Zurück zu Fähigkeiten

build-custom-mcp-server

pjt222
Aktualisiert Yesterday
3 Ansichten
17
2
17
Auf GitHub ansehen
Metaaitestingapimcpdesign

Über

Diese Fähigkeit ermöglicht es Entwicklern, benutzerdefinierte MCP-Server in Node.js oder R zu erstellen, die domänenspezifische Tools für KI-Assistenten bereitstellen. Sie behandelt die Server-Implementierung, Tool-Definitionen, Transportkonfiguration und Tests mit Claude Code. Nutzen Sie sie, wenn Sie benutzerdefinierte Funktionalität jenseits der Standard-MCP-Tools benötigen, für spezialisierte Domänenintegrationen oder um bestehende APIs als MCP-Tools zu kapseln.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/build-custom-mcp-server

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

Benutzerdefinierten MCP-Server bauen

Einen benutzerdefinierten MCP-Server erstellen, der domaenenspezifische Werkzeuge fuer KI-Assistenten bereitstellt.

Wann verwenden

  • Benutzerdefinierte Funktionalitaet fuer Claude Code oder Claude Desktop bereitstellen
  • Spezialisierte Werkzeuge ueber mcptools hinaus erstellen
  • Eine domaenenspezifische KI-Assistenten-Integration aufbauen
  • Bestehende APIs oder Dienste als MCP-Werkzeuge wrappen

Eingaben

  • Erforderlich: Liste der bereitzustellenden Werkzeuge (Name, Beschreibung, Parameter, Verhalten)
  • Erforderlich: Implementierungssprache (Node.js oder R)
  • Erforderlich: Transporttyp (stdio oder HTTP)
  • Optional: Authentifizierungsanforderungen
  • Optional: Docker-Paketierungsbedarf

Vorgehensweise

Schritt 1: Werkzeugspezifikationen definieren

Vor dem Schreiben von Code jedes Werkzeug definieren:

tools:
  - name: query_database
    description: Execute a read-only SQL query against the analysis database
    parameters:
      query:
        type: string
        description: SQL SELECT query to execute
        required: true
      limit:
        type: integer
        description: Maximum rows to return
        default: 100
    returns: JSON array of result rows

  - name: run_analysis
    description: Execute a predefined statistical analysis by name
    parameters:
      analysis_name:
        type: string
        description: Name of the analysis to run
        enum: [descriptive, regression, survival]
      dataset:
        type: string
        description: Dataset identifier
        required: true

Erwartet: Eine YAML- oder Markdown-Spezifikation fuer jedes Werkzeug mit Name, Beschreibung, Parametern (einschliesslich Typen, Standardwerten und Pflichtflags) und Rueckgabetyp, dokumentiert vor dem Schreiben von Code.

Bei Fehler: Wenn Werkzeugspezifikationen unklar sind, den Domaenenexperten befragen oder die bestehende API-Dokumentation pruefen, um Parametertypen und Rueckgabeformate zu bestimmen.

Schritt 2: In Node.js implementieren (mit MCP SDK)

// server.js
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: "my-analysis-server",
  version: "1.0.0",
});

// Define tools
server.tool(
  "query_database",
  "Execute a read-only SQL query against the analysis database",
  {
    query: z.string().describe("SQL SELECT query"),
    limit: z.number().default(100).describe("Max rows to return"),
  },
  async ({ query, limit }) => {
    // Validate read-only
    if (!/^\s*SELECT/i.test(query)) {
      return {
        content: [{ type: "text", text: "Error: Only SELECT queries allowed" }],
        isError: true,
      };
    }

    const results = await executeQuery(query, limit);
    return {
      content: [{ type: "text", text: JSON.stringify(results, null, 2) }],
    };
  }
);

server.tool(
  "run_analysis",
  "Execute a predefined statistical analysis",
  {
    analysis_name: z.enum(["descriptive", "regression", "survival"]),
    dataset: z.string().describe("Dataset identifier"),
  },
  async ({ analysis_name, dataset }) => {
    const result = await runAnalysis(analysis_name, dataset);
    return {
      content: [{ type: "text", text: JSON.stringify(result, null, 2) }],
    };
  }
);

// Start server with stdio transport
const transport = new StdioServerTransport();
await server.connect(transport);

Erwartet: Eine funktionierende server.js-Datei, die das MCP SDK importiert, Werkzeuge mit Zod-Schemas definiert und ueber stdio-Transport verbindet. node server.js startet den Server ohne Fehler.

Bei Fehler: Sicherstellen, dass @modelcontextprotocol/sdk und zod installiert sind (npm install). Pruefen, dass die Import-Pfade zur SDK-Version passen (das SDK hat Exports zwischen Versionen umstrukturiert).

Schritt 3: In R implementieren (mit mcptools)

# server.R
library(mcptools)

# Register custom tools
mcp_tool(
  name = "query_database",
  description = "Execute a read-only SQL query",
  parameters = list(
    query = list(type = "string", description = "SQL SELECT query"),
    limit = list(type = "integer", description = "Max rows", default = 100)
  ),
  handler = function(query, limit = 100) {
    if (!grepl("^\\s*SELECT", query, ignore.case = TRUE)) {
      stop("Only SELECT queries allowed")
    }
    result <- DBI::dbGetQuery(con, paste(query, "LIMIT", limit))
    jsonlite::toJSON(result, auto_unbox = TRUE)
  }
)

# Start server
mcptools::mcp_server()

Erwartet: Eine funktionierende server.R-Datei, die benutzerdefinierte Werkzeuge mit mcp_tool() registriert und den Server mit mcp_server() startet. Rscript server.R startet den MCP-Server.

Bei Fehler: Sicherstellen, dass mcptools von GitHub installiert ist (remotes::install_github("posit-dev/mcptools")). Pruefen, dass die Handler-Funktionssignaturen zu den Parameterdefinitionen passen.

Schritt 4: Projektstruktur einrichten

my-mcp-server/
├── package.json          # Node.js dependencies
├── server.js             # Server implementation
├── tools/                # Tool implementations
│   ├── database.js
│   └── analysis.js
├── test/                 # Tests
│   └── tools.test.js
├── Dockerfile            # Container packaging
└── README.md             # Setup instructions

Erwartet: Projektverzeichnis erstellt mit server.js (oder server.R), package.json, tools/-Verzeichnis fuer modulare Werkzeugimplementierungen und test/-Verzeichnis fuer Tests.

Bei Fehler: Wenn die Verzeichnisstruktur nicht zur Implementierungssprache passt, entsprechend anpassen. R-Server verwenden moeglicherweise R/ statt tools/ und tests/testthat/ statt test/.

Schritt 5: Den Server testen

Manuelles Testen mit stdio:

echo '{"jsonrpc":"2.0","method":"tools/list","id":1}' | node server.js

Bei Claude Code registrieren:

claude mcp add my-server stdio "node" "/path/to/server.js"

Werkzeuge erscheinen verifizieren:

Eine Claude-Code-Sitzung starten und pruefen, dass benutzerdefinierte Werkzeuge aufgelistet und funktionsfaehig sind.

Erwartet: Der tools/list JSON-RPC-Aufruf gibt alle definierten Werkzeuge mit korrekten Namen und Schemas zurueck. claude mcp list zeigt den registrierten Server. Werkzeuge sind aus einer Claude-Code-Sitzung aufrufbar.

Bei Fehler: Wenn tools/list ein leeres Array zurueckgibt, wurden die Werkzeuge nicht vor server.connect() registriert. Wenn Claude Code den Server nicht finden kann, pruefen, dass der Befehlspfad in claude mcp add absolut ist und die Binaerdatei ausfuehrbar ist.

Schritt 6: Fehlerbehandlung hinzufuegen

server.tool("risky_operation", "...", schema, async (params) => {
  try {
    const result = await performOperation(params);
    return {
      content: [{ type: "text", text: JSON.stringify(result) }],
    };
  } catch (error) {
    return {
      content: [{ type: "text", text: `Error: ${error.message}` }],
      isError: true,
    };
  }
});

Erwartet: Jeder Werkzeug-Handler ist in try/catch gewrappt. Ungueltige Eingaben geben isError: true mit einer beschreibenden Nachricht zurueck, anstatt den Serverprozess zum Absturz zu bringen.

Bei Fehler: Wenn der Server bei schlechter Eingabe immer noch abstuerzt, pruefen, dass try/catch den gesamten Handler-Body einschliesslich aller asynchronen Operationen umschliesst. Sicherstellen, dass Promises innerhalb des try-Blocks awaited werden.

Schritt 7: Fuer Distribution paketieren

Eine package.json mit einem bin-Eintrag erstellen:

{
  "name": "my-mcp-server",
  "version": "1.0.0",
  "bin": {
    "my-mcp-server": "./server.js"
  },
  "dependencies": {
    "@modelcontextprotocol/sdk": "^1.0.0",
    "zod": "^3.22.0"
  }
}

Benutzer koennen dann installieren und konfigurieren:

npm install -g my-mcp-server
claude mcp add my-server stdio "my-mcp-server"

Erwartet: Eine package.json mit einem bin-Eintrag, der auf den Server-Einstiegspunkt zeigt. Benutzer koennen global mit npm install -g installieren und mit claude mcp add registrieren.

Bei Fehler: Wenn der bin-Eintrag nach globaler Installation nicht funktioniert, sicherstellen, dass server.js eine Shebang-Zeile hat (#!/usr/bin/env node) und als ausfuehrbar markiert ist. Pruefen, dass der Paketname nicht mit bestehenden npm-Paketen kollidiert.

Validierung

  • Server startet ohne Fehler
  • tools/list gibt alle definierten Werkzeuge mit korrekten Schemas zurueck
  • Jedes Werkzeug fuehrt korrekt mit gueltiger Eingabe aus
  • Werkzeuge geben angemessene Fehler fuer ungueltige Eingaben zurueck
  • Server funktioniert mit Claude Code ueber stdio-Transport
  • Werkzeuge sind in Claude-Sitzungen auffindbar und nutzbar

Haeufige Stolperfallen

  • Blockierende Operationen: MCP-Server sollten Anfragen asynchron bearbeiten. Lang laufende Operationen blockieren andere Werkzeugaufrufe
  • Fehlende Fehlerbehandlung: Unbehandelte Ausnahmen bringen den Server zum Absturz. Werkzeug-Handler immer in try/catch wrappen
  • Schema-Inkompatibilitaeten: Werkzeug-Parameterschemas muessen exakt dem entsprechen, was der Handler erwartet
  • stdio-Pufferung: Bei Verwendung von stdio-Transport sicherstellen, dass die Ausgabe geflusht wird. Node.js puffert stdout standardmaessig
  • Sicherheit: MCP-Server haben den gleichen Zugriff wie der Prozess. Eingaben sorgfaeltig validieren, besonders fuer Shell-Befehle oder Datenbankabfragen

Verwandte Skills

  • configure-mcp-server — Den gebauten Server mit Clients verbinden
  • troubleshoot-mcp-connection — Verbindungsprobleme debuggen
  • containerize-mcp-server — Den Server in Docker paketieren

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/de/skills/build-custom-mcp-server
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

content-collections

Meta

Diese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.

Skill ansehen

polymarket

Meta

Diese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.

Skill ansehen

creating-opencode-plugins

Meta

Diese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.

Skill ansehen

sglang

Meta

SGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.

Skill ansehen