PromptVault MCP Server
Enables prompt versioning, evaluation, and management via MCP, CLI, and REST APIs, with support for multiple LLM providers.
README
PromptVault
Open-source prompt versioning, evaluation, and management as an MCP server.
What is PromptVault?
PromptVault is a self-hosted tool for AI engineers and prompt engineers to:
- Version prompts like code with immutable versions and rollback support
- Evaluate prompts against datasets using LLM providers (OpenAI, Anthropic, Ollama)
- Access everything through an MCP server, CLI, or REST API
Quickstart
Install (no clone needed)
pip install pvlt
Or with uv/pipx:
uvx --from git+https://github.com/KrishBnsl/promptVault.git promptctl --help
Or with Docker:
docker run -p 8000:8000 -e GEMINI_API_KEY=your-key ghcr.io/krishbnsl/pvlt
From Source
git clone https://github.com/KrishBnsl/promptVault.git
cd promptVault
uv sync
cp .env.example .env
# Edit .env with your API keys
Create Your First Prompt
promptctl prompt create summarize \
--content "Summarize the following article in {tone} style:\n\n{article}" \
--description "Summarizes an article" \
--variables '{"tone": "concise", "article": "string"}' \
--model-config '{"provider": "openai", "model": "gpt-4o-mini", "temperature": 0.2}' \
--tags "summarization,content"
Create a Dataset
echo '{"input": {"article": "AI is transforming..."}, "expected_output": "AI transforms..."}' > dataset.jsonl
promptctl dataset create article-summaries --file dataset.jsonl
Run Evaluation
promptctl eval run summarize --dataset article-summaries
Use with MCP (Claude Desktop)
Add to your Claude Desktop config:
{
"mcpServers": {
"pvlt": {
"command": "promptctl",
"args": ["serve"]
}
}
}
CLI Reference
promptctl prompt create <name> --content <text> [options]
promptctl prompt list [--tags TAGS] [--limit N]
promptctl prompt show <name> [--version N]
promptctl prompt versions <name>
promptctl prompt diff <name> <version-a> <version-b>
promptctl prompt rollback <name> --version N
promptctl dataset create <name> --file <jsonl-or-json>
promptctl dataset list
promptctl eval run <prompt-name> --dataset <dataset-name>
promptctl eval report <evaluation-id>
promptctl serve [--stdio|--http] [--port 8000]
promptctl web [--port 8080]
MCP Tools
| Tool | Description |
|---|---|
prompt_create |
Create a new prompt with initial version |
prompt_get |
Retrieve a prompt version |
prompt_list |
List all prompts |
prompt_versions |
List all versions of a prompt |
prompt_diff |
Diff two prompt versions |
prompt_rollback |
Rollback to a previous version |
dataset_create |
Create a dataset |
dataset_list |
List datasets |
dataset_get |
Get dataset with items |
evaluation_run |
Run evaluation |
evaluation_status |
Check evaluation status |
evaluation_report |
Get evaluation report |
evaluation_compare |
Compare two evaluations |
REST API
Base URL: http://localhost:8000/api
# Create a prompt
curl -X POST http://localhost:8000/api/prompts \
-H "Content-Type: application/json" \
-d '{"name": "test", "content": "Hello {name}"}'
# List prompts
curl http://localhost:8000/api/prompts
# Get a prompt
curl http://localhost:8000/api/prompts/test
Configuration
Copy .env.example to .env and configure:
PROMPTVAULT_DB_PATH=./promptvault.db
PROMPTVAULT_DEFAULT_PROVIDER=openai
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GEMINI_API_KEY=...
OLLAMA_BASE_URL=http://localhost:11434
Architecture
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ MCP Client │ │ CLI │ │ REST Client │
│ (Claude etc) │ │ (promptctl) │ │ (curl, apps) │
└──────┬──────┘ └──────┬──────┘ └──────┬──────┘
│ │ │
▼ ▼ ▼
┌─────────────────────────────────────────────────┐
│ PromptVault Core │
│ ┌─────────────┐ ┌──────────────┐ ┌──────────┐ │
│ │ Versioning │ │ Evaluation │ │ Storage │ │
│ │ Engine │ │ Engine │ │ Layer │ │
│ └─────────────┘ └──────────────┘ └──────────┘ │
│ ┌──────────────────────────────────────────┐ │
│ │ SQLite Database (local) │ │
│ └──────────────────────────────────────────┘ │
└─────────────────────────────────────────────────┘
Documentation
📖 Full docs: https://krishbnsl.github.io/promptVault/
License
MIT License - see LICENSE for details.
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。
mcp-server-qdrant
这个仓库展示了如何为向量搜索引擎 Qdrant 创建一个 MCP (Managed Control Plane) 服务器的示例。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。