使用 Clarvia AEO 评估 AI 工具和 MCP 服务器的可用性 #

解决 AI 工具筛选难题：通过 Clarvia 的 AEO（Agent Experience Optimization）评分体系，在将 MCP 服务器或 API 集成到工作流之前，快速判断其是否真正具备“Agent 就绪”能力。

为什么需要这个技能 #

在为 AI Agent 配置 MCP 服务器、API 或 CLI 工具时，很多工具虽然功能强大，但其 API 设计、数据结构或兼容性并不适合 AI 自动调用。如果盲目集成低质量工具，会导致 Agent 出现频繁的解析错误或执行失败。

Clarvia AEO 为超过 15,400 个工具提供了量化评分，涵盖 API 可访问性、数据结构化、Agent 兼容性和信任信号四个维度。通过这个技能，你可以在安装前快速过滤掉低效工具，确保 Agent 工作流的稳定性。

适用场景 #

• 集成前评估：在将一个新的 MCP 服务器添加到配置文件前，确认其 AEO 分数。
• 工具对比：面对两个实现相同功能的工具（如不同的数据库 MCP），选择评分更高的一方。
• 动态选型：构建能够根据质量分数动态选择工具的智能 Agent。
• 质量把关：在 CI/CD 流水线中为 API 质量设置阈值，低于分数则禁止部署。

核心工作流 #

1. 配置 Clarvia MCP 服务器 #

首先在配置文件中添加 Clarvia 运行环境：

{
  "mcpServers": {
    "clarvia": {
      "command": "npx",
      "args": ["-y", "clarvia-mcp-server"]
    }
  }
}

2. 执行评估指令 #

你可以通过以下三种方式让 AI 调用 Clarvia：

• 单点评分：提供 URL 或名称（例如：Score https://github.com/example/my-mcp-server for agent-readiness）。
• 分类搜索：查找高分工具（例如：Find the top-rated database MCP servers using Clarvia）。
• 对标分析：对比两个工具（例如：Compare supabase-mcp vs firebase-mcp using Clarvia）。

3. 结果解读 #

参考 AEO 分数表进行决策：

• 90-100 (Agent Native)：原生支持，完美适配。
• 70-89 (Agent Friendly)：表现良好，有细微瑕疵。
• 50-69 (Agent Compatible)：可用，但需要优化。
• 50 以下：不建议在生产环境的 Agent 工作流中使用。

下载和安装 #

下载 clarvia-aeo-check 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐