build-custom-mcp-server
정보
이 스킬은 개발자들이 Node.js나 R을 사용하여 AI 어시스턴트를 위한 도메인 특화 도구를 제공하는 맞춤형 MCP 서버를 구축할 수 있게 합니다. 서버 구현, 도구 정의, 전송 구성, Claude Code를 이용한 테스트를 다룹니다. 표준 MCP 도구를 넘어선 맞춤 기능이 필요할 때, 특수 도메인 통합이 필요할 때, 또는 기존 API를 MCP 도구로 래핑해야 할 때 사용하세요.
빠른 설치
Claude Code
추천npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/build-custom-mcp-serverClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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/listgibt 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 verbindentroubleshoot-mcp-connection— Verbindungsprobleme debuggencontainerize-mcp-server— Den Server in Docker paketieren
GitHub 저장소
연관 스킬
content-collections
메타이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.
polymarket
메타이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.
creating-opencode-plugins
메타이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.
sglang
메타SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.
