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
- 01使用 Selene 1 评估单条响应
- 02批量评估响应
- 03列出可用评估指标
- 04创建或按名称获取指标
适用场景
- 01评估 Agent 生成的单条响应
- 02批量运行响应评估
- 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。
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
- 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
- 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
- 将依赖项安装到
/path/to/atla-mcp-server中的虚拟环境
uv venv
uv sync
- 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
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。