mcpField
🦉
🦉 Trustwise MCP Server

🦉 Trustwise MCP Server

本地服务
github.com/trustwiseaiAI 与智能体468 周前更新

关于 🦉 Trustwise MCP Server

Trustwise MCP Server 为开发者提供评估工具,用于衡量大模型响应的质量、安全性、对齐度和表现。其工具覆盖内容属性,也能估算推理成本与碳排放。

主要功能

  1. 01评估忠实度与相关性
  2. 02检测个人信息和提示注入风险
  3. 03衡量清晰度、语气与有用性
  4. 04检查政策和指令遵循情况
  5. 05估算推理成本与碳排放

适用场景

  1. 01评估大模型响应的安全性和可靠性
  2. 02检查生成内容的清晰度与对齐度
  3. 03估算推理成本和碳影响
  4. 04在 Agent 或 AI 工作流中加入评估检查

MCP 相关

将 Trustwise 评估指标作为工具提供给 MCP 客户端,用于评估模型响应。

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": {
"trustwise": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"TW_API_KEY",
"ghcr.io/trustwiseai/trustwise-mcp-server:latest"
],
"env": {
"TW_API_KEY": "<TW_API_KEY>"
}
}
}
}
启动命令docker run -i --rm -e TW_API_KEY ghcr.io/trustwiseai/trustwise-mcp-server:latest
需要配置的环境变量
TW_API_KEY密钥

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
ocighcr.io/trustwiseai/trustwise-mcp-server:latest

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

🦉 Trustwise MCP 服务

Trustwise MCP 服务是一个 Model Context Protocol (MCP) 服务,提供一套用于 AI 安全、对齐和性能的高级评估工具。它使开发者和 AI 工具能够使用 Trustwise 行业领先的指标,以编程方式评估大模型输出的质量、安全性和成本。

💡 使用场景

  • 评估大模型回答的安全性和可靠性。
  • 衡量 AI 生成内容的对齐度、清晰度和实用性。
  • 估算模型推理的碳足迹和成本。
  • 将稳健的评估集成到 AI 流水线、Agent 或编排框架中。

🛠️ 前提条件

📦 安装和运行

Claude Desktop

要将 Trustwise MCP 服务连接到 Claude Desktop,请将以下配置添加到 Claude Desktop 设置中:

{
  "mcpServers": {
    "trustwise": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "TW_API_KEY",
        "ghcr.io/trustwiseai/trustwise-mcp-server:latest"
      ],
      "env": {
        "TW_API_KEY": "<YOUR_TRUSTWISE_API_KEY>"
      }
    }
  }
}

要指定特定的 Trustwise 实例,请在 env 下设置以下可选环境变量:

TW_BASE_URL: "<YOUR_TRUSTWISE_INSTANCE_URL>"

例如:"TW_BASE_URL": "https://api.yourdomain.ai"

Cursor

要将 Trustwise MCP 服务连接到 Cursor,请将以下配置添加到 Cursor 设置中:

{
  "mcpServers": {
    "trustwise": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "TW_API_KEY",
        "-e",
        "TW_BASE_URL",
        "ghcr.io/trustwiseai/trustwise-mcp-server:latest"
      ],
      "env": {
        "TW_API_KEY": "<YOUR_TRUSTWISE_API_KEY>"
      }
    }
  }
}

将 <YOUR_TRUSTWISE_API_KEY> 替换为你的实际 Trustwise API 密钥。

🧰 工具

Trustwise MCP 服务提供以下工具(指标)。可以使用指定参数调用每个工具,以评估模型回答。

🛡️ Trustwise 指标
工具名称描述
faithfulness_metric评估回答对其上下文的忠实度
answer_relevancy_metric评估回答与查询的相关性
context_relevancy_metric评估上下文与查询的相关性
pii_metric检测回答中的 PII
prompt_injection_metric检测提示词注入风险
summarization_metric评估摘要质量
clarity_metric评估回答的清晰度
formality_metric评估回答的正式程度
helpfulness_metric评估回答的实用性
sensitivity_metric评估回答的敏感性
simplicity_metric评估回答的简明程度
tone_metric评估回答的语气
toxicity_metric评估回答的毒性
refusal_metric检测是否拒绝回答查询或遵循查询要求
completion_metric评估是否完成查询中的指令
adherence_metric评估是否遵循给定的政策或指令
stability_metric评估多个回答的稳定性(一致性)
carbon_metric估算回答的碳足迹
cost_metric估算回答的成本

如需查看更多示例和高级用法,请参阅官方 Trustwise SDK。

📄 许可证

本项目采用 MIT 开源许可证。详情请参阅 LICENSE。

🔒 安全

  • 请勿提交机密信息或 API 密钥。
  • 此代码库是公开的;推送之前,请检查所有代码和文档中是否包含敏感信息。

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。