$ loading_
将 OpenAPI 规范精炼为更清晰精简的 MCP 服务，并评估工具选择准确率。
基于现有材料，mcp-curate 未声明需要密钥或远程外发端点，且源码开源可审计，整体偏低风险。主要需留意其具备本地代码执行能力，且社区采用与维护情况证据较弱。
材料明确标注“需要的密钥/环境变量：无”，未见要求 API key、Token 或其他敏感凭证；当前材料下凭证泄露或滥用面较小。
材料标注“远程端点 host：无”，描述中也未声明会将用户数据发送到外部服务；在现有证据下未见明确的数据外发路径。
系统检查项明确包含 executes-code，且该工具功能涉及将 OpenAPI 规格转换为 MCP server，通常意味着本地生成/处理代码或运行相关流程；这是工具常规能力，应按需在隔离环境中使用。
按其声明用途，工具至少需要读取输入的 OpenAPI 规格，并可能写出生成的 MCP server 或评测产物；虽未见要求超出功能范围的系统级访问，但仍属于本地文件读写能力，需留意处理的数据范围。
正面因素是开源、MIT 许可且可审计；但来源为 third_party_registry，社区采用仅 0 star，维护状态未知，公开可信度与持续维护证据较弱，因此供应链建议审慎看待而非判为高风险。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-curate" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请读取这个 OpenAPI 规范，将其转换为一个精炼的 MCP 服务。合并重复或相近的端点，输出更少但更清晰的工具，并说明每个工具的用途与命名理由。
一个精简后的 MCP 工具清单，包含工具定义、命名说明及合并建议。
基于这个 OpenAPI 规范生成 MCP 服务，并创建一个评测方案，测试模型在不同用户请求下是否能正确选择工具。请给出测试样例、评分方法和准确率指标。
一套用于衡量工具选择准确率的评测用例、指标说明和测试框架。
分析这个 OpenAPI 规范中适合暴露给 AI 的操作，设计一组更易理解的 MCP 工具名称与描述，避免歧义、重复和过度细分，并说明取舍依据。
一组更适合 AI 调用的工具名称、描述及工具裁剪原则。
将运行中的 FastAPI 应用快速转为 MCP 服务，便于用自然语言调用接口