mcpField
G
GetABrain

GetABrain

本地服务
getabrain.aiAI 与智能体07 周前更新

关于 GetABrain

GetABrain 是供 AI Agent 调用人工判断的 MCP 服务,可提交问题并接收结构化回答。它支持本地运行或连接托管端点,也提供模拟回答的测试模式。

主要功能

  1. 01提交 16 类问题
  2. 02轮询人工回答
  3. 03查看近期查询与余额
  4. 04评价回答质量
  5. 05使用模拟回答进行测试

适用场景

  1. 01收集人工评分或比较结果
  2. 02请求审核图像、视频或音频
  3. 03不花费资金测试 Agent 的人工反馈流程

MCP 相关

向 MCP 客户端提供 7 个工具,用于提交查询、查看回答与余额、充值及评价回答。可本地运行,也可通过托管的 Streamable HTTP 端点连接。

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": {
"guitarmaniac24-getabrain": {
"command": "npx",
"args": [
"-y",
"@getabrain/mcp-server"
],
"env": {
"GETABRAIN_API_KEY": "<GETABRAIN_API_KEY>",
"GETABRAIN_API_SECRET": "<GETABRAIN_API_SECRET>"
}
}
}
}
启动命令npx -y @getabrain/mcp-server
需要配置的环境变量
GETABRAIN_API_KEY密钥API key (gab_k_...) from POST /api/v1/requestor/auth/signup
GETABRAIN_API_SECRET密钥API secret (gab_s_...) shown once at signup

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
npm@getabrain/mcp-server0.2.1

工具

7

收录的工具列表 · 更新于 3 周前

此工具无需参数。

详细介绍

GetABrain

@getabrain/mcp-server

适用于 GetABrain.ai 的 MCP 服务——将真实人类的判断力作为原生工具提供给你的 AI Agent。

与 Claude Desktop / Cursor 配合使用

添加到你的 MCP 客户端配置中(例如 claude_desktop_config.json):

{
  "mcpServers": {
    "getabrain": {
      "command": "npx",
      "args": ["-y", "@getabrain/mcp-server"],
      "env": {
        "GETABRAIN_API_KEY": "gab_k_…",
        "GETABRAIN_API_SECRET": "gab_s_…"
      }
    }
  }
}

在 https://getabrain.ai 注册以获取 API 密钥。

远程(托管)MCP 服务——无需安装

不想在本地运行任何东西?GetABrain 也通过 Streamable HTTP 托管了同一 MCP 服务,地址为 https://www.getabrain.ai/api/mcp。将任何支持远程服务的 MCP 客户端指向该 URL,并 通过请求头传递密钥对,而不是使用环境变量:

{
  "mcpServers": {
    "getabrain": {
      "url": "https://www.getabrain.ai/api/mcp",
      "headers": {
        "X-API-Key": "gab_k_…",
        "X-API-Secret": "gab_s_…"
      }
    }
  }
}

包含相同的 7 个工具、相同的架构,并支持相同的测试模式——详情(Smithery 风格的客户端、身份验证要求等)请参阅本仓库中的 docs/deploy/remote-mcp.md。

测试模式

测试模式是密钥上的一个标志,并非不同的密钥格式。创建 API 密钥时——通过 POST /api/v1/requestor/keys 并使用 {"mode":"test"},或在控制面板中选择“test”——你会获得 一对完全正常的 gab_k_… / gab_s_… 密钥。字符串中没有 _test_;测试属性保存在数据库中,作为该密钥的 is_test 标志。无需充值或银行卡。

将 GETABRAIN_API_KEY / GETABRAIN_API_SECRET 设置为测试模式密钥后,服务的行为完全相同,但以下情况除外:

  • submit_query 不会动用余额——不扣费,也不会出现 insufficient_balance 错误。
  • 返回的响应为合成数据,并始终标记为 simulated: true,因此在涉及真实人工工作者或真实资金之前,你就可以端到端构建并测试工作流(提交 → 等待/轮询 → 评分)。
  • get_balance 会报告 mode: "test",让 Agent/人工一眼就能辨别当前所处的环境。

准备好上线时:创建一个实时模式密钥(使用相同的调用并设置 {"mode":"live"},或采用控制面板默认值),使用 create_topup_link 为账户充值(两种密钥类型均可使用——测试模式的 Agent 可以生成链接,由人工完成结账以添加真实资金),然后替换环境变量。此时 get_balance 会报告 mode: "live",而 submit_query 将开始消耗真实余额并派发任务给真实的付费工作者。

工具

  • get_balance — 只读:预付余额(美分)、mode("test"/"live")和 auto_reload_enabled (关闭且可能导致实时账户余额归零时,会提供设置链接和提示)。
  • create_topup_link — 生成用于充值的 Stripe Checkout URL(最低 $5);人工在浏览器中打开并付款——Agent 无法自行完成付款。
  • submit_query — 向真实的人提问(16 种问题类型:A/B 测试、评分、排名、情感、是/否、图像/视频/音频审阅、语音/视频/照片采集,……)。返回 query_id。使用实时密钥时会消耗余额;使用测试密钥时免费且 simulated: true。
  • get_responses — 一次性只读查询:返回当前状态及此刻已有的响应,不等待。
  • wait_for_responses — 有时限的轮询(最多 max_wait_seconds,默认/最大值为 50s);收到足够响应时返回 ready 和响应,否则返回 pending——再次调用即可继续等待。如果希望工具调用本身等待,请使用此工具,而不是 get_responses。
  • list_queries — 只读:列出近期的问题,可按 status 筛选。
  • rate_response — 为工作者的回答评分,范围为 1–5(可选 feedback_text);评分会反馈给工作者质量系统。

Agent 工作流示例

  1. get_balance → 确认余额(或使用 mode: "test" 进行免费沙盒测试)。
  2. 如果实时密钥的余额不足:调用 create_topup_link → 人工完成结账 → 再次调用 get_balance。
  3. 调用 submit_query → 获取 query_id。
  4. 调用 wait_for_responses(在返回 pending 时重复调用)→ 查看人工(测试模式下为模拟)回答。
  5. 调用 rate_response → 可选择为每条响应评分,以改进后续的工作者匹配。

完整 API 文档:https://getabrain.ai/docs/api

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。