Scorecard — MCP-сервер для Claude Code: тесты LLM-приложений
MCP-сервер Scorecard для проверки LLM-приложений: прогоняет тесты, следит за ответами модели и снимает метрики производительности прямо из вашего ИИ-клиента.
лицензия не указана обновлён 2026-10-29
Открыть на GitHubЧто делает Scorecard
Scorecard — MCP-сервер для проверки LLM-приложений: тесты по заданным сценариям и наблюдение за поведением модели. Нужен на том этапе, когда приложение на LLM уже собрано и пора понять, как оно отвечает на деле.
Помимо тестов и мониторинга сервер даёт бенчмарки производительности. Заявлен он для Claude, Codex, Cursor, GitHub Copilot, Windsurf (Devin Desktop), Cline, Zed и Gemini CLI.
Автор — docker. Если вы работаете в одном клиенте и менять его не планируете, остальные клиенты из списка вам ничего не дадут.
Какие задачи решает
- прогнать LLM-приложение по структурированным тестам
- держать мониторинг ответов модели после изменений
- замерить производительность и сравнить прогоны
- оценить LLM-приложение перед релизом
Примеры запросов агенту
- Прогони мой LLM-сервис через
Scorecardи покажи, какие тесты упали. - Сними метрики производительности через
Scorecardна последней сборке. - Включи мониторинг ответов модели через
Scorecardи скажи, что изменилось за сутки.
Как установить Scorecard
Установка
Команды запуска нет в реестре MCP — смотрите README репозитория
По шагам, с командами для каждой платформы: Как подключить MCP-сервер: Claude Code, Codex, Cursor, VS Code, Gemini CLI и другие
Вопросы о Scorecard
Что делает Scorecard?
Прогоняет LLM-приложение через структурированные тесты, следит за поведением модели и снимает метрики производительности. Всё это доступно из ИИ-клиента, к которому подключён сервер.
С какими клиентами работает Scorecard?
Сервер заявлен для Claude, Codex, Cursor, GitHub Copilot, Windsurf (Devin Desktop), Cline, Zed и Gemini CLI. В каждом из них он работает как MCP-сервер.
Scorecard — это плагин или MCP-сервер?
Это MCP-сервер от docker: он подключается к ИИ-клиенту и отдаёт ему инструменты для тестов, мониторинга и бенчмарков LLM-приложений.