io.github.RudrenduPaul/agent-eval
Statistical regression testing for LLM agents: p-value, effect size, and CI on behavior change.
Serveur MCP · par RudrenduPaul
Aperçu
io.github.RudrenduPaul/agent-eval est un serveur MCP publié par RudrenduPaul. Places de marché que nous lisons et qui le référencent : 1 (Official MCP Registry). Nous l'avons vu pour la première fois le 2026-10-11 et n'avons enregistré aucun changement depuis. Selon notre passage sur les places de marché du 2026-10-12.
Ce qu'il demande
- S'exécute sur votre machine
Aucune des places de marché que nous lisons ne publie ses outils ni les réglages qu'il demande.
Ce qu'il déclare, demande et exécute, en détail
N’installez que des plugins de développeurs en qui vous avez confiance. Nous reprenons ce que publient les places de marché et ne testons pas les plugins.
Fonctionne avec
- Claude Code
- Codex
- Cursor
- VS Code
- Copilot CLI
Un lien en un clic ouvre le client, qui demande une confirmation avant d'ajouter le serveur.
D'après les marketplaces qui le listent et le transport MCP qu'il déclare, tels que chaque client les documente. Nous ne testons pas les plugins.
Connecter
Commandes et configurations construites uniquement à partir de ce que déclarent ses places de marché. Nous ne les exécutons pas pour vous et ne testons pas les plugins.
En serveur MCP local : paquet PyPI
Construit à partir de ce que déclare Official MCP Registry.
claude mcp add --transport stdio agent-eval -- uvx agent-regress-cli[mcp_servers.agent-eval]
command = "uvx"
args = ["agent-regress-cli"]{
"mcpServers": {
"agent-eval": {
"command": "uvx",
"args": [
"agent-regress-cli"
]
}
}
}Nous ne gardons pas les arguments de lancement. Si le serveur en demande, sa propre documentation les donne.
Où il est publié
| Place de marché | Statut | Version | Chiffres | Vérifié | Vu pour la première fois |
|---|---|---|---|---|---|
| Official MCP Registry (Ouvrir la fiche du registre) | Référencé | 0.1.8 | Forks (GitHub): 0 Étoiles (GitHub): 0 |
Non marqué |
Chaque chiffre est celui de la place de marché et n'est jamais additionné entre places de marché. Une place de marché qui ne publie pas de chiffre n'en affiche aucun : pas de nombre ne veut pas dire zéro.
Ce qui a changé
Rien n'a bougé sur ce plugin depuis que nous le suivons.
Plugins similaires
Produits dont les noms, descriptions, outils et skills sont les plus proches de celui-ci par le sens, sur toutes les places de marché que nous lisons. La proximité n'est classée qu'à l'intérieur de cette liste.
-
evalview-mcp io.github.hidai25/evalview-mcp
Regression testing for AI agents. Golden baselines, CI/CD, LangGraph, CrewAI, OpenAI, Claude.
-
rigor-mcp io.github.mrnh/rigor-mcp
Verified statistical inference for AI agents: hypothesis tests, sequential testing, power.
-
regressguard io.github.Bharath-code/regressguard
Deterministic API regression checks for AI agents: snapshot a baseline, catch broken contracts.
-
Test whether AI agents retain critical instructions as conversations grow.
-
mcp io.github.LanceRoylo/mcp
AEO scoring, llms.txt audit, and agent-readiness checks for AI agents.
-
Testing, benchmarking and auditing autonomous AI agents — methods, harnesses, evidence
-
Synthetic checks, nightly regression replay and model-drift alerts for AI agents
-
pramana-mcp io.github.loopg/pramana-mcp
Read your recorded AI agent runs, and what changed when you swapped a model or prompt.
-
qc-validator io.github.mdfifty50-boop/qc-validator
Output quality control and validation for AI agents
-
Run local prompt regression checks from prompt-response logs in AI coding assistants.
Plugins similaires par place de marché
La même question posée à chaque place de marché séparément : y a-t-il là un équivalent de ce plugin ?
Référencé sur Claude Code: claude-plugins-community (5)
-
evalview-mcp io.github.hidai25/evalview-mcp
Regression testing for AI agents. Golden baselines, CI/CD, LangGraph, CrewAI, OpenAI, Claude.
-
AI agent evaluation sandbox for Claude Code. Holdout scenario testing with Doer/Judge/Adversary/Observer roles, probabilistic satisfaction scoring, and append-only JSONL audit…
-
Skills to streamline adoption and usage of Giskard products (OSS, Hub, Guards) for testing, evaluating, and red-teaming AI agents.
-
deepmiro io.github.kakarot-dev/deepmiro
Simulate hundreds of AI agents to predict how communities react to events and policies
-
vynn-mcp io.github.beee003/vynn-mcp
Self-improving AI workflows with backtesting, prompt optimization, and scheduling
Référencé sur Claude Code: claude-plugins-official (5)
-
Skills for adding DeepEval evaluations, tracing, datasets, Confident AI reports, and iterative improvement loops to AI applications.
-
Skills for tracing, evaluating, and improving AI agents with MLflow. Supports the full agent improvement loop: instrument → trace → evaluate → iterate → validate.
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
Detect AI agents in your codebase and instrument them with Pendo Agent Analytics via the best-fit path: Python SDK, TypeScript SDK, client-side trackAgent, or the Conversations…
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
Référencé sur Claude: knowledge-work-plugins (5)
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
AI-first project auditor and re-engineer based on the 9 design principles and 7 design patterns from the TechWolf AI-First Bootcamp
-
A suite of agent skills for the full GrowthBook feature flag and experimentation lifecycle.
-
Official Buildkite skills for Claude Code, Cursor, and other AI coding agents — pipelines, migration, preflight, agent runtime, CLI, and API
Référencé sur Codex: openai-curated (openai/plugins) (5)
-
Evaluate Codex skills and plugins from chat with a beginner-friendly start command, local-first reports, token budget explanations, and guided benchmarking.
-
Build with OpenAI APIs, Agents SDK, and ChatGPT Apps, and create and save OpenAI API keys from Codex.
-
Skills for NVIDIAs ecosystem spans GPU acceleration, CUDA, AI agents, inference, robotics, Physical AI, Omniverse, and simulation. This plugin helps you understand the pieces…
-
An agentic skills framework & software development methodology that works: planning, TDD, debugging, and collaboration workflows.
-
CrowdStrike Falcon Foundry development skills for building cybersecurity applications on the Falcon platform. Includes UI development, collections, functions, workflows, API…
Référencé sur Community GitHub marketplaces (5)
-
Skills for adding DeepEval evaluations, tracing, datasets, Confident AI reports, and iterative improvement loops to AI applications.
-
4da-mcp-server io.github.4DA-Systems/4da-mcp-server
Upgrade intelligence for AI agents: what an upgrade changes, where it touches your code, CVE scans.
-
inquisitor io.github.1111111111111111111114oLvT2/inquisitor
Hypothesis-driven problem solving for AI agents: probe, falsify, escalate.
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
Dash0 Observability
OpenTelemetry observability for OpenAI Codex sessions. Captures prompts, tool calls, MCP calls, sub-agent activity, and token usage as OTel traces.
Référencé sur Copilot CLI: github/awesome-copilot (5)
-
A runtime-portable 5-agent quality gate that adjudicates text artifacts before they ship. Five role-conditioned LLM deliberators run a 2-round async protocol with cross-read…
-
Run a lightweight, role-separated AI development team with flexible tools, developer-selected models, proportionate planning, and optional QA.
-
Three-agent workflow for orchestrated software delivery with an orchestrator plus implementation and QA subagents.
-
foundry-hosted-agent-copilotkit
Build CopilotKit + AG-UI web apps on Microsoft Foundry hosted agents (Microsoft Agent Framework): wiring, native Foundry primitives, human-in-the-loop approvals, azd deploy, and…
-
Self-Learning Multi-agent orchestration framework for spec-driven development and automated verification. With smarter tool calling and leaner context.
Référencé sur Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
Advanced Security plugin for GitHub Copilot.
-
Bring Azure DevOps work-item, repository, and pull-request workflows into GitHub Copilot.
-
Analyze MSVC build performance using vcperf.exe and ETL traces.
-
model-apps
Build and deploy Power Apps generative pages for model-driven apps with specialist agents for planning, entity creation, and parallel code generation. Requires PAC CLI >= 2.7.0…
Référencé sur Cursor: cursor/plugins (5)
-
Patterns for designing CLIs that coding agents can run reliably: flags, help with examples, pipelines, errors, idempotency, dry-run.
-
CLI-backed repo compatibility scans plus agents that audit startup, validation, and docs against reality.
-
Iterative self-referential AI loops using the Ralph Wiggum technique.
-
if you want to go fast, go deep first. pstack helps you write less, but higher quality code. rigorous agent workflows you can parallelize with confidence.
-
Incremental transcript-driven memory updates for AGENTS.md using high-signal bullet points only.
Référencé sur Docker MCP Catalog (5)
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
Wayfound’s MCP server allows business users to govern, supervise, and improve AI Agents.
-
Server-enforced workflow discipline for AI agents: work items, dependency graphs, quality gates
-
testkube-mcp io.github.kubeshop/testkube-mcp
MCP server for Testkube - Manage test workflows, executions, and artifacts via AI assistants
-
Bridges multiple AI models and CLIs, enabling orchestrated workflows across Claude Code, Gemini CLI, Codex CLI, and other AI development tools.
Référencé sur Official MCP Registry (5)
-
evalview-mcp io.github.hidai25/evalview-mcp
Regression testing for AI agents. Golden baselines, CI/CD, LangGraph, CrewAI, OpenAI, Claude.
-
rigor-mcp io.github.mrnh/rigor-mcp
Verified statistical inference for AI agents: hypothesis tests, sequential testing, power.
-
regressguard io.github.Bharath-code/regressguard
Deterministic API regression checks for AI agents: snapshot a baseline, catch broken contracts.
-
Test whether AI agents retain critical instructions as conversations grow.
-
mcp io.github.LanceRoylo/mcp
AEO scoring, llms.txt audit, and agent-readiness checks for AI agents.
Trouvés par le sens, et non par un code ou un dépôt commun : les plugins similaires restent des produits distincts, et ceci n'est ni un avis ni une recommandation.
C'est votre plugin ?
Ajoutez-le à vos projets et prouvez que vous le maintenez : un fichier dans son dépôt, un fichier sur votre domaine ou un enregistrement DNS. Vous recevez des alertes quand une marketplace le publie, le retire, change sa marque vérifiée ou ce qu'il demande, et son endpoint distant est surveillé comme un service web.
Données issues de Official MCP Registry. Les chiffres proviennent de nos propres passages réguliers sur les places de marché, dernière lecture le . Nous ne publions aucune coordonnée des éditeurs de plugins.