🛠️ 开发工具 全难度 📦 Anthropic

mcp-builder

指导编写 Model Context Protocol 服务器，连接外部 API 和数据源。

8.8 /10 ★★★★☆
📅 2026-06-15 · 🕒 4 分钟阅读 · 最后更新 2026-06-15 · 来源: Anthropic · 分析测评
#Anthropic#MCP
📄 相关文章

📊 评分明细

⚡ 功能完备度
8.8 核心功能齐全
🎯 易用性
8.5 安装即用
🔧 可扩展性
9.1 支持定制和 fork
🔗 生态协同
8.7 可链式调用
🛡️ 稳定性
9.1 内置验证流程

🎯 适用场景

AnthropicMCP

anthropic-mcp-builder 快速入门

Anthropic 官方 MCP 构建 Skill,手把手教你写 Model Context Protocol 服务器,把任意外部 API/数据源接进 Claude。

这是什么?解决什么问题?

mcp-builder 是 Anthropic 在 anthropics/skills 仓库中维护的”教你写 MCP 服务器”的 Skill。Model Context Protocol(MCP)是 Anthropic 推出的开放协议,用于让 AI 模型安全地连接外部工具和数据源——文件、数据库、API、Slack、GitHub 等等。

这个 Skill 包含完整的 MCP 开发指引:Python/Node 双栈脚手架、Schema 校验(JSON Schema 描述工具入参)、stdio/SSE 传输方式选择、调试工具链(Inspector)、测试方法、发布到 MCP Registry。

对小白来说,这个 Skill 解决的是”我想让 Claude 帮我操作公司内网 GitLab,但不知道怎么接”的问题。MCP 协议让这一切标准化——你写一个 MCP Server,告诉 Claude 哪个工具叫什么名字、入参是什么,Claude 就能直接调用。mcp-builder 把这个流程模板化、自动化,几十分钟就能跑通第一个 MCP。

准备工作

  • 支持 Agent:Claude Code(主推)、任何支持 MCP 协议的客户端(Cursor、Cline 等)。
  • 运行环境:Python 3.10+ 或 Node.js 18+;pip install mcp 或 npm install @modelcontextprotocol/sdk。
  • 可选工具:MCP Inspector(npx @modelcontextprotocol/inspector)用于调试。
  • 目标场景:接 GitHub API、Slack、Notion、Postgres、内部系统,任意能让 AI “操作”的外部能力。

3 步快速上手

第 1 步:安装依赖

# Python
pip install mcp

# 或 Node.js
npm install @modelcontextprotocol/sdk

克隆 Skill:

git clone https://github.com/anthropics/skills.git
cp -r skills/mcp-builder ~/.claude/skills/

第 2 步:在 Claude Code 中请求脚手架

claude

发起任务:

请用 mcp-builder Skill 帮我生成一个 Python MCP Server,叫 "github-issues",提供 list_issues、create_issue、close_issue 三个工具,基于 GitHub REST API。

第 3 步:配置 Claude Code 加载

把生成的 server 配置到 ~/.claude/mcp.json:

{
  "mcpServers": {
    "github-issues": {
      "command": "python",
      "args": ["path/to/github_issues_server.py"],
      "env": {
        "GITHUB_TOKEN": "ghp_xxxxx"
      }
    }
  }
}

重启 Claude Code,发起:

请用 github-issues 工具列出我的 repo 里的所有 open issues。

AI 自动调用 MCP 工具,返回 issues 列表。

常见踩坑

  1. stdio vs SSE 选错:本地开发用 stdio(简单),远程服务用 SSE/HTTP(复杂)。Skill 文档有详细对比。
  2. Schema 不严格:工具入参 schema 必须严格 JSON Schema,否则客户端拒绝调用。
  3. 错误处理不到位:工具内部要 try/except,失败时返回结构化错误(MCP 标准格式),不是直接抛异常。
  4. 敏感信息泄露:API Key 等敏感数据走 env 变量,不要硬编码或日志输出。
  5. 传输不稳定:SSE 长连接可能断,要实现重连逻辑。
  6. 混淆 MCP 与 Function Calling:Function Calling 是 OpenAI 的,MCP 是 Anthropic 推动的开放协议,语法相近但生态不同。

初级用法

  • 接 GitHub API:让 Claude 直接看 PR、改 issue。
  • 接 Postgres:让 Claude 直接跑 SQL 查询(注意 read-only 限制)。
  • 接 Slack:让 Claude 直接发消息到指定频道。

高级玩法

  • 多 MCP 组合:同时加载 github、jira、slack,Claude 跨工具编排工作流。
  • 私有 Registry:企业内部 MCP Registry,统一管理工具版本与权限。
  • 认证与授权:OAuth 2.0 流程,每个用户单独 token,Skill 文档有详细示例。

小技巧

  • 用 MCP Inspector(npx @modelcontextprotocol/inspector)调试,可视化测试每个工具。
  • Tool 描述写清楚”何时使用”,AI 触发准确率提升 50%。
  • 工具入参 schema 提供 description 字段,AI 才能正确传参。
  • 长任务用 async,避免阻塞主进程;Skill 文档有 async/await 示例。
  • 关注 MCP 官方文档的 Breaking Changes,SDK 升级时及时跟进。

常见问题 FAQ

Q1: 这个 Skill 跟 anthropic-mcp-builder 有什么关系?必须装吗?

A: Skill 是给 AI Agent 用的”技能包”,能告诉 Agent 怎么按特定规范工作。不是必须装——如果你的项目规模小、要求不高,不装也能用。但装上能让 Agent 输出的质量更高、更符合最佳实践,推荐装。

Q2: 这个 Skill 适合哪些 AI Agent?Cursor?Claude Code?其他?

A: anthropic-mcp-builder 来自 Anthropic,主要面向支持 Skill 机制的 Agent。常见兼容 Agent 包括 Claude Code、Cursor、OpenCode、Windsurf 等。具体兼容性请查 Skill 官方文档。

Q3: 装了这个 Skill 后,会拖慢 Agent 响应吗?

A: 会的——Skill 通常会增加 prompt 长度,导致响应变慢、token 消耗增加。但质量提升明显。建议:1) 只装项目必需的 Skill;2) 用 Skill 启动/加载/卸载机制按需加载;3) 定期清理不用的 Skill。

Q4: 怎么验证 Skill 装对了?

A: 在 Agent 中输入”列出已加载的 Skill”或类似命令。如果 Skill 出现在列表里,说明装对了。然后用 Skill 跑一个相关任务,看输出是否符合 Skill 规范。

Q5: 这个 Skill 有许可证吗?能商用吗?

A: 取决于 anthropic-mcp-builder 的许可证。常见许可证包括 MIT(完全自由)、Apache-2.0(自由但有专利条款)、源可用(可看不能用)、GPL(强开源)。商用前请查仓库 LICENSE 文件。

进阶学习建议

如果想进一步用好 anthropic-mcp-builder,建议按以下路径学习:

第 1 周:熟练使用

  • 完成 3 步快速上手,跑通第一个任务
  • 试 2-3 个不同场景的真实任务
  • 记录”哪些 prompt 有效、哪些没用”——形成自己的 prompt 笔记

第 2 周:理解机制

  • 阅读 Skill 的官方文档(README、SKILL.md)
  • 了解 Skill 的”触发关键词”和”输出格式”
  • 学习”如何用更具体的描述触发 Skill”

第 3-4 周:组合使用

  • 跟其他 Skill 组合(比如代码审查 + 性能优化)
  • 跟其他 Agent 工具组合(Skill + MCP + 自定义脚本)
  • 沉淀团队/个人的 Skill 库

长期:贡献社区

  • 把自定义的 Skill 开源到 GitHub
  • 提 PR 改进现有 Skill
  • 写使用心得分享到 CSDN/掘金/知乎

推荐资源:

避免的坑:

  • 不要装太多 Skill(超过 10 个会拖慢 Agent)
  • 不要把 Skill 装在不兼容的 Agent 上
  • 不要直接复制 Skill 默认 prompt——要根据项目调整
  • 定期 review Skill 库的实用性,清理不用的

参考链接

MCP 的行业意义

Model Context Protocol(MCP)是 Anthropic 在 2024 年底推出的开放协议,目标是让 AI 模型与外部工具/数据源建立标准化连接。推出后被 OpenAI、Google、Microsoft 等公司陆续支持,正在成为 AI 工具生态的”USB 接口”。

在 MCP 之前,每个 AI 助手都要为每个外部工具写一套适配代码;有了 MCP,所有工具都按统一协议暴露,AI 助手按统一协议消费——典型的”接口标准化”红利。mcp-builder Skill 的价值就是降低”造一个 MCP 工具”的门槛。

进一步阅读

实战建议

  1. 接 GitHub API:让 Claude 直接看 PR、改 issue。
  2. 接 Postgres:让 Claude 直接跑 SQL 查询(注意 read-only 限制)。
  3. 接 Slack:让 Claude 直接发消息到指定频道。
  4. 多 MCP 组合:同时加载 github、jira、slack,Claude 跨工具编排工作流。
  5. 私有 Registry:企业内部 MCP Registry,统一管理工具版本与权限。
  6. 认证与授权:OAuth 2.0 流程,每个用户单独 token,Skill 文档有详细示例。

本文基于官方文档和公开资料整理，AI辅助生成，MagicNetWorld 尚未完成独立实测。如有错误或过时信息，请通过 contact@magicnetworld.com 反馈。

mcp-builder Skill 多维度简评

来源：anthropics/skills（官方） 类别：开发工具 / MCP 协议

说明：本文基于官方文档和公开资料整理，未经 MagicNetWorld 实测。

一、核心定位与价值

MCP（Model Context Protocol） 是 Anthropic 于 2024 年 11 月开源的开放协议，旨在为 AI 应用提供统一的工具连接标准。Anthropic CEO 称之为”AI 的 USB-C 接口”——一个协议连接所有工具。

截至 2026 年，MCP 生态已有超过 9700 万次 SDK 下载、13000+ MCP 服务器在 GitHub 上发布，并被 Gartner 预测到 2026 年底 75% 的 API 网关供应商将支持 MCP。2025 年 12 月，Anthropic 将 MCP 捐赠给 Linux Foundation 的 Agentic AI Foundation。

mcp-builder Skill 是教你编写符合 MCP 规范的生产级服务器的完整指南。

二、MCP 三大能力

1. Tools（工具）

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("weather-service")

@mcp.tool()
def get_weather(city: str) -> str:
    """查询指定城市的天气"""
    return f"{city} 今天 25°C，晴"

2. Resources（资源）

@mcp.resource("file://docs/{path}")
def read_file(path: str) -> str:
    """读取文件内容"""
    with open(path) as f:
        return f.read()

3. Prompts（提示模板）

@mcp.prompt()
def review_code(language: str) -> str:
    return f"请用 {language} 最佳实践审查以下代码："

三、MCP vs Function Calling

维度Function CallingMCP
抽象层级单个函数协议体系
状态管理无状态有状态（连接、会话、缓存）
跨平台各家不同一次实现，多端适配
客户端集成每家单独适配一次适配，所有 MCP Host 可用

四、典型使用场景

场景 1：数据库 MCP

将 PostgreSQL 查询能力暴露给 Claude：

@mcp.tool()
def query_database(sql: str) -> list:
    """执行参数化 SQL 查询"""
    # 使用 psycopg2 等库
    return results

场景 2：GitHub MCP

让 Claude 能创建 Issue、搜索代码：

@mcp.tool()
def create_issue(repo: str, title: str, body: str) -> dict:
    """创建 GitHub Issue"""
    # 调用 GitHub API
    return response

场景 3：文件系统 MCP

@mcp.resource("file://{path}")
def read_file(path: str) -> str:
    """读取本地文件"""
    with open(path) as f:
        return f.read()

五、MCP 客户端生态

客户端MCP 支持
Claude Desktop✅ 原生
Claude Code✅ 原生
Cursor✅ 原生
OpenCode✅ 支持
Codex✅ 支持
Gemini CLI✅ 通过扩展
VS Code Copilot✅ 部分支持

一个 MCP Server，多个客户端通用。

六、安装

# Claude Code
/plugin install example-skills@anthropic-agent-skills

# 通用
npx skills add anthropics/skills --skill mcp-builder

Python 环境

pip install mcp

Node.js 环境

npm install @modelcontextprotocol/sdk

七、6 条实战建议

  1. 一个 Tool 只做一件事：输入输出保持简单稳定
  2. 结构化错误：返回 JSON 格式，不是自然语言字符串
  3. 不返回分析结论：只返回原始数据，分析交给 LLM
  4. 不让模型拼 SQL：使用参数化查询
  5. 权限控制：敏感操作加 token 验证
  6. 写测试用例：使用 MCP Inspector 调试

八、常见 Q&A

Q: MCP 和 Anthropic 绑定吗？ A: 不绑定。已开源并捐赠给 Linux Foundation，OpenAI、Google 等都支持。

Q: 必须用 Claude 吗？ A: 不需要。任何支持 MCP 协议的客户端都能用。

Q: 怎么调试？ A: 使用 mcp dev server.py 启动 MCP Inspector 可视化调试。

Q: 企业私有部署？ A: 能。MCP Server 就是普通程序，可部署在任意环境。

九、总结

核心价值：让 AI 不只”会想”，还能”会做”；一次编写，多端通用。

适用人群：后端开发者、DBA、工具开发者——想要 AI 真正干活的必装。

投入产出比：⭐⭐⭐⭐——非所有项目必需，但扩展 AI 能力的关键。

参考资料

📦 快速安装

1 方式 1 
pip install mcp
npm install @modelcontextprotocol/sdk
```
克隆 Skill:
```bash
git clone https://github.com/anthropics/skills.git
cp -r skills/mcp-builder ~/.claude/skills/