🚀 Atla MCP 服务器

Atla MCP 服务器是一个提供标准化接口的 MCP（机器学习平台）服务器实现。它让 LLM 能够与 Atla SDK 交互，还能利用我们最新的评估模型 Selene 1 进行交互，为机器学习应用提供了强大的支持。

🚀 快速开始

Atla MCP 服务器为 LLM 与 Atla SDK 的交互提供了标准化接口，借助 Selene 1 评估模型，可实现高效的评估功能。以下将详细介绍其特性、安装及使用方法。

✨ 主要特性

• 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。

📦 安装指南

1. 克隆代码库：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. 安装 uv：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. 创建虚拟环境：在 /path/to/atla-mcp-server 处将要求安装到虚拟环境中。

uv venv
uv sync

4. 设置环境变量：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>

⚠️ 重要提示

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

💻 使用示例

基础用法

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，示例代码如下：

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

高级用法

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