Communitygithub.com

David-Li0406/meta-skill-evloving

Guía para crear servidores MCP (Model Context Protocol) de alta calidad que permitan a los LLMs interactuar con servicios externos mediante herramientas bien diseñadas. Úsalo al construir servidores MCP para integrar APIs o servicios externos, ya sea en Python (FastMCP) o Node/TypeScript (MCP SDK).

¿Qué es meta-skill-evloving?

Esta guía de desarrollo de servidores MCP proporciona un flujo de trabajo estructurado para construir servidores que actúan como puentes entre Modelos de Lenguaje de Gran Escala (LLMs) y servicios externos. El núcleo del proceso se divide en cuatro fases: investigación y planificación profunda, implementación, revisión y pruebas, y creación de evaluaciones. La guía enfatiza la importancia de comprender el diseño moderno de MCP, incluyendo el equilibrio entre la cobertura de API y las herramientas de flujo de trabajo, el uso de nombres descriptivos para las herramientas, y la implementación de mensajes de error accionables. Se recomienda TypeScript como lenguaje principal debido a su excelente soporte de SDK y compatibilidad con entornos de ejecución, aunque también se cubre Python. Durante la implementación, se detalla cómo configurar la infraestructura, implementar esquemas de entrada/salida con Zod o Pydantic, y añadir anotaciones a las herramientas. Finalmente, la fase de evaluación guía al usuario en la creación de 10 preguntas realistas y complejas para probar la efectividad del servidor MCP construido. La habilidad es compatible con el desarrollo en TypeScript y Python, y referencia documentación oficial del protocolo MCP, así como guías específicas para cada lenguaje.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/David-Li0406/meta-skill-evloving/tree/HEAD/AgentSkillOS/data/skill_seeds/mcp-builder

Preguntar en tu IA favorita

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

Documentación

Guía de Desarrollo de Servidores MCP

Descripción General

Cree servidores MCP (Model Context Protocol) que permitan a los LLMs interactuar con servicios externos a través de herramientas bien diseñadas. La calidad de un servidor MCP se mide por qué tan bien permite a los LLMs realizar tareas del mundo real.


Proceso

🚀 Flujo de Trabajo de Alto Nivel

Crear un servidor MCP de alta calidad implica cuatro fases principales:

Fase 1: Investigación y Planificación Profunda

1.1 Comprender el Diseño Moderno de MCP

Cobertura de API vs. Herramientas de Flujo de Trabajo: Equilibre la cobertura completa de endpoints de API con herramientas de flujo de trabajo especializadas. Las herramientas de flujo de trabajo pueden ser más convenientes para tareas específicas, mientras que la cobertura completa brinda a los agentes flexibilidad para componer operaciones. El rendimiento varía según el cliente: algunos clientes se benefician de la ejecución de código que combina herramientas básicas, mientras que otros funcionan mejor con flujos de trabajo de nivel superior. Cuando haya incertidumbre, priorice la cobertura completa de API.

Nomenclatura y Descubribilidad de Herramientas: Nombres de herramientas claros y descriptivos ayudan a los agentes a encontrar las herramientas adecuadas rápidamente. Use prefijos consistentes (por ejemplo, github_create_issue, github_list_repos) y nombres orientados a la acción.

Gestión de Contexto: Los agentes se benefician de descripciones concisas de herramientas y la capacidad de filtrar/paginar resultados. Diseñe herramientas que devuelvan datos enfocados y relevantes. Algunos clientes admiten la ejecución de código, lo que puede ayudar a los agentes a filtrar y procesar datos de manera eficiente.

Mensajes de Error Accionables: Los mensajes de error deben guiar a los agentes hacia soluciones con sugerencias específicas y próximos pasos.

1.2 Estudiar la Documentación del Protocolo MCP

Navegue por la especificación de MCP:

Comience con el mapa del sitio para encontrar páginas relevantes: https://modelcontextprotocol.io/sitemap.xml

Luego obtenga páginas específicas con el sufijo .md para formato markdown (por ejemplo, https://modelcontextprotocol.io/specification/draft.md).

Páginas clave a revisar:

  • Descripción general y arquitectura de la especificación
  • Mecanismos de transporte (HTTP transmisible, stdio)
  • Definiciones de herramientas, recursos y prompts

1.3 Estudiar la Documentación del Framework

Stack recomendado:

  • Lenguaje: TypeScript (soporte SDK de alta calidad y buena compatibilidad en muchos entornos de ejecución, por ejemplo, MCPB. Además, los modelos de IA son buenos generando código TypeScript, beneficiándose de su amplio uso, tipado estático y buenas herramientas de linting)
  • Transporte: HTTP transmisible para servidores remotos, usando JSON sin estado (más simple de escalar y mantener, en oposición a sesiones con estado y respuestas en streaming). stdio para servidores locales.

Cargue la documentación del framework:

Para TypeScript (recomendado):

  • SDK de TypeScript: Use WebFetch para cargar https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md
  • ⚡ Guía de TypeScript - Patrones y ejemplos de TypeScript

Para Python:

  • SDK de Python: Use WebFetch para cargar https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md
  • 🐍 Guía de Python - Patrones y ejemplos de Python

1.4 Planifique su Implementación

Comprenda la API: Revise la documentación de la API del servicio para identificar endpoints clave, requisitos de autenticación y modelos de datos. Use la búsqueda web y WebFetch según sea necesario.

Selección de Herramientas: Priorice la cobertura completa de API. Enumere los endpoints a implementar, comenzando con las operaciones más comunes.


Fase 2: Implementación

2.1 Configurar la Estructura del Proyecto

Consulte las guías específicas de lenguaje para la configuración del proyecto:

2.2 Implementar la Infraestructura Central

Cree utilidades compartidas:

  • Cliente API con autenticación
  • Ayudantes para el manejo de errores
  • Formateo de respuestas (JSON/Markdown)
  • Soporte de paginación

2.3 Implementar Herramientas

Para cada herramienta:

Esquema de Entrada:

  • Use Zod (TypeScript) o Pydantic (Python)
  • Incluya restricciones y descripciones claras
  • Agregue ejemplos en las descripciones de los campos

Esquema de Salida:

  • Defina outputSchema cuando sea posible para datos estructurados
  • Use structuredContent en las respuestas de la herramienta (característica del SDK de TypeScript)
  • Ayuda a los clientes a entender y procesar las salidas de la herramienta

Descripción de la Herramienta:

  • Resumen conciso de la funcionalidad
  • Descripciones de parámetros
  • Esquema del tipo de retorno

Implementación:

  • Async/await para operaciones de E/S
  • Manejo adecuado de errores con mensajes accionables
  • Soporte de paginación cuando corresponda
  • Devuelva tanto contenido de texto como datos estructurados cuando use SDKs modernos

Anotaciones:

  • readOnlyHint: verdadero/falso
  • destructiveHint: verdadero/falso
  • idempotentHint: verdadero/falso
  • openWorldHint: verdadero/falso

Fase 3: Revisión y Pruebas

3.1 Calidad del Código

Revise para:

  • Sin código duplicado (principio DRY)
  • Manejo de errores consistente
  • Cobertura de tipos completa
  • Descripciones claras de herramientas

3.2 Compilación y Pruebas

TypeScript:

  • Ejecute npm run build para verificar la compilación
  • Pruebe con MCP Inspector: npx @modelcontextprotocol/inspector

Python:

  • Verifique la sintaxis: python -m py_compile tu_servidor.py
  • Pruebe con MCP Inspector

Consulte las guías específicas de lenguaje para enfoques de prueba detallados y listas de verificación de calidad.


Fase 4: Crear Evaluaciones

Después de implementar su servidor MCP, cree evaluaciones completas para probar su efectividad.

Cargue la ✅ Guía de Evaluación para pautas completas de evaluación.

4.1 Comprender el Propósito de la Evaluación

Use evaluaciones para probar si los LLMs pueden usar efectivamente su servidor MCP para responder preguntas realistas y complejas.

4.2 Crear 10 Preguntas de Evaluación

Para crear evaluaciones efectivas, siga el proceso descrito en la guía de evaluación:

  1. Inspección de Herramientas: Enumere las herramientas disponibles y comprenda sus capacidades
  2. Exploración de Contenido: Use operaciones de SOLO LECTURA para explorar los datos disponibles
  3. Generación de Preguntas: Cree 10 preguntas complejas y realistas
  4. Verificación de Respuestas: Resuelva cada pregunta usted mismo para verificar las respuestas

4.3 Requisitos de Evaluación

Asegúrese de que cada pregunta sea:

  • Independiente: No dependiente de otras preguntas
  • Solo Lectura: Solo se requieren operaciones no destructivas
  • Compleja: Requiere múltiples llamadas a herramientas y exploración profunda
  • Realista: Basada en casos de uso reales que interesarían a los humanos
  • Verificable: Respuesta única y clara que pueda verificarse mediante comparación de cadenas
  • Estable: La respuesta no cambiará con el tiempo

4.4 Formato de Salida

Cree un archivo XML con esta estructura:

<evaluation>
  <qa_pair>
    <question>Encuentra discusiones sobre lanzamientos de modelos de IA con nombres en clave de animales. Un modelo necesitaba una designación de seguridad específica que usa el formato ASL-X. ¿Qué número X se estaba determinando para el modelo nombrado después de un gato salvaje manchado?</question>
    <answer>3</answer>
  </qa_pair>
<!-- Más qa_pairs... -->
</evaluation>

Archivos de Referencia

📚 Biblioteca de Documentación

Cargue estos recursos según sea necesario durante el desarrollo:

Documentación Central de MCP (Cargar Primero)

  • Protocolo MCP: Comience con el mapa del sitio en https://modelcontextprotocol.io/sitemap.xml, luego obtenga páginas específicas con el sufijo .md
  • 📋 Mejores Prácticas de MCP - Pautas universales de MCP que incluyen:
    • Convenciones de nomenclatura de servidores y herramientas
    • Pautas de formato de respuesta (JSON vs Markdown)
    • Mejores prácticas de paginación
    • Selección de transporte (HTTP transmisible vs stdio)
    • Estándares de seguridad y manejo de errores

Documentación del SDK (Cargar Durante la Fase 1/2)

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

Guías de Implementación Específicas de Lenguaje (Cargar Durante la Fase 2)

  • 🐍 Guía de Implementación de Python - Guía completa de Python/FastMCP con:

    • Patrones de inicialización de servidor
    • Ejemplos de modelos Pydantic
    • Registro de herramientas con @mcp.tool
    • Ejemplos completos funcionales
    • Lista de verificación de calidad
  • ⚡ Guía de Implementación de TypeScript - Guía completa de TypeScript con:

    • Estructura del proyecto
    • Patrones de esquema Zod
    • Registro de herramientas con server.registerTool
    • Ejemplos completos funcionales
    • Lista de verificación de calidad

Guía de Evaluación (Cargar Durante la Fase 4)

  • ✅ Guía de Evaluación - Guía completa de creación de evaluaciones con:
    • Pautas de creación de preguntas
    • Estrategias de verificación de respuestas
    • Especificaciones de formato XML
    • Ejemplos de preguntas y respuestas
    • Ejecución de una evaluación con los scripts proporcionados

Individual skills in this repo

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

David-Li0406/meta-skill-evloving

Browser automation with persistent page state. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include "go to [url]", "click on", "fill out the form", "take a screenshot", "scrape", "automate", "test the website", "log into", or any browser interaction request.

David-Li0406/meta-skill-evloving

Create technical diagrams using Mermaid syntax for architecture, sequences, ERDs, flowcharts, and state machines. Use for visualizing system design, data flows, and processes. Triggers: diagram, mermaid, architecture diagram, sequence diagram, flowchart, ERD, entity relationship, state diagram, C4 model, component diagram, visualize, draw.

David-Li0406/meta-skill-evloving

Comprehensive document creation, editing, and analysis with support for tracked changes, comments, formatting preservation, and text extraction. When Claude needs to work with professional documents (.docx files) for: (1) Creating new documents, (2) Modifying or editing content, (3) Working with tracked changes, (4) Adding comments, or any other document tasks

David-Li0406/meta-skill-evloving

Complete color manipulation and green screen effects system. PROACTIVELY activate for: (1) Green screen/chromakey removal, (2) Color grading with LUTs, (3) Color correction (levels, curves, white balance), (4) Colorkey/color removal effects, (5) Hue/saturation manipulation, (6) Color space conversions (BT.709, BT.2020, HDR), (7) Color isolation effects, (8) Teal and orange look, (9) Vintage/film looks, (10) Color keying for transparency. Provides: chromakey and colorkey filters, LUT application (lut3d), curves and levels adjustment, color balance, selective color manipulation, color space handling, HDR tone mapping, professional color grading chains.

David-Li0406/meta-skill-evloving

Convert files and office documents to Markdown. Supports PDF, DOCX, PPTX, XLSX, images (with OCR), audio (with transcription), HTML, CSV, JSON, XML, ZIP, YouTube URLs, EPubs and more.

David-Li0406/meta-skill-evloving

Build with OpenAI's stateless APIs - Chat Completions (GPT-5, GPT-4o), Embeddings, Images (DALL-E 3), Audio (Whisper + TTS), and Moderation. Includes Node.js SDK and fetch-based approaches for Cloudflare Workers. Use when: implementing chat completions with GPT-5/GPT-4o, streaming responses with SSE, using function calling/tools, creating structured outputs with JSON schemas, generating embeddings for RAG (text-embedding-3-small/large), generating images with DALL-E 3, editing images with GPT-Image-1, transcribing audio with Whisper, synthesizing speech with TTS (11 voices), moderating content (11 safety categories), or troubleshooting rate limits (429), invalid API keys (401), function calling failures, streaming parse errors, embeddings dimension mismatches, or token limit exceeded.

David-Li0406/meta-skill-evloving

Comprehensive PDF manipulation toolkit for extracting text and tables, creating new PDFs, merging/splitting documents, and handling forms. When Claude needs to fill in a PDF form or programmatically process, generate, or analyze PDF documents at scale.

David-Li0406/meta-skill-evloving

Presentation creation, editing, and analysis. When Claude needs to work with presentations (.pptx files) for: (1) Creating new presentations, (2) Modifying or editing content, (3) Working with layouts, (4) Adding comments or speaker notes, or any other presentation tasks

David-Li0406/meta-skill-evloving

Comprehensive spreadsheet creation, editing, and analysis with support for formulas, formatting, data analysis, and visualization. When Claude needs to work with spreadsheets (.xlsx, .xlsm, .csv, .tsv, etc) for: (1) Creating new spreadsheets with formulas and formatting, (2) Reading or analyzing data, (3) Modify existing spreadsheets while preserving formulas, (4) Data analysis and visualization in spreadsheets, or (5) Recalculating formulas

David-Li0406/meta-skill-evloving

Download YouTube videos with customizable quality and format options. Use this skill when the user asks to download, save, or grab YouTube videos. Supports various quality settings (best, 1080p, 720p, 480p, 360p), multiple formats (mp4, webm, mkv), and audio-only downloads as MP3.

David-Li0406/meta-skill-evloving

Best practices for Remotion - Video creation in React

David-Li0406/meta-skill-evloving

Provides bidirectional translation (Chinese/English), grammar checking, and sentence polishing. Supports specific tense constraints, context-aware tone adjustment, and natural expression optimization. Outputs direct text without formatting.

David-Li0406/meta-skill-evloving

指导如何通过自定义注解(如@Unicom)标识Dubbo接口,利用BeanDefinitionRegistryPostProcessor在启动时扫描并动态注册ReferenceBean,实现RPC调用的封装。

David-Li0406/meta-skill-evloving

生成Python脚本,利用FFmpeg将图片序列按3x3布局合并,或将合并图拆分。要求使用subprocess模块执行命令,并支持用户交互式输入路径。

David-Li0406/meta-skill-evloving

SOP for extracting and analyzing promotional activity details, handling time formatting, location mapping, payment logic, and step-by-step process validation.

David-Li0406/meta-skill-evloving

Specializes in creating TikTok short video scripts using an anthropomorphic 'Chef' perspective to explain wildlife food chains and survival environments, utilizing real field footage.

David-Li0406/meta-skill-evloving

针对TikTok平台,以拟人化视角(如动物作为厨师)创作系列短视频脚本。重点介绍野生动物、食物链及生态环境,要求使用野外实拍素材,风格幽默且具有教育意义。

David-Li0406/meta-skill-evloving

Generates KWL (Know, Want to know, Learned) charts for educational videos, specifically BrainPOP, using simple 7th-grade language and short, concise bullet points.

David-Li0406/meta-skill-evloving

Develops DAX measures to calculate promo and regular volumes and generates a calculated table of dates excluding continuous promo date ranges, handling multiple periods and nulls.

David-Li0406/meta-skill-evloving

Tracks complex, multi-session work using the Beads issue tracker and dependency graphs, and provides persistent memory that survives conversation compaction. Use when work spans multiple sessions, has complex dependencies, or needs persistent context across compaction cycles. Trigger with phrases like "create task for", "what's ready to work on", "show task", "track this work", "what's blocking", or "update status".

Skills relacionados