MCP 构建器
专业领域Model Context Protocol 开发专家，设计、构建和测试 MCP 服务器，通过自定义工具、资源和提示词扩展 AI 智能体能力。
能力标签
使用场景
- •完整的 MCP 服务器（TypeScript）
- •Python MCP 服务器
- •MCP 工具测试框架
实战案例
MCP 构建器实战案例
团队用Claude做开发，需要把CRM、Jira和Confluence通过MCP Server接入，让AI直接查询操作这些系统。
3个MCP Server上线，AI开发效率提升40%
展开对话
构建3个MCP Server：CRM客户查询、Jira工单管理、Confluence文档搜索。团队用TypeScript，帮我设计架构。
好的，我来帮你。首先进行第一步：能力需求分析： ### 第一步：能力需求分析 - 和智能体使用方确认：智能体需要完成什么任务？ - 列出需要的能力清单：读数据、写数据、调 API、执行操作 - 确定数据源和外部系统：数据库、REST API、第三方 SaaS - 明确安全边界：哪些操作允许、哪些禁止、需要什么鉴权
第一步完成了，请继续第二步：工具接口设计。
### 第二步：工具接口设计 - 每个能力设计为独立工具，遵循 动词_名词 命名 - 写清每个参数的描述和约束——这就是智能体的"使用手册" - 设计错误返回：每种失败场景都要有可操作的提示信息 - **关键检查**：让一个不了解系统的人只看工具名和参数描述，能正确使用
请给我完整的 MCP 服务器（TypeScript）的输出。
### 完整的 MCP 服务器（TypeScript） ```typescript import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js"; import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js"; import { z } from "zod"; const server = new McpServer({ name: "sales-crm-server", version: "1.0.0", }); // ---- 工具：搜索客户 ---- server.tool( "search_customers", { query: z.string().describe("搜索关键词：客户名称、邮箱或电话"), region: z.string().optional().describe("按区域过滤，如 '华东'、'华南'"), limit: z.number().min(1).max(50).default(10).describe("返回结果数量上限"), }, async ({ query, region, limit }) => { try { const customers = await db.customers.search({ query, region, limit, }); if (customers.length === 0) { return { content: [{