JinDaGe - mandoline-mcp-server MCP Details

article

README

🚀 Mandoline MCP 服务器

借助 Model Context Protocol，使用 Mandoline 的评估框架，让 Claude Code、Claude Desktop 和 Cursor 等 AI 助手能够反思、评估并持续改进自身性能。

🚀 快速开始

客户端设置

大多数用户应从此处开始。使用 Mandoline 托管的 MCP 服务器，将评估工具集成到你的 AI 助手中。

对于以下每个集成，请将 sk_**** 替换为你从 mandoline.ai/account 获取的实际 API 密钥。

Claude Code

使用 CLI 将 Mandoline MCP 服务器添加到 Claude Code：

claude mcp add --scope user --transport http mandoline https://mandoline.ai/mcp --header "x-api-key: sk_****"

你可以使用 --scope user（跨项目）或 --scope project（仅当前项目）。

⚠️ 重要提示

配置更改后，请重启所有活动的 Claude Code 会话。

验证：在 Claude Code 中运行 /mcp，查看 Mandoline 是否列为活动服务器。

官方文档：Claude Code MCP 指南

Claude Desktop

编辑你的配置文件（设置 > 开发者 > 编辑配置）：

macOS：~/Library/Application Support/Claude/claude_desktop_config.json
Windows：%APPDATA%/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "Mandoline": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-remote",
        "https://mandoline.ai/mcp",
        "--header",
        "x-api-key: ${MANDOLINE_API_KEY}"
      ],
      "env": {
        "MANDOLINE_API_KEY": "sk_****"
      }
    }
  }
}

此配置全局应用于所有对话。

⚠️ 重要提示

配置更改后，请重启 Claude Desktop。

验证：点击“搜索和工具”按钮时，查看是否有 Mandoline 工具。

官方文档：MCP 快速入门指南

Cursor

创建或编辑你的 MCP 配置文件：

{
  "mcpServers": {
    "Mandoline": {
      "url": "https://mandoline.ai/mcp",
      "headers": {
        "x-api-key": "sk_****"
      }
    }
  }
}

你可以使用全局配置（影响所有项目）~/.cursor/mcp.json 或项目本地配置（仅当前项目）.cursor/mcp.json（在项目根目录中）。

⚠️ 重要提示

配置更改后，请重启 Cursor。

验证：检查输出面板（Ctrl + Shift + U）→“MCP 日志”以确认连接成功，或在 Composer Agent 中查找 Mandoline 工具。

官方文档：Cursor MCP 指南

服务器设置

仅在你想在本地运行服务器或为开发做贡献时需要。大多数用户应使用上述托管服务器。

先决条件：Node.js 18+ 和 npm

安装

克隆并构建

git clone https://github.com/mandoline-ai/mandoline-mcp-server.git
cd mandoline-mcp-server
npm install
npm run build

配置环境（可选）

cp .env.example .env.local
# 编辑 .env.local 以自定义 PORT、LOG_LEVEL 等。

启动服务器
```
npm start
```

服务器默认运行在 http://localhost:8080。

使用本地服务器

若要使用本地服务器而非托管服务器，请在上述客户端配置中，将 https://mandoline.ai/mcp 替换为 http://localhost:8080/mcp。

💻 使用示例

工具使用

集成完成后，你可以在 AI 助手对话中直接使用 Mandoline 评估工具。

指标工具

| 工具 | 用途 | | ---------------------- | --------------------------------------------------------- | | create_metric | 为特定任务定义自定义评估标准 | | batch_create_metrics | 一次操作中创建多个评估指标 | | get_metric | 获取特定指标的详细信息 | | get_metrics | 通过过滤和分页浏览指标 | | update_metric | 修改现有指标定义 |

评估工具

| 工具 | 用途 | | -------------------------- | ------------------------------------------------------- | | create_evaluation | 根据指标对提示/响应进行评分 | | batch_create_evaluations | 根据多个指标评估相同内容 | | get_evaluation | 获取评估结果和分数 | | get_evaluations | 通过过滤和分页浏览评估历史 | | update_evaluation | 为评估添加元数据或上下文 |

资源访问

在 AI 助手中直接访问 Mandoline 的文档和参考资料，包括模型比较指南和评估最佳实践。

mandoline-mcp-server