关于 magenie33-quality-dimension-generator
此 MCP 服务将任务描述转化为可衡量的质量标准和目标分数。它先分析任务,再生成评估标准,可用于软件、写作、项目管理和研究工作。
主要功能
- 01生成任务分析提示词
- 02生成质量维度
- 03可衡量的评分标准
- 04预期分数目标
适用场景
- 01设定代码和测试标准
- 02定义写作质量标准
- 03明确项目交付要求
- 04建立研究评估标准
MCP 相关
提供生成任务分析提示词的工具,并可根据分析结果生成质量维度提示词。
配置
远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。
服务地址
https://server.smithery.ai/@magenie33/quality-dimension-generator/mcp一键复制安装命令
Claude CodeTerminal
claude mcp add --transport http ai-smithery-magenie33-quality-dimension-generator https://server.smithery.ai/@magenie33/quality-dimension-generator/mcpCursor.cursor/mcp.json
{"mcpServers":{"ai-smithery-magenie33-quality-dimension-generator":{"type":"http","url":"https://server.smithery.ai/@magenie33/quality-dimension-generator/mcp"}}}在 Cursor 中打开VS Code.vscode/mcp.json
{"servers":{"ai-smithery-magenie33-quality-dimension-generator":{"type":"http","url":"https://server.smithery.ai/@magenie33/quality-dimension-generator/mcp"}}}在 VS Code 中打开Claude Desktopclaude_desktop_config.json
{"mcpServers":{"ai-smithery-magenie33-quality-dimension-generator":{"type":"http","url":"https://server.smithery.ai/@magenie33/quality-dimension-generator/mcp"}}}Windsurf~/.codeium/windsurf/mcp_config.json
{"mcpServers":{"ai-smithery-magenie33-quality-dimension-generator":{"serverUrl":"https://server.smithery.ai/@magenie33/quality-dimension-generator/mcp"}}}命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。
全部服务地址
Streamable HTTP
https://server.smithery.ai/@magenie33/quality-dimension-generator/mcp需要授权工具
详细介绍
质量维度生成器
一款可为任意任务生成质量评估标准的 MCP 服务。通过 AI 驱动的分析,将模糊需求转化为精准、可衡量的质量标准,最终提升最终成果的质量。
🎯 功能介绍
- 📊 分析任务 - 理解需要完成的工作
- 🎯 制定评估标准 - 生成具体的质量维度和评分标准
- 📈 设置目标分数 - 定义预期的质量水平(例如,8/10)
- ✅ 指导执行 - 按照明确的质量标准帮助你完成任务
🚀 快速开始
安装
从 Smithery AI Model Context Protocol Registry 安装:
基本用法
步骤 1: 生成任务分析
generate_task_analysis_prompt({
userMessage: "Write a 1000-word article about AI"
})
步骤 2: 生成质量标准
generate_quality_dimensions_prompt({
taskAnalysisJson: "..." // JSON from step 1
})
结果: 获取包含目标分数的全面质量评估标准,然后按照这些标准完成任务。
📋 输出示例
对于任务“撰写一篇技术博客”:
{
"expectedScore": 8,
"scoreCalculation": "Average of all 5 dimension scores",
"dimensions": [
{
"name": "Technical Accuracy",
"description": "Correctness and depth of technical content",
"importance": "Ensures readers get reliable information",
"scoring": {
"10": "All technical details verified and comprehensive",
"8": "Mostly accurate with minor gaps",
"6": "Generally correct but lacks depth"
}
}
// ... 4 more dimensions
]
}
💡 使用场景
- 软件开发 - 代码质量、测试和文档标准
- 内容创作 - 写作质量、SEO 和互动指标
- 项目管理 - 交付标准、时间进度遵循情况
- 研究 - 方法论、准确性和展示标准
🤝 参与贡献
欢迎贡献!本项目采用 MIT 许可证开源。
🔗 资源
立即提升你的工作质量! 🚀
评论
支持 Markdown
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。