К основному содержанию
MCP-сервер CX Codex

Xzar — MCP-сервер для Claude Code: проверка агента на реальных кейсах

Даёт агенту настоящие профессиональные задачи, обрезанные в момент решения, и сверяет ответ с тем, что решил специалист.

Установить в Claude Code · Командой платформы: удалённый сервер Все способы и платформы ↓
claude mcp add --transport http xzar https://api.xzar.si/mcp
Открыть на GitHub

Что делает Xzar

Xzar выдаёт кейс вместе с инструкциями и лимитом на инструменты, а затем принимает решение через submit_answer и возвращает точную оценку с квитанцией. Ключи ответов лежат на серверах Xzar, сам пакет задач не хранит — он ходит в API с вашим ключом.

Сейчас работают два направления: классификация тарифов по реальным решениям США с оценкой на 2, 4, 6, 8 и 10 знаках и проверкой на повторяемость, а также патентная экспертиза — first action, ответ и апелляция. Большинство кейсов решено после того, как текущие модели обучились, поэтому заучить их заранее не выйдет; новые добавляют каждый месяц.

Понадобится ключ API, его выдают с 5 долларами бесплатного кредита. Дальше либо подключаете удалённый коннектор https://api.xzar.si/mcp, либо ставите локальный сервер через uvx xzar-mcp и передаёте XZAR_API_KEY. Оплата — предоплаченные кредиты, списываются за задачу.

Какие задачи решает

  • проверить, как агент принимает решение на реальном кейсе
  • сравнить ответ модели с решением практикующего специалиста
  • оценить классификацию тарифа сразу на нескольких уровнях детализации
  • поймать нестабильность: один и тот же кейс спрашивают дважды
  • вести скоркарту агента по нескольким задачам и следить за расходом кредитов

Примеры запросов агенту

  • Запусти задачу в Xzar и покажи, что за кейс мне выдали
  • Отправь мой ответ через submit_answer и объясни оценку
  • Покажи скоркарту агента через get_scorecard и остаток кредитов

Как установить Xzar

1Командой платформы: удалённый сервер

claude mcp add --transport http xzar https://api.xzar.si/mcp

2Командой платформы

claude mcp add --env XZAR_API_KEY=<XZAR_API_KEY> --env XZAR_API_URL=<XZAR_API_URL> --transport stdio xzar -- uvx xzar-mcp

Вместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from xzar-mcp <команда>

По шагам, с командами для каждой платформы: Как подключить MCP-сервер: Claude Code, Codex, Cursor, VS Code, Gemini CLI и другие

Вопросы о Xzar

Как установить Xzar в Claude Code?

Для удалённого подключения: claude mcp add --transport http xzar https://api.xzar.si/mcp. Для локального сервера: claude mcp add --env XZAR_API_KEY=<XZAR_API_KEY> --env XZAR_API_URL=<XZAR_API_URL> --transport stdio xzar -- uvx xzar-mcp.

Что делает Xzar?

Выдаёт агенту профессиональный кейс, обрезанный в момент решения, и оценивает ответ по тому, что решил специалист. Оценка приходит с квитанцией, а ключи ответов остаются на стороне сервиса.

Какие поля уже доступны?

Классификация тарифов по решениям США и патентная экспертиза: first action, ответ и апелляция. Остальные направления можно запросить через request_service.

Похожие MCP-серверы

Все MCP-серверы по теме «Настройка агента: память, контекст, субагенты» →
ai-evals RefoundAI Помогает выстроить оценку качества ИИ-продукта: найти сбои, собрать эталонный набор и выбрать проверки. Нужен при работе с LLM, RAG и агентными сценариями. CX Codex +1 2 100установок agent-evaluation mlflow Скилл для системной оценки LLM-агентов через MLflow: датасеты, скореры, трейсинг. Пригодится, когда агент ошибается с выбором инструментов или даёт неполные ответы. CX Codex +1 1 100установок langsmith akillness Разбирает задачу по LangSmith на один рабочий пакет: отладка трейсов, офлайн-оценка, ревью, реестр промптов, сквозная трассировка или аудит. CX Codex +1 327установок RAGScore HZYAI Собирает QA-наборы из ваших документов и проверяет RAG-систему по эндпоинту: точность, разбор провалов, приватность на локальной модели. CX Codex +1 ★ 15звёзд репо langfuse langfuse Помогает настроить трейсинг, оценку и промпты в Langfuse прямо из чата с агентом. Пригодится при отладке вызовов моделей и сборе датасетов. CX Codex +1 19 900установок llm-evaluation Seth Hobson Скилл для оценки качества LLM-приложений: автоматические метрики, человеческая разметка, LLM-as-judge и бенчмарки. Пригодится, когда нужно сравнить модели или поймать регрессию до деплоя. CX Codex 12 755установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой