kscz0000 MCP 服务器开发指南
适用场景
构建 MCP 服务器以集成外部 API 或服务时使用，支持 Python（FastMCP）和 Node/TypeScript（MCP SDK）。
概述
创建 MCP（Model Context Protocol）服务器，使 LLM 能通过精心设计的工具与外部服务交互。MCP 服务器的质量取决于它帮助 LLM 完成实际任务的能力。
Microsoft MCP 生态
Microsoft 为 Azure 和 Foundry 服务提供了丰富的 MCP 基础设施。了解这个生态有助于决定是构建自定义服务器还是利用现有服务器。
服务器类型
| 类型 | 传输方式 | 适用场景 | 示例 |
|---|---|---|---|
| 本地 | stdio | 桌面应用、单用户、本地开发 | Azure MCP Server（NPM/Docker） |
| 远程 | Streamable HTTP | 云服务、多租户、Agent Service | https://mcp.ai.azure.com（Foundry） |
Microsoft MCP 服务器
构建自定义服务器前，先确认 Microsoft 是否已提供：
| 服务器 | 类型 | 说明 |
|---|---|---|
| Azure MCP | 本地 | 48+ Azure 服务（Storage、KeyVault、Cosmos、SQL 等） |
| Foundry MCP | 远程 | https://mcp.ai.azure.com — 模型、部署、评估、代理 |
| Fabric MCP | 本地 | Microsoft Fabric API、OneLake、项定义 |
| Playwright MCP | 本地 | 浏览器自动化与测试 |
| GitHub MCP | 远程 | https://api.githubcopilot.com/mcp |
完整生态： 参见 🔷 Microsoft MCP Patterns，获取完整的服务器目录和模式。
何时用 Microsoft 方案 vs 自定义
| 场景 | 建议 |
|---|---|
| Azure 服务集成 | 使用 Azure MCP Server（覆盖 48 个服务） |
| AI Foundry 代理/评估 | 使用 Foundry MCP 远程服务器 |
| 自定义内部 API | 构建自定义服务器（本指南） |
| 第三方 SaaS 集成 | 构建自定义服务器（本指南） |
| 扩展 Azure MCP | 遵循 Microsoft MCP Patterns |
流程
🚀 整体工作流
创建高质量 MCP 服务器包含四个阶段：
阶段 1：深入调研与规划
1.1 理解现代 MCP 设计
API 覆盖 vs 工作流工具： 平衡全面的 API 端点覆盖与专用工作流工具。工作流工具对特定任务更便捷，而全面覆盖让代理能灵活组合操作。性能因客户端而异——有些客户端受益于组合基础工具的代码执行，有些则更适合高层工作流。不确定时，优先保证 API 覆盖的全面性。
工具命名与可发现性：
清晰、描述性的工具名称帮助代理快速找到合适的工具。使用一致的前缀（如 github_create_issue、github_list_repos）和面向动作的命名。
上下文管理： 代理受益于简洁的工具描述和过滤/分页结果的能力。设计返回聚焦、相关数据的工具。部分客户端支持代码执行，可帮助代理高效过滤和处理数据。
可操作的错误消息： 错误消息应通过具体建议和后续步骤引导代理找到解决方案。
1.2 学习 MCP 协议文档
浏览 MCP 规范：
从站点地图开始查找相关页面：https://modelcontextprotocol.io/sitemap.xml
然后用 .md 后缀获取 Markdown 格式的具体页面（如 https://modelcontextprotocol.io/specification/draft.md）。
重点页面：
- 规范概览与架构
- 传输机制（Streamable HTTP、stdio）
- 工具、资源和提示词定义
1.3 学习框架文档
语言选择：
| 语言 | 最适合 | SDK |
|---|---|---|
| TypeScript（推荐） | 通用 MCP 服务器，兼容性广 | @modelcontextprotocol/sdk |
| Python | 数据/ML 管道，FastAPI 集成 | mcp（FastMCP） |
| C#/.NET | Azure/Microsoft 生态，企业级 | Microsoft.Mcp.Core |
传输方式选择：
| 传输方式 | 适用场景 | 特点 |
|---|---|---|
| Streamable HTTP | 远程服务器、多租户、Agent Service | 无状态、可扩展、需认证 |
| stdio | 本地服务器、桌面应用 | 简单、单用户、无网络 |
加载框架文档：
- MCP 最佳实践：📋 查看最佳实践 — 核心指南
TypeScript（推荐）：
- TypeScript SDK：使用 WebFetch 加载
https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md - ⚡ TypeScript 指南 — TypeScript 模式与示例
Python：
- Python SDK：使用 WebFetch 加载
https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md - 🐍 Python 指南 — Python 模式与示例
C#/.NET（Microsoft 生态）：
- 🔷 Microsoft MCP Patterns — C# 模式、Azure MCP 架构、命令层级
1.4 规划实现
理解 API： 审阅服务的 API 文档，识别关键端点、认证要求和数据模型。按需使用网络搜索和 WebFetch。
工具选择： 优先保证 API 覆盖的全面性。列出要实现的端点，从最常用的操作开始。
阶段 2：实现
2.1 搭建项目结构
参见语言特定指南了解项目搭建：
- ⚡ TypeScript 指南 — 项目结构、package.json、tsconfig.json
- 🐍 Python 指南 — 模块组织、依赖管理
- 🔷 Microsoft MCP Patterns — C# 项目结构、命令层级
2.2 实现核心基础设施
创建共享工具：
- 带认证的 API 客户端
- 错误处理辅助函数
- 响应格式化（JSON/Markdown）
- 分页支持
2.3 实现工具
每个工具：
输入 Schema：
- 使用 Zod（TypeScript）或 Pydantic（Python）
- 包含约束和清晰描述
- 在字段描述中添加示例
输出 Schema：
- 尽可能定义
outputSchema用于结构化数据 - 在工具响应中使用
structuredContent（TypeScript SDK 特性） - 帮助客户端理解和处理工具输出
工具描述：
- 功能的简洁摘要
- 参数描述
- 返回类型 schema
实现：
- I/O 操作使用 async/await
- 带可操作消息的适当错误处理
- 适用时支持分页
- 使用现代 SDK 时同时返回文本内容和结构化数据
注解：
readOnlyHint：true/falsedestructiveHint：true/falseidempotentHint：true/falseopenWorldHint：true/false
阶段 3：审查与测试
3.1 代码质量
审查要点：
- 无重复代码（DRY 原则）
- 一致的错误处理
- 完整的类型覆盖
- 清晰的工具描述
3.2 构建与测试
TypeScript：
- 运行
npm run build验证编译 - 使用 MCP Inspector 测试：
npx @modelcontextprotocol/inspector
Python：
- 验证语法：
python -m py_compile your_server.py - 使用 MCP Inspector 测试
参见语言特定指南了解详细的测试方法和质量检查清单。
阶段 4：创建评估
实现 MCP 服务器后，创建全面的评估来测试其效果。
加载 ✅ 评估指南获取完整评估规范。
4.1 理解评估目的
评估用于测试 LLM 能否有效使用你的 MCP 服务器回答真实、复杂的问题。
4.2 创建 10 个评估问题
创建有效评估，遵循评估指南中的流程：
- 工具检查：列出可用工具，理解其能力
- 内容探索：使用只读操作探索可用数据
- 问题生成：创建 10 个复杂、真实的问题
- 答案验证：自己解答每个问题以验证答案
4.3 评估要求
确保每个问题：
- 独立：不依赖其他问题
- 只读：仅需非破坏性操作
- 复杂：需要多次工具调用和深入探索
- 真实：基于用户真正关心的实际场景
- 可验证：单一、清晰的答案，可通过字符串比较验证
- 稳定：答案不会随时间变化
4.4 输出格式
创建以下结构的 XML 文件：
<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>
参考文件
📚 文档库
开发过程中按需加载这些资源：
核心 MCP 文档（优先加载）
- MCP 协议：从站点地图
https://modelcontextprotocol.io/sitemap.xml开始，然后用.md后缀获取具体页面 - 📋 MCP 最佳实践 — 通用 MCP 指南，包括：
- 服务器和工具命名约定
- 响应格式指南（JSON vs Markdown）
- 分页最佳实践
- 传输方式选择（Streamable HTTP vs stdio）
- 安全与错误处理标准
Microsoft MCP 文档（Azure/Foundry）
- 🔷 Microsoft MCP Patterns — Microsoft 特定模式，包括：
- Azure MCP Server 架构（48+ Azure 服务）
- C#/.NET 命令实现模式
- Foundry Agent Service 远程 MCP
- 认证（Entra ID、OBO 流、Managed Identity）
- Bicep 模板测试基础设施
SDK 文档（阶段 1/2 加载）
- Python SDK：从
https://raw.githubusercontent.com/modelcontextprotocol/python-sdk/main/README.md获取 - TypeScript SDK：从
https://raw.githubusercontent.com/modelcontextprotocol/typescript-sdk/main/README.md获取 - Microsoft MCP SDK：参见 Microsoft MCP Patterns 的 C#/.NET 部分
语言特定实现指南（阶段 2 加载）
🐍 Python 实现指南 — 完整的 Python/FastMCP 指南，包括：
- 服务器初始化模式
- Pydantic 模型示例
- 使用
@mcp.tool注册工具 - 完整可运行示例
- 质量检查清单
⚡ TypeScript 实现指南 — 完整的 TypeScript 指南，包括：
- 项目结构
- Zod schema 模式
- 使用
server.registerTool注册工具 - 完整可运行示例
- 质量检查清单
🔷 Microsoft MCP Patterns — 完整的 C#/.NET 指南，包括：
- 命令层级（BaseCommand → GlobalCommand → SubscriptionCommand）
- 命名约定（
{Resource}{Operation}Command） - 选项处理（
.AsRequired()/.AsOptional()） - Azure Functions 远程 MCP 部署
- Bicep 实时测试模式
评估指南（阶段 4 加载）
- ✅ 评估指南 — 完整的评估创建指南，包括：
- 问题创建指南
- 答案验证策略
- XML 格式规范
- 示例问题和答案
- 使用提供的脚本运行评估
局限性
- 仅在任务明确符合上述范围时使用本技能。
- 输出不能替代针对具体环境的验证、测试或专家审查。
- 若缺少必要的输入、权限、安全边界或成功标准，应停下来请求澄清。