maap

本地服务

github.com/hitl-systems数据与分析01 周前更新

代码仓库

关于 maap

maap 是面向需要从杂乱记录中估算数值的 Agent 的 MCP 服务。它返回校准后的概率分布、阈值概率，以及用于判断结果可信度的指标。

主要功能

01搜索 104 个训练目标
02估算中位数和分位数
03返回区间及阈值概率
04提供校准与新颖度指标

适用场景

01估算前查找目标
02根据案例描述估算数值
03评估数值超过阈值的概率

MCP 相关

向 MCP 客户端提供 `list_targets` 和 `estimate` 工具。服务可查找目标，并按次针对一个案例和目标生成分布。

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。

mcp.json · 通用配置

{
  "mcpServers": {
    "codecraf8-maap": {
      "command": "npx",
      "args": [
        "-y",
        "maap-mcp"
      ],
      "env": {
        "MAAP_API_KEY": "<MAAP_API_KEY>",
        "MAAP_BASE_URL": "<MAAP_BASE_URL>"
      }
    }
  }
}

启动命令npx -y maap-mcp

需要配置的环境变量

MAAP_API_KEY密钥API key from https://dash.hitl.systems/keys

MAAP_BASE_URLOverride the API base URL. Defaults to https://dash.hitl.systems

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

npmmaap-mcp0.1.1stdio

工具

收录的工具列表 · 更新于 1 周前

参数	类型	必填	说明
limit	integer	否	返回的数量。
query	string	否	与 id 和描述匹配的关键字，例如 "price"、"pollution"、"rings"。
primitive	enum	否	amount = 类似货币的金额，count = 整数，measure = 刻度上的读数。amount \| count \| measure

详细介绍

maap-mcp

通过 MCP 使用 maap：询问一个数值，即可获得经过校准的分布——中位数、真实值应落入的范围，以及超过你指定阈值的概率。

有两个工具：

工具	作用
`list_targets`	搜索 104 个已训练目标。请先调用此工具——目标 ID 无法猜出
`estimate`	针对一个案例和一个目标，返回中位数、分位数、区间、`P(value > t)`，以及答案的校准程度

安装

在 dash.hitl.systems/keys 获取密钥，然后将服务添加到你的客户端。

Claude Desktop — claude_desktop_config.json：

{
  "mcpServers": {
    "maap": {
      "command": "npx",
      "args": ["-y", "maap-mcp"],
      "env": { "MAAP_API_KEY": "apikey_..." }
    }
  }
}

Claude Code：

claude mcp add maap --env MAAP_API_KEY=apikey_... -- npx -y maap-mcp

目前尚未发布到 npm——在发布之前，可在上述任一配置中将 maap-mcp 替换为 github:hitl-systems/maap-mcp，直接从此仓库安装。已提交构建好的程序包，因此无需编译。

Cursor — ~/.cursor/mcp.json：使用与 Claude Desktop 相同的 mcpServers 配置块。

变量	必需	默认值
`MAAP_API_KEY`	是	—
`MAAP_BASE_URL`	否	`https://dash.hitl.systems`

使用方法

maap 中哪个目标可以预测机票价格？请估算一张提前 9 天预订的 Vistara 德里 → 孟买直飞经济舱机票的票价，并告诉我票价超过 ₹10,000 的概率。

Agent 会先调用 list_targets 获取 ID，然后以你的案例作为 state 调用 estimate。

将中位数作为答案，将范围作为规划依据。 对于阈值问题，请传入 thresholds 并查看 P(value > t)——不要自行将中位数与阈值比较；中位数表示中间位置，而非超过阈值的可能性。

答案还会说明应有多大程度的信任：regime（in_domain，或模型仅了解示例所教内容时为 new_target）、calibration（"none" 表示未通过检查的校正，因此该范围不保证覆盖率），以及当案例与训练数据中的所有内容都不同时出现的 novelty_flag。已知限制见： dash.hitl.systems/docs/calibration。