Mandoline MCP сервер

Позволяет AI-ассистентам, таким как Claude, Cursor и другим, анализировать, критически оценивать и постоянно улучшать собственную производительность с помощью фреймворка оценки Mandoline через Model Context Protocol.

Установка

Размещенный сервер (Claude Code)

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

Размещенный сервер (Codex)

codex mcp add mandoline --env MANDOLINE_API_KEY=sk_**** -- npx -y mcp-remote https://mandoline.ai/mcp --header 'x-api-key: ${MANDOLINE_API_KEY}'

Из исходного кода

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

Конфигурация

Claude Desktop

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

Cursor

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

Доступные инструменты

Инструмент	Описание
`get_server_health`	Подтверждает доступность MCP сервера и возврат корректного статуса
`create_metric`	Определяет пользовательские критерии оценки для ваших конкретных задач
`batch_create_metrics`	Создает несколько метрик оценки за одну операцию
`get_metric`	Получает детали о конкретной метрике
`get_metrics`	Просматривает ваши метрики с фильтрацией и пагинацией
`update_metric`	Изменяет существующие определения метрик
`create_evaluation`	Оценивает пары промпт/ответ по вашим метрикам
`batch_create_evaluations`	Оценивает одно и то же содержимое по нескольким метрикам
`get_evaluation`	Получает результаты и оценки анализа
`get_evaluations`	Просматривает историю оценок с фильтрацией и пагинацией
`update_evaluation`	Добавляет метаданные или контекст к оценкам

Возможности

Позволяет AI-ассистентам анализировать и критически оценивать собственную производительность
Непрерывное улучшение через фреймворк оценки
Создание и управление пользовательскими метриками оценки
Пакетные операции оценки для эффективности
Оценка пар промпт/ответ по определенным метрикам
Просмотр истории оценок с фильтрацией и пагинацией
Мониторинг состояния и проверка статуса

Переменные окружения

Обязательные

MANDOLINE_API_KEY - API ключ с mandoline.ai/account для аутентификации

Опциональные

PORT - Порт для локального сервера (по умолчанию 8080)
LOG_LEVEL - Конфигурация уровня логирования

Ресурсы

GitHub Repository

Примечания

Большинству пользователей следует использовать размещенный сервер по адресу https://mandoline.ai/mcp вместо локального запуска. Перезапустите ваш AI-ассистент после изменения конфигурации. Требуется API ключ с mandoline.ai/account.