MCP 服务器

Atla MCP Server

一个 MCP 服务器实现，为 LLM 提供一个标准化的接口，以便与 Atla API 交互。

atla-ai

开发者工具

访问服务器

README

Atla MCP 服务器

一个 MCP 服务器实现，为 LLM 提供了一个标准化的接口，使其能够与 Atla SDK 交互并使用我们最先进的评估模型。

特性

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

用法

要使用 MCP 服务器，您需要一个 Atla API 密钥。您可以在这里找到您现有的 API 密钥，或者在这里创建一个新的 API 密钥。

远程用法

Atla 提供了一个托管的 MCP 服务器，可以被任何 MCP 客户端使用。这意味着您无需克隆存储库并在本地运行它，即可使用 MCP 服务器。

连接到服务器

Claude Desktop

有关在 Claude Desktop 中配置 MCP 服务器的更多详细信息，请参阅官方 MCP 快速入门指南。

将以下内容添加到您的 claude_desktop_config.json 文件中：

{
  "mcpServers": {
    "atla-mcp-server": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://mcp.atla-ai.com/sse",
        "--header",
        "Authorization: Bearer ${ATLA_API_KEY}"
      ],
      "env": {
        "ATLA_API_KEY": "<your-atla-api-key>"
      }
    }
  }
}

重启 Claude Desktop 以应用更改。

您现在应该在可用 MCP 工具的列表中看到来自 atla-mcp-server 的选项。

Cursor

有关在 Cursor 中配置 MCP 服务器的更多详细信息，请参阅官方文档。

将以下内容添加到您的 .cursor/mcp.json 文件中：

{
  "mcpServers": {
    "atla-mcp-server": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://mcp.atla-ai.com/sse",
        "--header",
        "Authorization: Bearer ${ATLA_API_KEY}"
      ],
      "env": {
        "ATLA_API_KEY": "<your-atla-api-key>"
      }
    }
  }
}

您现在应该在可用 MCP 服务器的列表中看到 atla-mcp-server。

OpenAI Agents SDK

有关将 OpenAI Agents SDK 与 MCP 服务器一起使用的更多详细信息，请参阅官方文档。

安装 OpenAI Agents SDK：

pip install openai-agents

使用 OpenAI Agents SDK 连接到服务器：

import os

from agents import Agent
from agents.mcp import MCPServerStdio

async with MCPServerStdio(
        params={
            "command": "npx",
            "args": ["mcp-remote", "https://mcp.atla-ai.com/sse", "--header", "Authorization: Bearer ${ATLA_API_KEY}"],
            "env": {"ATLA_API_KEY": os.environ.get("ATLA_API_KEY")}
        }
    ) as atla_mcp_server:
        # Create an agent with the Atla evaluation server
        agent = Agent(
            name="AssistantWithAtlaEval",
            instructions="""
            You are a helpful assistant. Your goal is to provide high-quality responses to user requests.
            You can use the Atla evaluation tool to improve your responses.
            """,
            mcp_servers=[atla_mcp_server],
            model="gpt-4o-mini"
        )

本地用法

本地托管是与 MCP 服务器交互的传统方式。在本地运行服务器还可以通过添加新工具和资源来扩展功能。

安装

我们建议使用 uv 来管理 Python 环境。

克隆存储库：

git clone https://github.com/yourusername/atla-mcp-server.git
cd atla-mcp-server

创建并激活虚拟环境：

uv venv
source .venv/bin/activate

根据您的需要安装依赖项：

# 基本安装
uv pip install -e .

# 安装开发工具（推荐）
uv pip install -e ".[dev]"
pre-commit install

将您的 ATLA_API_KEY 添加到您的环境中：

export ATLA_API_KEY=<your-atla-api-key>

运行服务器

安装完成后，您可以通过几种方式运行服务器：

使用 uv run（推荐）：

uv run atla-mcp-server

直接使用 Python：

python -m atla_mcp_server

python src/atla_mcp_server/__main__.py

所有方法都将启动具有 stdio 传输的 MCP 服务器，准备好接受来自 MCP 客户端的连接。

MCP Inspector

在本地开发时，您还可以运行 MCP Inspector来测试和调试 MCP 服务器：

uv run mcp dev src/atla_mcp_server/__main__.py

连接到服务器

服务器运行后，您可以使用任何 MCP 客户端连接到它。

Claude Desktop

按照上面的说明，但更新您的配置文件以使用本地服务器：

{
  "mcpServers": {
    "atla-mcp-server": {
      "command": "/path/to/uv",
      "args": [
        "--directory",
        "/path/to/atla-mcp-server",
        "run",
        "atla-mcp-server"
      ],
      "env": {
        "ATLA_API_KEY": "<your-atla-api-key>"
      }
    }
  }
}

Cursor

按照上面的说明，但更新您的配置文件以使用本地服务器：

{
  "mcpServers": {
    "atla-mcp-server": {
      "command": "/path/to/uv",
      "args": [
        "--directory",
        "/path/to/atla-mcp-server",
        "run",
        "atla-mcp-server"
      ],
      "env": {
        "ATLA_API_KEY": "<your-atla-api-key>"
      }
    }
  }
}

OpenAI Agents SDK

按照上面的说明，但更新您的配置以使用本地服务器：

import os

from agents import Agent
from agents.mcp import MCPServerStdio

async with MCPServerStdio(
        params={
            "command": "uv",
            "args": ["run", "--directory", "/path/to/atla-mcp-server", "atla-mcp-server"],
            "env": {"ATLA_API_KEY": os.environ.get("ATLA_API_KEY")}
        }
    ) as atla_mcp_server:
    ...