mcpField
A
Atla MCP Server

Atla MCP Server

本地服务
github.com/spisupatAI 与智能体081 周前更新

关于 Atla MCP Server

Atla MCP Server 为 Agent 提供标准接口,以调用 Atla SDK 和 Selene 1 评估模型,面向需要评估和改进模型响应的开发者。它支持单条与批量评估,并可查询、创建评估指标。

主要功能

  1. 01使用 Selene 1 评估单条响应
  2. 02批量评估响应
  3. 03列出可用评估指标
  4. 04创建或按名称获取指标

适用场景

  1. 01评估 Agent 生成的单条响应
  2. 02批量运行响应评估
  3. 03依据评估反馈改进文本

MCP 相关

该 MCP 服务向客户端提供 Atla SDK 的评估能力,包括响应评估和评估指标管理。README 展示了与 OpenAI Agents SDK、Claude Desktop 和 Cursor 的接入方式。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Atla MCP 服务

一种 MCP 服务实现,为大模型提供标准化接口,使其能够与 Atla SDK 交互并使用我们的最先进的评估模型。

功能

  • 使用 Selene 1 评估单条回复
  • 使用 Selene 1 运行批量评估
  • 列出可用的评估指标、创建新指标或按名称获取指标

安装

  1. Fork 此仓库,并将其克隆到本地某个目录中。此目录将作为你的 path/to/atla-mcp-server
git clone https://github.com/yourusername/atla-mcp-server.git
cd atla-mcp-server
pwd
# /path/to/atla-mcp-server
  1. 如果系统中尚未安装 uv,请将其安装到 /path/to/uv — 你可以在此处找到安装说明。例如,在 MacOS 上:
brew install uv
which uv
# /path/to/uv
  1. 将依赖项安装到 /path/to/atla-mcp-server 中的虚拟环境
uv venv
uv sync
  1. 将你的 ATLA_API_KEY 添加到环境变量中 — 你可以在此处找到自己的密钥。例如,在 MacOS 上:
export ATLA_API_KEY=<your-atla-api-key> >> ~/.zshrc
source ~/.zshrc
echo $ATLA_API_KEY
# <your-atla-api-key>
  • 如果你使用 OpenAI agents 构建,还需要在环境变量中设置 OPENAI_API_KEY

使用方法

与 OpenAI Agents SDK 搭配使用

atla-mcp-server 可按如下方式与 OpenAI agents SDK 搭配使用:

from agents import Agent
from agents.mcp import MCPServerStdio
import os
atla_api_key = os.environ.get("ATLA_API_KEY", "<your_atla_api_key>") # You can also manually set your ATLA_API_KEY here

async with MCPServerStdio(
        params={
            "command": "python",
            "args": ["/path/to/atla-mcp-server/atla-mcp-server.py"],
            "env": {"ATLA_API_KEY":atla_api_key}
        }
    ) as atla_mcp_server:
        # Create an agent with the Atla evaluation server
        agent = Agent(
            name="AssistantWithAtlaEval",
            instructions="""
            You are a helpful assistant. Your goal is to provide high-quality responses to user requests.
            You can use the Atla evaluation tool to improve your responses.
            """,
            mcp_servers=[atla_mcp_server], # You can equip any Agent with Atla's MCP server like this
            model="gpt-4o-mini"
        )

例如,在 /path/to/atla-mcp-server 中运行以下命令:

uv run examples/agent_with_atla_eval.py "Write a one-line poem about the ocean. Evaluate it with atla for cliche and improve it once using the feedback."

你也可以在 examples/agent_notebook.ipynb 中试用此示例的 Notebook 版本。

与 Claude Desktop 搭配使用
  • 从此处下载 Claude Desktop(这是本地服务,无法与网页端的 claude.ai 配合使用)
  • 点击 Claude → Settings… → Developer → Edit Config
  • 将以下内容添加到 claude_desktop_config.json 文件中(确保将 <your-atla-api-key> 替换为你实际的 Atla API 密钥):
{
	"mcpServers": {
		"atla-mcp-server": {
			"command": "/path/to/uv",
			"args": [
			"--directory",
			"/path/to/atla-mcp-server",
			"run",
			"atla-mcp-server.py"
			],
			"env": {
			"ATLA_API_KEY": "<your-atla-api-key>"
			}
		}
	}
}
  • 重启 Claude Desktop 后,你应该会在可用 MCP 服务列表中看到 atla-mcp-server,并且 Claude 可以使用 5 个工具。
  • 给 Claude 的提示词示例:Write a poem, evaluate it with atla for helpfulness
与 Cursor 搭配使用
  • 将以下内容添加到你的 .cursor/mcp.json 中:
{
	"mcpServers": {
		"atla-mcp-server": {
			"command": "/path/to/uv",
			"args": [
			"--directory",
			"/path/to/atla-mcp-server",
			"run",
			"atla-mcp-server.py"
			],
			"env": {
			"ATLA_API_KEY": "<your-atla-api-key>"
			}
		}
	}
}

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。