Tracemind MCP Server

______________________________________________________________________

标题：TraceMind MCP服务器 表情符号🤖 颜色来源：蓝色 颜色To：紫色 sdk:docker 应用端口：7860 固定：true 许可证：agpl-3.0 short_description:MCP服务器用于使用Gemini 2.5 Flash进行代理评估 标签：

• 建设mcp轨道企业
• 主控程序
• 格拉迪奥
• 双子座
• 代理人评估
• 排行榜

______________________________________________________________________

TraceMind MCP服务器

基于人工智能的Agent评估分析工具

 [![Track 1: Building MCP]()](https://github.com/modelcontextprotocol/hackathon) 

🎯 轨道1提交：建立MCP（企业） 📅 MCP一周年黑客马拉松：2025年11月14日至30日

______________________________________________________________________

为什么选择MCP服务器？

问题：代理评估会生成大量数据——排行榜、跟踪、指标——但开发人员很难提取出可操作的见解。

解决方案：此MCP服务器提供 11种人工智能工具 将原始评估数据转化为清晰的答案：

• *“哪种模型最适合我的用例？”*
• *“为什么这次代理执行失败了？”*
• *“这次评估要花多少钱？”*

由谷歌Gemini 2.5 Flash提供技术支持 用于智能、上下文感知的代理性能数据分析。

______________________________________________________________________

🔗 快速链接

• 🌐 现场演示: TraceMind mcp服务器空间
• ⚡ 自动配置：添加 MCP-1st-Birthday/TraceMind-mcp-server 在https://huggingface.co/settings/mcp
• 📖 完整文档：参见 文件.md 完整的技术参考
• 🎬 快速演示（5分钟）: 在织机上观看
• 📺 完整演示（20分钟）: 在织机上观看

社交媒体

阅读公告并加入讨论：

• 📝 \[博客文章\]: 构建TraceMind生态系统 -全面深入TraceVerse生态系统的技术
• \[推特/X帖子链接\] : X上的视图
• \[领英帖子链接\]: 在LinkedIn上查看
• \[拥抱脸不和公告链接\]: 阅读不和谐

MCP端点:

• SSE（推荐）： https://mcp-1st-birthday-tracemind-mcp-server.hf.space/gradio_api/mcp/sse
• 流式HTTP： https://mcp-1st-birthday-tracemind-mcp-server.hf.space/gradio_api/mcp/

______________________________________________________________________

TraceMind生态系统

此MCP服务器是 完整的代理评估平台 由四个相互关联的项目组成：

🔭 TraceVerde                    📊 SMOLTRACE
(genai_otel_instrument)         (Evaluation Engine)
        ↓                               ↓
    Instruments                    Evaluates
    LLM calls                      agents
        ↓                               ↓
        └───────────┬───────────────────┘
                    ↓
            Generates Datasets
        (leaderboard, traces, metrics)
                    ↓
        ┌───────────┴───────────────────┐
        ↓                               ↓
🛠️ TraceMind MCP Server         🧠 TraceMind-AI
(This Project - Track 1)        (UI Platform - Track 2)
Analyzes with AI                Visualizes & Interacts

基金会

🔭 TraceVerde -LLM框架的零代码OpenTetry仪器 → | PyPI

📊 烟雾过滤器 -生成结构化数据集的轻量级评估引擎 → | PyPI

平台

🛠️ TraceMind MCP服务器 （本项目）-为人工智能分析提供MCP工具 → 轨道1：建立MCP（企业） → 现场演示 |

🧠 TraceMind人工智能 -Gradio UI使用MCP工具进行交互式评估 → 现场演示 | → 轨道2：MCP在行动（企业）

______________________________________________________________________

为什么这对拥抱面部很重要

这个生态系统是建立起来的 大约 拥抱脸，而不仅仅是“使用它”：

• 每次SMOLTRACE评估都会创建 4结构化 datasets 在Hub上 （排行榜、结果、跟踪、指标）
• TraceMind MCP服务器和TraceMind AI以 拥抱面部空间，使用 Gradio的MCP集成
• 该堆栈设计用于 smolagents –使用HF自己的代理框架对代理进行评估、跟踪和分析
• 评估可以通过以下方式执行 HF职位将评估转化为实际的计算使用，而不仅仅是本地脚本

因此，TraceMind不仅仅是另一个MCP服务器演示。 这是一个固执己见的蓝图：

“拥抱脸模型+数据集+空间+作业+烟雾+MCP如何作为一个完整的代理评估和可观察性平台协同工作。”

______________________________________________________________________

包含内容

11个AI驱动的工具

岩心分析 （由Gemini 2.5 Flash驱动的AI）：

1. 📊 分析引导板 -从评估数据中生成见解
2. 🐛 debug_trace -在AI的帮助下调试代理执行跟踪
3. 💰 估算成本 -在运行评估之前预测成本
4. ⚖️ compareruns -使用AI分析比较两次评估运行
5. 📋 分析结果 -分析详细的测试结果并提出优化建议

令牌优化工具: 6\. 🏆 get_top_performers -获取前N个模型（与完整数据集相比，令牌减少90%） 7\. 📈 get_leaderboard_summary -高级统计数据（令牌减少99%）

数据管理: 8\. 📦 get_dataset -以JSON格式加载SMOLTRACE数据集 9\. 🧪 发电机_合成数据集 -使用AI创建特定领域的测试数据集（最多100个任务） 10\. 📤 push_dataet_to_hub -将数据集上传到HuggingFace 11\. 📝 generate_frompt_template -生成定制的烟雾提示模板

3数据资源

无需人工智能分析即可直接访问JSON：

• 排行榜：//{repo} -原始评估结果
• 跟踪：//{trace_id}/{repo} -OpenTetry跨度
• cost://model/{型号} -定价信息

3提示模板

用于一致分析的标准化模板：

• 分析_建议 -不同的分析类型（排行榜、成本、性能）
• debug_prompt -调试场景
• 优化\_ mpt -优化目标

总计：17个MCP组件 (11 + 3 + 3)

______________________________________________________________________

快速开始

1.连接到实时服务器

最简单的方法 （推荐）：

1. 访问https://huggingface.co/settings/mcp（登录时）
2. 添加空间： MCP-1st-Birthday/TraceMind-mcp-server
3. 选择您的MCP客户端（Claude Desktop、VSCode、Cursor等）
4. 复制自动生成的配置并粘贴到您的客户端

手动配置 （高级）：

适用于克劳德桌面(claude_desktop_config.json):

{
  "mcpServers": {
    "tracemind": {
      "url": "https://mcp-1st-birthday-tracemind-mcp-server.hf.space/gradio_api/mcp/sse",
      "transport": "sse"
    }
  }
}

用于VSCode/光标(settings.json):

{
  "mcp.servers": {
    "tracemind": {
      "url": "https://mcp-1st-birthday-tracemind-mcp-server.hf.space/gradio_api/mcp/",
      "transport": "streamable-http"
    }
  }
}

2.试试看

打开MCP客户端并尝试：

"Analyze the leaderboard at kshitijthakkar/smoltrace-leaderboard and show me the top 5 models"

你应该看到Gemini 2.5 Flash生成的AI驱动的见解！

3.使用您自己的API密钥（推荐）

为避免评估期间的费率限制：

1. 访问 MCP服务器空间
2. 首选 ⚙️ 设置 标签
3. 输入你的 Gemini API密钥 和 拥抱脸代币
4. 点击 “保存并覆盖密钥”

获取免费的API密钥:

• 双子座: https://ai.google.dev/（1500次请求/天免费）
• 抱抱脸: https://huggingface.co/settings/tokens（公共数据集不受限制）

______________________________________________________________________

黑客马拉松评委

✅ 轨道1合规性

• 完成MCP实施：11个工具+3个资源+3个提示（共17个）
• 符合MCP标准：采用Gradio的原生材料建造 @gr.mcp.* 装饰器
• 生产准备就绪：通过SSE运输部署到HuggingFace空间
• 企业焦点：成本优化、调试、决策支持
• 谷歌双子座供电：所有AI分析都使用Gemini 2.5 Flash
• 交互式测试：用于测试所有组件的精美Gradio UI

🎯 关键创新

1. 令牌优化: get_top_performers 和 get_leaderboard_summary 将代币使用量减少90-99%
2. 人工智能驱动的合成数据：生成特定领域的测试数据集+匹配的提示模板
3. 完整的生态系统：TraceVerde四项目平台的一部分→ 烟雾过滤器→ MCP服务器→ TraceMind人工智能
4. 真实数据集成：使用SMOLTRACE评估的实时HuggingFace数据集
5. 测试结果分析：通过以下方式深入了解单个测试用例 analyze_results 工具

📹 演示材料

1. 🎬 快速演示（5分钟）: 在织机上观看
2. 📺 完整演示（20分钟）: 在织机上观看

• \[推特/X帖子链接\] : X上的视图
• \[领英帖子链接\]: 在LinkedIn上查看
• \[拥抱脸不和公告链接\]: 阅读不和谐

______________________________________________________________________

文档

用于快速评估:

• 阅读此README以获取概述
• 访问 现场演示 测试工具
• 使用自动配置链接连接MCP客户端

适合深潜:

• 文件.md -完整的API参考

- 工具说明和参数 - 资源URI和模式 - 提示模板详细信息 - 示例用例

• 建筑.md -技术架构

- 项目结构 - MCP协议实现 - Gemini集成详细信息 - 部署指南

______________________________________________________________________

技术栈

• AI模型：谷歌Gemini 2.5 Flash（通过谷歌AI SDK）
• MCP框架：Gradio 6，支持原生MCP(@gr.mcp.* 装饰师）
• 数据源：HuggingFace数据集API
• 运输：SSE（推荐）+流式HTTP
• 部署：拥抱脸空间（Docker SDK）

______________________________________________________________________

本地运行（可选）

# Clone and setup
git clone https://github.com/Mandark-droid/TraceMind-mcp-server.git
cd TraceMind-mcp-server
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt

# Configure API keys
cp .env.example .env
# Edit .env with your GEMINI_API_KEY and HF_TOKEN

# Run the server
python app.py

访问http://localhost:7860通过Gradio UI测试工具。

______________________________________________________________________

相关项目

🧠 TraceMind人工智能 （轨道2-MCP在行动）：

• 现场演示：https://huggingface.co/spaces/MCP-1st-Birthday/TraceMind
• 将此MCP服务器用于AI驱动的代理评估UI
• 具有自主代理聊天、跟踪可视化、作业提交等功能

📊 基础图书馆:

• TraceVerde：https://github.com/Mandark-droid/genai_otel_instrument
• 烟雾空间：https://github.com/Mandark-droid/SMOLTRACE

______________________________________________________________________

鸣谢

专为：MCP的第一个生日黑客马拉松（2025年11月14日至30日） 轨道：建立MCP（企业） 作者：Kshitij Thakkar 由...驱动：谷歌双子座2.5 Flash 内置于：Gradio（原生MCP支持）

赞助商：拥抱脸•谷歌双子座•模态•拟人•Gradio•OpenAI•Nebius•双曲线•ElevenLabs•SambaNova•Blaxel

______________________________________________________________________

许可证

AGPL-3.0-参见 许可证 详情

______________________________________________________________________

支持

• 📧 GitHub问题： TraceMind mcp服务器/问题
• 💬 HF不一致： #mcp-1st-birthday-official🏆
• 🏷️ 标签： building-mcp-track-enterprise