摘要：微软研究院的 MCP Interviewer 是一个开源 CLI 工具，用于帮助开发者构建和维护 MCP 服务器。它可以自动检查 MCP 服务器是否符合约束，进行功能测试和 LLM 评估，并生成报告。该工具旨在确保 MCP 服务器在各种代理客户端上可靠地工作，

微软研究院的 MCP Interviewer 是一个开源 CLI 工具，用于帮助开发者构建和维护 MCP 服务器。它可以自动检查 MCP 服务器是否符合约束，进行功能测试和 LLM 评估，并生成报告。该工具旨在确保 MCP 服务器在各种代理客户端上可靠地工作，但目前仍是一个实验性项目。

译自：New Python CLI Tool Catches MCP Server Issues Before Agents Do

作者：Steven J. Vaughan-Nichols

想充分利用 MCP 吗？你应该看看微软研究院的 MCP Interviewer。

模型上下文协议 (MCP) 已经迅速成为一个非常流行的开放标准，用于将 AI 代理与外部数据和服务连接起来。这很棒，但是如何确保你的服务器可以与 MCP 正常工作呢？来看看微软研究院的 MCP Interviewer。

MCP Interviewer 是一个开源（在 MIT 许可下）的 CLI 工具，旨在帮助开发人员构建和维护 MCP 的服务器。具体来说，它是一个 Python CLI 工具，使你能够在你的代理遇到问题之前捕获 MCP 服务器问题。

该程序为 MCP 服务器实现提供自动检查、功能测试、代理评估和深入报告。该工具对服务器的工具、提示、资源和能力模式进行编目，使用统计数据和直接交互来突出显示合规性，检测约束违规，并揭示代理 AI 系统的可用性问题。

其主要特点是：

约束检查：自动检查 MCP 服务器是否符合提供商约束（例如 OpenAI 工具限制和命名约定），帮助开发人员避免部署陷阱。

功能测试：使用大型语言模型代理（例如 GPT-4.1）创建和执行测试计划，以交互方式执行服务器工具，并详细记录成功、错误和性能指标。

LLM 评估：可选地通过 LLM 应用自然语言评估标准来评估工具可用性和功能输出，从而显示代理兼容性并检测模糊或误导性的工具元数据。

报告生成：输出人类可读的 Markdown（和 JSON）报告，总结约束违规、统计数据和定性标准评估，以供开发人员和维护人员使用。

微软研究院表示，所有这些的意义在于，随着“代理的激增，我们预计严重依赖垂直整合的策略不会很好地老化。 来自不同开发人员或公司的代理将越来越多地相互遇到，并且必须协同工作才能完成任务，这就是我们所说的代理社会。”

MCP 服务器不知道它们正在与哪些客户端或模型一起工作。例如，它们不知道哪些 LLM 可以比其他 LLM 更好地处理长上下文和大型工具空间，并且对常见的提示模式的响应可能大相径庭。因此，虽然 MCP 正在成为将 LLM 驱动的代理连接到业务工具、内容存储库和开发平台上的互操作性层，但 MCP Interviewer 被定位为关键的验证器和调试助手。通过自动化兼容性检查和代理就绪性评估，Interviewer 将使开发人员能够自信地发布和维护 MCP 服务器，这些服务器可以在各种代理客户端上可靠地工作。

另一个问题是，对于某些模型而言，大型代理工具空间可能会使性能降低高达 85%。你看，由于 MCP 没有提供关于工具调用产生多少 token 的指导，因此代理响应可能会淹没 LLM 的上下文窗口。在极端高端，一个工具平均返回 557,766 个 token。这足以淹没几乎任何 LLM 的上下文窗口。MCP Interviewer 工具通过跟踪 MCP 服务器的面向外部的属性，可以帮助避免 MCP 速度减慢甚至彻底失败。

这一切都很好，但是微软研究院提醒我们，MCP Interviewer 仍然是一个实验性项目。目前，你应该手动检查其输出，而不要在生产中使用它。该团队鼓励来自开源和 MCP 社区的反馈和贡献，以进一步完善测试功能、报告和安全标准。也就是说，如果 MCP Interviewer 发展成为一个强大而可靠的程序，它可能会成为任何严肃的 MCP 部署的重要组成部分。

来源：嚣张科技圈