Ai Eval

io.github.lazymac2x由 GitHub 帳號 lazymac2x 發布v1.0.0更新於 Oct 24, 2026

Cloudflare Workers MCP server: ai-eval

已驗證Streamable HTTP可網頁執行資料與分析AI 與機器學習

概覽

AI 產生的概覽

一個遠端 MCP 伺服器，用啟發式指標為 AI 回覆評分、比較多個回覆，並提供文字品質統計。

可以做什麼
依長度、相關性、結構、完整性等啟發式指標，為單一 AI 回覆針對提示詞評分。比較並排序針對同一提示詞的多個回覆。取得文字品質指標，包括字詞數、句子數、估算 token 數與可讀性等級。
適用情境
適合對模型輸出做快速、以規則為基礎的檢查，例如為同一提示詞的多個候選回覆排序，或在交付文字前查看長度、token 估算與可讀性。
執行需求
遠端端點 api.lazy-mac.com；未宣告任何套件、環境變數或請求標頭，也未宣告身分驗證。需要能連線至該端點的網路。
安裝前請注意
評分為啟發式而非模型判斷，結果僅能作為粗略參考。送出的提示詞與回覆會傳送至第三方託管服務，請勿提交機密文字。

安裝

在 SourceWeft 中

  1. 開啟 儀表板中的 Ai Eval，將其新增到工作區。
  2. 為需要使用其工具的對話啟用該服務。

Web executable，透過 Streamable HTTP。 遠端服務在工作區中設定後即可從網頁執行環境執行。

交給代理程式安裝

把這段提示詞貼上到 Claude Code、Codex、Cursor 等代理程式，或 SourceWeft 對話中。代理程式會讀取該伺服器的安裝指南，先向你展示發布者、端點和登入方式，經你同意後再把它新增到你的客戶端。金鑰不會寫進任何命令。

閱讀 https://sourceweft.com/mcp/io.github.lazymac2x%2Fai-eval/install.md，並按其中說明把這個 MCP 伺服器接入我的客戶端。修改任何設定之前，先告訴我它的發布者、端點和登入方式，等我確認。不要把 API 金鑰寫進命令或我會提交的檔案；問我金鑰應從哪裡取得。

檢視代理程式所依據的安裝指南

其他 MCP 客戶端

把它新增到你客戶端的 mcpServers 設定中。

{
  "mcpServers": {
    "ai-eval": {
      "type": "http",
      "url": "https://api.lazy-mac.com/ai-eval/mcp"
    }
  }
}

README

ai-eval-api

Cloudflare Workers MCP server: ai-eval. REST + MCP (JSON-RPC 2.0). Live: api.lazy-mac.com/ai-eval

來源：README.md，提交 7067590

工具

3

score_response

Score an AI response against a prompt using heuristic metrics (length, relevance, structure, completeness)

輸入參數prompt必填criteriaresponse必填

compare_responses

Compare and rank multiple AI responses to the same prompt

輸入參數prompt必填responses必填

text_metrics

Get text quality metrics: word count, sentence count, estimated tokens, readability grade

輸入參數text必填

版本歷史

1
  1. v1.0.0最新Sep 16, 2026

評分

已滿足適用檢查項的 90%

該評分衡量此收錄條目的完整程度，依據註冊中心條目、端點與公開來源計算得出。它不是對伺服器本身的評價，也不表示伺服器安全或目前可用：可連通性是帶日期的檢查結果，評分也不包含安裝量或使用者評價。

  • 近 30 天內可連通必需25 分
  • 已宣告認證方式必需10 分
  • 已列出工具必需15 分
  • 描述必需15 分
  • 圖示10 分
  • 文件15 分
  • 授權條款10 分

    請在儲存庫或註冊中心條目中宣告授權條款。