Communitygithub.com

mcp-server-patterns

Construye servidores MCP con Node/TypeScript SDK: herramientas, recursos, prompts, validación Zod, stdio vs Streamable HTTP. Usa Context7 o la documentación oficial de MCP para la API más reciente. Úsalo al crear o depurar un servidor MCP: herramientas, recursos, prompts, validación o elección de transporte.

¿Qué es mcp-server-patterns?

Esta skill proporciona una guía completa y patrones para construir servidores MCP (Model Context Protocol) usando el SDK de Node/TypeScript. Explica los conceptos fundamentales como herramientas, recursos y prompts, detallando cómo registrarlos según la versión del SDK. También cubre la elección del transporte: stdio para clientes locales y Streamable HTTP para clientes remotos, y la importancia de mantener la lógica del servidor independiente del transporte. Incluye ejemplos prácticos de instalación y configuración con Zod para validación de esquemas, así como mejores prácticas sobre manejo de errores, idempotencia y versionado. Compatible con las últimas versiones de la API de MCP, recomendando consultar Context7 o la documentación oficial para firmas actualizadas.

Compatible con✓Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/mcp-server-patterns

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Patrones de Servidor MCP

El Protocolo de Contexto de Modelo (MCP) permite que asistentes de IA invoquen herramientas, lean recursos y usen prompts desde tu servidor. Usa esta skill al construir o mantener servidores MCP. La API del SDK evoluciona; consulta Context7 (query-docs para "MCP") o la documentación oficial de MCP para nombres y firmas de métodos actuales.

Para la decisión más amplia de enrutamiento sobre cuándo una capacidad debe ser una regla, una skill, MCP, o un flujo CLI/API simple, consulta docs/capability-surface-selection.md.

Cuándo Usar

Úsala al: implementar un nuevo servidor MCP, agregar herramientas o recursos, elegir entre stdio o HTTP, actualizar el SDK, o depurar problemas de registro y transporte en MCP.

Cómo Funciona

Conceptos clave

  • Herramientas: Acciones que el modelo puede invocar (ej. búsqueda, ejecutar un comando). Regístralas con registerTool() o tool() según la versión del SDK.
  • Recursos: Datos de solo lectura que el modelo puede obtener (ej. contenido de archivos, respuestas de API). Regístralos con registerResource() o resource(). Los handlers generalmente reciben un argumento uri.
  • Prompts: Plantillas de prompt reutilizables y parametrizadas que el cliente puede mostrar (ej. en Claude Desktop). Regístralos con registerPrompt() o equivalente.
  • Transporte: stdio para clientes locales (ej. Claude Desktop); Streamable HTTP es preferido para remoto (Cursor, nube). HTTP/SSE heredado es para compatibilidad hacia atrás.

El SDK de Node/TypeScript puede exponer tool() / resource() o registerTool() / registerResource(); el SDK oficial ha cambiado con el tiempo. Siempre verifica contra la documentación actual de MCP o Context7.

Conexión con stdio

Para clientes locales, crea un transporte stdio y pásalo al método de conexión de tu servidor. La API exacta varía según la versión del SDK (ej. constructor vs fábrica). Consulta la documentación oficial de MCP o haz una consulta a Context7 para "MCP stdio server" para el patrón actual.

Mantén la lógica del servidor (herramientas + recursos) independiente del transporte para que puedas conectar stdio o HTTP en el punto de entrada.

Remoto (Streamable HTTP)

Para Cursor, nube u otros clientes remotos, usa Streamable HTTP (un único endpoint HTTP de MCP según la especificación actual). Soporta HTTP/SSE heredado solo cuando se requiera compatibilidad hacia atrás.

Ejemplos

Instalación y configuración del servidor

npm install @modelcontextprotocol/sdk zod
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";

const server = new McpServer({ name: "mi-servidor", version: "1.0.0" });

Registra herramientas y recursos usando la API que proporcione tu versión del SDK: algunas versiones usan server.tool(nombre, descripción, esquema, handler) (argumentos posicionales), otras usan server.tool({ name, description, inputSchema }, handler) o registerTool(). Lo mismo para los recursos: incluye un uri en el handler cuando la API lo proporcione. Consulta la documentación oficial de MCP o Context7 para las firmas actuales de @modelcontextprotocol/sdk para evitar errores de copia y pega.

Usa Zod (o el formato de esquema preferido del SDK) para la validación de entrada.

Mejores Prácticas

  • Primero el esquema: Define esquemas de entrada para cada herramienta; documenta los parámetros y la forma de retorno.
  • Errores: Devuelve errores estructurados o mensajes que el modelo pueda interpretar; evita trazas de pila crudas.
  • Idempotencia: Prefiere herramientas idempotentes cuando sea posible para que los reintentos sean seguros.
  • Tasa y costo: Para herramientas que llaman a APIs externas, considera límites de tasa y costo; documéntalo en la descripción de la herramienta.
  • Versionado: Fija la versión del SDK en package.json; revisa las notas de lanzamiento al actualizar.

SDKs y Documentación Oficial

  • JavaScript/TypeScript: @modelcontextprotocol/sdk (npm). Usa Context7 con el nombre de librería "MCP" para patrones actuales de registro y transporte.
  • Go: SDK oficial de Go en GitHub (modelcontextprotocol/go-sdk).
  • C#: SDK oficial de C# para .NET.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Skills relacionados