Atla
offiziellErmöglicht KI-Agenten die Interaktion mit der Atla-API für eine hochmoderne LLM-Evaluierung.
Was kann man mit Atla MCP machen?
- Einzelne LLM-Antwort bewerten — Bewerten und kritisieren Sie die Antwort eines LLM anhand eines benutzerdefinierten Bewertungskriteriums mit
evaluate_llm_response. - Bewertung über mehrere Kriterien hinweg — Beurteilen Sie eine LLM-Antwort anhand mehrerer Kriterien gleichzeitig und erhalten Sie kriterienspezifische Bewertungen und Feedback mit
evaluate_llm_response_on_multiple_criteria.
Dokumentation
Atla MCP-Server
[!CAUTION] Dieses Repository wurde am 21. Juli 2025 archiviert. Die Atla-API ist nicht mehr aktiv.
Eine MCP-Server-Implementierung, die eine standardisierte Schnittstelle für LLMs zur Interaktion mit der Atla-API für modernste LLMJ-Bewertung bereitstellt.
Erfahren Sie mehr über Atla hier. Erfahren Sie mehr über das Model Context Protocol hier.
Verfügbare Werkzeuge
evaluate_llm_response: Bewertet die Antwort eines LLM auf eine Eingabeaufforderung anhand eines vorgegebenen Bewertungskriteriums. Diese Funktion verwendet intern ein Atla-Bewertungsmodell und gibt ein Dictionary zurück, das eine Punktzahl für die Modellantwort sowie eine textuelle Kritik mit Feedback zur Modellantwort enthält.evaluate_llm_response_on_multiple_criteria: Bewertet die Antwort eines LLM auf eine Eingabeaufforderung anhand mehrerer Bewertungskriterien. Diese Funktion verwendet intern ein Atla-Bewertungsmodell und gibt eine Liste von Dictionaries zurück, die jeweils eine Bewertungspunktzahl und eine Kritik für ein bestimmtes Kriterium enthalten.
Nutzung
Um den MCP-Server zu verwenden, benötigen Sie einen Atla-API-Schlüssel. Sie finden Ihren vorhandenen API-Schlüssel hier oder erstellen einen neuen hier.
Installation
Wir empfehlen die Verwendung von
uvzur Verwaltung der Python-Umgebung. Installationsanweisungen finden Sie hier.
Manuelles Ausführen des Servers
Sobald Sie uv installiert haben und über Ihren Atla-API-Schlüssel verfügen, können Sie den MCP-Server manuell mit uvx (bereitgestellt von uv) ausführen:
ATLA_API_KEY=<your-api-key> uvx atla-mcp-server
Verbindung zum Server herstellen
Haben Sie Probleme oder benötigen Hilfe bei der Verbindung mit einem anderen Client? Eröffnen Sie gerne ein Issue oder kontaktieren Sie uns!
OpenAI Agents SDK
Weitere Details zur Verwendung des OpenAI Agents SDK mit MCP-Servern finden Sie in der offiziellen Dokumentation.
- Installieren Sie das OpenAI Agents SDK:
pip install openai-agents
- Verwenden Sie das OpenAI Agents SDK, um eine Verbindung zum Server herzustellen:
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:
...
Claude Desktop
Weitere Details zur Konfiguration von MCP-Servern in Claude Desktop finden Sie im offiziellen MCP-Schnellstartleitfaden.
- Fügen Sie Folgendes zu Ihrer
claude_desktop_config.json-Datei hinzu:
{
"mcpServers": {
"atla-mcp-server": {
"command": "uvx",
"args": ["atla-mcp-server"],
"env": {
"ATLA_API_KEY": "<your-atla-api-key>"
}
}
}
}
- Starten Sie Claude Desktop neu, um die Änderungen zu übernehmen.
Sie sollten nun Optionen von atla-mcp-server in der Liste der verfügbaren MCP-Werkzeuge sehen.
Cursor
Weitere Details zur Konfiguration von MCP-Servern in Cursor finden Sie in der offiziellen Dokumentation.
- Fügen Sie Folgendes zu Ihrer
.cursor/mcp.json-Datei hinzu:
{
"mcpServers": {
"atla-mcp-server": {
"command": "uvx",
"args": ["atla-mcp-server"],
"env": {
"ATLA_API_KEY": "<your-atla-api-key>"
}
}
}
}
Sie sollten nun atla-mcp-server in der Liste der verfügbaren MCP-Server sehen.
Mitwirken
Beiträge sind willkommen! Weitere Details finden Sie in der Datei CONTRIBUTING.md.
Lizenz
Dieses Projekt ist unter der MIT-Lizenz lizenziert. Weitere Details finden Sie in der Datei LICENSE.