m24
Dua kemampuan meta-dev: bangun MCP server (Python/TS) dengan best practices, dan prompt engineering (deteksi + fix masalah prompt otomatis). Komplemen m7 (AI builder) & m16 (software eng). Too
SKILL.mdskills/superagent/m24/SKILL.md
GitHubm24 — MCP-Builder & Prompt Engineering (NEW in v4.1)
Dua kemampuan meta-dev: bangun MCP server (Python/TS) dengan best practices, dan prompt engineering (deteksi + fix masalah prompt otomatis). Komplemen m7 (AI builder) & m16 (software eng). Tool: tools/mcp_builder.py.
| Capability | Surface | Output |
|---|---|---|
| MCP server builder | Python (FastMCP) / TS (@modelcontextprotocol/sdk) | server scaffold runnable |
| Prompt engineer | analisa prompt → temuan → rewrite | prompt yang lebih tajam |
1. MCP-Builder
MCP (Model Context Protocol) = standar buat ngasih tool/resource ke LLM host (Claude, Cursor, dll). Bangun server = define tools + schema yang jelas.
from mcp_builder import scaffold_mcp
scaffold_mcp("weather", lang="python", tools=[
{"name":"get_forecast", "desc":"Ramalan cuaca per kota",
"params":{"city":"str", "days":"int"}},
]) # → ./mcp-weather/ : server.py + pyproject + README + run cmd
Best practices yang di-enforce scaffold:
- Tool description tajam — host milih tool dari deskripsi; vague = salah panggil. Satu kalimat what+when.
- Schema ketat — typed params, required vs optional eksplisit, contoh nilai.
- Error sebagai data — return error message yang LLM bisa pahami & retry, bukan exception mentah.
- Idempoten kalau bisa + jangan side-effect diam-diam.
- Stdio default, HTTP kalau remote (kasih auth).
Python pakai FastMCP (pip install mcp); TS pakai @modelcontextprotocol/sdk. Untuk daftar/explore MCP yang ada → host punya registry (lihat juga m0 marketplace untuk skill, beda dari MCP server).
2. Prompt-Engineer skill
Deteksi & fix masalah prompt secara sistematis, bukan tebak-tebakan:
from mcp_builder import audit_prompt # prompt tools sekaligus di mcp_builder
print(audit_prompt(my_system_prompt))
# → temuan: [ambiguous-instruction, no-output-format, conflicting-rules, no-examples, ...]
Checklist masalah prompt umum:
| Masalah | Gejala | Fix |
|---|---|---|
| Ambigu | model nebak-nebak intent | spesifik + contoh |
| Gak ada format output | output gak konsisten | tentuin skema/struktur |
| Aturan bentrok | model pilih random | resolve konflik, prioritas eksplisit |
| Negasi doang ("jangan X") | model tetap X | kasih yang HARUS dilakukan, bukan cuma larangan |
| Few-shot lemah | gagal di edge case | contoh yang mewakili kasus sulit |
| Overload | satu prompt 10 tugas | pecah / chain |
Loop optimasi prompt = eval-driven (pakai x5): ubah 1 elemen → eval → bandingkan pass_rate & variance → keep yang menang. Jangan ubah banyak sekaligus.
Catatan
- MCP server = kode yang jalan → review sebelum expose; HTTP mode wajib auth (sama prinsip dashboard m17).
- Prompt engineering nyambung ke m7 (provider/model) & x5 (ukur perbaikan).
- Combo: m24 + m7 (LLM) + m16 (package/deploy server) + x5 (eval prompt).