MCP Builder

MCP 服务器构建

系统化设计、实现、测试和部署 Model Context Protocol 服务器的方法论。

1. 协议核心概念

MCP 定义三种原语：

• Tools（工具）：AI 助手主动调用的函数，有副作用。如搜索、创建、删除操作。
• Resources（资源）：AI 助手只读访问的数据源，用 URI 标识。如 users://{id}/profile。
• Prompts（提示词模板）：预定义交互模板，引导用户触发工作流。

选择原则： 执行操作 → Tool | 读取数据 → Resource | 引导交互 → Prompt

2. 项目结构规范

TypeScript

my-mcp-server/
├── src/
│   ├── index.ts          # 入口，注册 tools/resources
│   ├── tools/             # 按功能拆分
│   ├── resources/
│   └── lib/               # 客户端封装、校验逻辑
├── tests/
├── package.json
└── tsconfig.json

关键依赖：@modelcontextprotocol/sdk + zod

Python

my-mcp-server/
├── src/my_mcp_server/
│   ├── server.py
│   ├── tools/
│   └── lib/
├── tests/
└── pyproject.toml

关键依赖：mcp + pydantic

3. Tool 设计原则

命名

• snake_case 格式，动词开头：search_users、create_issue、delete_file
• 名称自解释，AI 助手靠名称选工具，模糊命名导致误调用

参数

• 每个参数有类型约束和 .describe() 描述
• 可选参数给默认值，减少 AI 决策负担
• 用枚举代替布尔开关

server.tool("search_issues", {
  query: z.string().describe("搜索关键词"),
  status: z.enum(["open", "closed", "all"]).default("open").describe("状态筛选"),
  limit: z.number().min(1).max(100).default(20).describe("返回上限"),
}, async ({ query, status, limit }) => { /* ... */ });

描述

说明用途 + 返回内容 + 限制，这是 AI 选择工具的关键依据：

server.tool("search_users",
  "根据姓名或邮箱搜索用户。返回 ID、姓名、邮箱列表。模糊匹配，最多 50 条。",
  schema, handler);

输出

• 结构化数据 → JSON，人类可读内容 → Markdown

• 始终用 content: [{ type: "text", text: "..." }] 格式返回

• 默认返回最小必要字段的结构化 JSON，不返回描述性 prose。 LLM 输出比输入贵 5-10 倍，tool 返回一段话让 AI 转述，比直接返回 JSON 让 AI 自己组织语言贵得多：

  ❌ "用户 123 不存在，请检查 ID 后重试"
  ✅ { "found": false, "id": "123" }
  

  错误信息也保持结构化：{ "error": "not_found", "id": "123" }，让 AI 根据错误类型决定如何措辞。

4. 输入验证和错误处理

用 Zod/Pydantic 做 Schema 级校验，业务级校验放 handler 开头：

server.tool("get_user", { id: z.string() }, async ({ id }) => {
  try {
    const user = await db.getUser(id);
    if (!user) {
      return {
        content: [{ type: "text", text: `用户 ${id} 不存在，请检查 ID。` }],
        isError: true,
      };
    }
    return { content: [{ type: "text", text: JSON.stringify(user, null, 2) }] };
  } catch (err) {
    return {
      content: [{ type: "text", text: `查询失败：${err.message}` }],
      isError: true,
    };
  }
});

错误处理四原则：

1. 永远不让服务器崩溃 — try/catch 包裹所有外部调用
2. 返回可操作的错误信息 — 告诉 AI 问题是什么、能做什么
3. 使用 isError: true — 让 AI 知道调用失败
4. 区分错误类型 — 参数错误、权限不足、资源不存在、服务不可用

5. 资源管理和生命周期

// 资源注册
server.resource("user-profile", "users://{userId}/profile", async (uri) => {
  const profile = await db.getProfile(extractId(uri));
  return { contents: [{ uri: uri.href, mimeType: "application/json", text: JSON.stringify(profile) }] };
});

// 生命周期：先初始化 → 再 connect → 监听关闭信号
const db = await Database.connect(config.dbUrl);
await server.connect(new StdioServerTransport());
process.on("SIGINT", async () => { await db.disconnect(); await server.close(); process.exit(0); });

关键点：使用连接池、所有外部调用设超时、优雅关闭清理资源。

6. 测试策略

单元测试 — 业务逻辑与 MCP 注册分离

// tools/search.ts 导出纯函数
export async function searchUsers(query: string, limit: number) { /* ... */ }

// search.test.ts 独立测试
test("返回匹配结果", async () => {
  const results = await searchUsers("alice", 10);
  expect(results[0].name).toContain("Alice");
});

集成测试 — 用 SDK Client 做端到端验证

const [clientTransport, serverTransport] = InMemoryTransport.createLinkedPair();
await server.connect(serverTransport);
const client = new Client({ name: "test", version: "1.0.0" });
await client.connect(clientTransport);
const result = await client.callTool("search_users", { query: "test" });
expect(result.isError).toBeFalsy();

MCP Inspector — 交互式调试

npx @modelcontextprotocol/inspector node dist/index.js

在浏览器中查看所有 tools/resources，手动调用并查看结果。

测试要点： 每个 Tool 覆盖正常 + 异常路径、边界值、外部服务失败模拟。

TDD 集成： 实现每个 Tool/Resource 的业务逻辑时，使用 test-driven-development 的红-绿-重构循环——先写失败的测试，再写最少实现，再重构。

7. 安全考虑

权限控制：

• 最小权限原则，读写 Tool 分离
• 危险操作要求确认参数（如 confirm: true）

输入安全：

• SQL 注入 → 参数化查询，绝不拼接
• 路径遍历 → 校验路径，禁止 ../
• 命令注入 → 用 execFile 而非 exec

敏感数据：

• 密钥通过环境变量传入，不硬编码
• 日志不打印完整敏感信息
• 返回数据做脱敏处理

沙箱： 文件操作限制目录、网络请求限制白名单、设置资源配额。

8. 部署和分发

npm 发布

{ "bin": { "mcp-server-myservice": "dist/index.js" }, "files": ["dist"] }

用户配置：

{ "mcpServers": { "myservice": { "command": "npx", "args": ["@yourorg/mcp-server-myservice"], "env": { "API_KEY": "xxx" } } } }

pip 发布

[project.scripts]
mcp-server-myservice = "my_mcp_server.server:main"

Docker — 适用于复杂依赖或隔离场景

FROM node:20-slim
WORKDIR /app
COPY package*.json ./ && RUN npm ci --production
COPY dist ./dist
ENTRYPOINT ["node", "dist/index.js"]

9. 调试技巧

关键：MCP 用 stdio 通信，不能用 console.log，会破坏协议流。

// 错误
console.log("debug");
// 正确
console.error("[DEBUG]", info);
// 更好
server.sendLoggingMessage({ level: "info", data: "处理中" });

常见问题：

调试流程： Inspector 验证基本功能 → 手动调用确认输入输出 → 连接真实 AI 客户端观察调用模式 → 根据实际行为调整设计。

10. 构建检查清单

设计

• 明确 Tools vs Resources vs Prompts 分工
• Tool 命名 动词_名词，描述说明用途和返回内容
• 参数简洁，可选参数有合理默认值

实现

• 输入用 Zod/Pydantic 校验
• 外部调用有 try/catch 和超时
• 错误返回 isError: true 并附可操作信息
• 不用 console.log（用 stderr 或 SDK 日志）
• 敏感数据走环境变量

测试

• 核心逻辑有单元测试
• 有集成测试验证 MCP 协议交互
• 用 MCP Inspector 手动验证过
• 用真实 AI 客户端测试过

部署

• README 含安装和配置说明
• 提供客户端配置 JSON 示例
• 遵循 semver，无硬编码密钥

交付验证

• 使用 verification-before-completion 验证所有测试通过、构建成功，才能宣称完成