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.md

GitHub

m24 — 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).