述工具属性。

对于想深入 LLM Agent 开发的工程师来说，mcp-builder 是一个不可多得的实战教材。

怎么安装

• 直接 Claude Code 里运行：npx skills add https://github.com/anthropics/skills --skill mcp-builder
• 或者访问 Smithery、skills.sh 等第三方市场搜索 “mcp-builder” 也能找到

GitHub：https://github.com/anthropics/skills/tree/main/skills/mcp-builder

GitHub: https://github.com/anthropics/skills/tree/main/skills/mcp-builder