[!警告] 该仓库已于2025年7月21日归档。Atla API 不再活跃。
这是一个提供标准化接口的MCP服务器实现,用于LLMs与Atla API交互,以进行最先进的LLMJ评估。
<a href="https://glama.ai/mcp/servers/@atla-ai/atla-mcp-server"> <img width="380" height="200" src="https://gips2.baidu.com/it/u=2100774727,2036463773&fm=3081&app=3181&f=PNG?w=760&h=400" alt="Atla MCP 服务器" /> </a>
evaluate_llm_response: 使用给定的评估标准来评估LLM对提示的响应。此函数使用Atla评估模型返回一个字典,其中包含模型响应的评分以及对模型响应的文本批评。evaluate_llm_response_on_multiple_criteria: 在多个评估标准下评估LLM对提示的响应。此函数使用Atla评估模型返回一个字典列表,每个字典包含给定标准下的评估分数和批评。我们推荐使用
uv来管理Python环境。安装说明请参见这里。
一旦您安装了uv并获取了Atla API密钥,您可以使用uvx(由uv提供)手动运行MCP服务器:
ATLA_API_KEY=<您的API密钥> uvx atla-mcp-server
遇到问题或需要帮助连接到其他客户端?欢迎随时提交问题或联系我们!
关于如何使用OpenAI Agents SDK与MCP服务器配合使用的更多详情,请参考官方文档。
pip install openai-agents
import os
from agents import Agent
from agents.mcp import MCPServerStdio
async with MCPServerStdio(
params={
"command": "uvx",
"args": ["atla-mcp-server"],
"env": {"ATLA_API_KEY": os.environ.get("ATLA_API_KEY")}
}
) as atla_mcp_server:
...
关于如何在Claude Desktop中配置MCP服务器的更多详情,请参考官方MCP快速入门指南。
claude_desktop_config.json文件中:{
"mcpServers": {
"atla-mcp-server": {
"command": "uvx",
"args": ["atla-mcp-server"],
"env": {
"ATLA_API_KEY": "<您的atla-api密钥>"
}
}
}
}
现在您应该能在可用的MCP工具列表中看到来自atla-mcp-server的选项。
关于如何在Cursor中配置MCP服务器的更多详情,请参考官方文档。
.cursor/mcp.json文件中:{
"mcpServers": {
"atla-mcp-server": {
"command": "uvx",
"args": ["atla-mcp-server"],
"env": {
"ATLA_API_KEY": "<您的atla-api密钥>"
}
}
}
}
现在您应该能在可用的MCP服务器列表中看到atla-mcp-server。
欢迎贡献!详情请参阅CONTRIBUTING.md文件。
本项目采用MIT许可证。详情请参阅LICENSE文件。