Atla MCP 服务器

一个提供标准化接口的MCP（机器学习平台）服务器实现，使LLM能够与Atla SDK交互，并利用我们最新的评估模型Selene 1进行交互。

特性

• 使用Selene 1评估单个响应
• 批量运行Selene 1评估
• 列出可用的评估指标，创建新的指标或按名称获取它们

安装

1. 分叉代码库并在本地某个目录中克隆它。这将定义你的path/to/atla-mcp-server

git clone https://github.com/yourusername/atla-mcp-server.git
cd atla-mcp-server
pwd
# /path/to/atla-mcp-server

2. 如果你还没有安装uv，请在/path/to/uv处安装它。你可以在此链接找到安装说明。例如，在MacOS上：

brew install uv
which uv
# /path/to/uv

3. 在/path/to/atla-mcp-server处将要求安装到虚拟环境中

uv venv
uv sync

4. 将你的ATLA_API_KEY添加到环境变量中——你可以在此处找到它。例如，在MacOS上：

export ATLA_API_KEY=<your-atla-api-key> >> ~/.zshrc
source ~/.zshrc
echo $ATLA_API_KEY
# <your-atla-api-key>

• 如果你使用OpenAI代理构建，你还需提供一个OPENAI_API_KEY环境变量

使用说明

与OpenAI代理SDK一起使用

Atla MCP服务器可以与OpenAI代理SDK结合使用如下：

from agents import Agent
from agents.mcp import MCPServerStdio
import os
atla_api_key = os.environ.get("ATLA_API_KEY", "<your_atla_api_key>") # 你也可以在这里手动设置你的ATLA_API_KEY

async with MCPServerStdio(
        params={
            "command": "python",
            "args": ["/path/to/atla-mcp-server/atla-mcp-server.py"],
            "env": {"ATLA_API_KEY": atla_api_key}
        }
    ) as server:
        # 在此处添加你的代码

与Claude Desktop一起使用

在config.yaml文件中，将以下内容添加到agents部分：

  atla_mcp_server:
    type: mcp_server
    params:
      command: uv run --env ATLA_API_KEY=<your-atla-api-key> /path/to/atla-mcp-server ./atla-mcp-server.py

与Cursor一起使用

在config.yaml文件中，将以下内容添加到agents部分：

  atla_mcp_server:
    type: mcp_server
    params:
      command: uv run --env ATLA_API_KEY=<your-atla-api-key> /path/to/atla-mcp-server ./atla-mcp-server.py