项目简介

Mandoline MCP 服务器是一个后端服务，旨在通过 Model Context Protocol (MCP) 标准，将 Mandoline AI 的代码评估和性能分析能力集成到主流的 AI 助手（如 Claude Code, Claude Desktop, Cursor）中。它允许 AI 助手定义评估指标、创建和管理评估任务，并访问相关文档资源，从而实现自我反思和持续改进。

主要功能点

评估指标管理: AI 助手可以创建、批量创建、获取、列出和更新自定义评估指标，以精确衡量代码质量、性能、准确性等。
评估任务执行: 支持对提示词/响应对进行单次或批量评估，根据预设指标生成评分和反馈。
评估结果查询: 允许获取特定评估的详细结果或浏览历史评估记录，支持筛选和分页。
资源托管: 提供 Mandoline 文档和 MCP 服务器集成指南等资源，供 AI 助手直接查阅，获取上下文信息。
会话管理与认证: 服务器端负责管理与客户端的会话，并通过 API Key 进行安全认证，确保数据访问的安全性。

安装步骤

克隆仓库: 使用 'git clone https://github.com/mandoline-ai/mandoline-mcp-server.git' 命令克隆项目到本地。
进入项目目录: 'cd mandoline-mcp-server'。
安装依赖: 运行 'npm install' 安装所有必需的 Node.js 依赖。
构建项目: 运行 'npm run build' 编译 TypeScript 代码。
配置环境变量 (可选): 复制 '.env.example' 为 '.env.local'，并根据需要编辑 '.env.local' 文件，如调整端口 ('PORT') 或日志级别 ('LOG_LEVEL')。
启动服务器: 运行 'npm start' 启动 MCP 服务器。默认情况下，服务器将在 'http://localhost:8080' 运行。

服务器配置

当你的 AI 助手需要连接到这个 Mandoline MCP 服务器时，它需要知道服务器的地址和可能的认证信息。以下是针对不同 MCP 客户端的配置示例（假设服务器运行在 'http://localhost:8080'）：

Claude Code 配置说明: Claude Code 客户端通过 CLI 命令进行添加。将 'https://mandoline.ai/mcp' 替换为 'http://localhost:8080/mcp'。配置示例如下，将 'sk_****' 替换为你的 Mandoline API Key：
```
claude mcp add --scope user --transport http mandoline http://localhost:8080/mcp --header "x-api-key: sk_****"
```
配置参数注释:
- '--scope user': 配置适用于当前用户的所有项目。
- '--transport http': 指定使用 HTTP 传输协议。
- 'mandoline': 服务器的逻辑名称，可自定义。
- 'http://localhost:8080/mcp': MCP 服务器的完整 HTTP 地址。
- '--header "x-api-key: sk_****"': 用于认证的 API Key。

Claude Desktop 配置说明: 编辑 'claude_desktop_config.json' 文件（macOS: '~/Library/Application Support/Claude/claude_desktop_config.json', Windows: '%APPDATA%/Claude/claude_desktop_config.json'）。配置示例如下，将 'sk_****' 替换为你的 Mandoline API Key：

{
  "mcpServers": {
    "Mandoline": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-remote",
        "http://localhost:8080/mcp",
        "--header",
        "x-api-key: ${MANDOLINE_API_KEY}"
      ],
      "env": {
        "MANDOLINE_API_KEY": "sk_****"
      }
    }
  }
}

配置参数注释:

'Mandoline': 服务器的逻辑名称，可自定义。
'command': 启动 MCP 客户端连接器的命令，这里使用 'npx'。
'args': 传递给 'command' 的参数列表，包括 MCP 服务器的 URL 和 API Key。
'env': 环境变量，用于存储敏感信息如 API Key。

Cursor 配置说明: 创建或编辑 'mcp.json' 文件（全局配置: '~/.cursor/mcp.json' 或项目本地配置: '.cursor/mcp.json'）。配置示例如下，将 'sk_****' 替换为你的 Mandoline API Key：

{
  "mcpServers": {
    "Mandoline": {
      "url": "http://localhost:8080/mcp",
      "headers": {
        "x-api-key": "sk_****"
      }
    }
  }
}

配置参数注释:

'Mandoline': 服务器的逻辑名称，可自定义。
'url': MCP 服务器的完整 HTTP 地址。
'headers': 请求头，用于传递认证信息（例如 'x-api-key'）。

基本使用方法

成功集成后，你的 AI 助手（如 Claude Code, Claude Desktop, Cursor）将能直接在对话或工作流中访问 Mandoline 提供的评估工具和资源。例如，你可以通过 AI 助手的工具调用接口来：

定义一个新的代码质量评估指标: 调用 'create_metric' 工具，例如 'create_metric(name="Code Clarity", description="Measures readability and maintainability.")'
对生成的代码进行评估: 调用 'create_evaluation' 工具，例如 'create_evaluation(metric_id="...", prompt={...}, response={...})'
获取 Mandoline 平台的文档: 查询 'mandoline://llms.txt' 或 'mandoline://mcp' 资源。

具体调用方式取决于 AI 助手的 MCP 客户端界面或命令提示。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息