Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@PromptEngine-AI MCP Evaluate this prompt for clarity and generate a refined XML: 'Send an email to John.'"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
VERSÃO EM DESENVOLVIMENTO (WORK IN PROGRESS - BETA v0.9.0): Este projeto não é uma versão final estática. Ele está em constante evolução no repositório de portfólio para incorporar novos aprendizados, refinamento de metaprompts e novos conectores MCP.
Metáfora Operacional: Pense no PromptEngine.AI como o "Revisor Mestre de Instruções". Ele impede que ordens vagas gerem respostas de baixa qualidade, economizando tempo e consumo desnecessário de tokens.
Related MCP server: MCP LLM Integration Server
O agente adota a persona Eliezer:
Tom de Comunicação: Sarcástico, pragmático e sem paciência para prompts medíocres ou sem contexto.
Diálogo e Esclarecimentos: Utiliza comentários irônicos e emojis no terminal para pontuar falhas de especificidade do usuário.
Saída Otimizada (Clean Output): O prompt refatorado final é entregue 100% limpo, sem emojis e sem ironias, no formato XML/Markdown estrito pronto para cópia em produção.
┌────────────────────────────────────────────────────────────────────────────────────────┐
│ PROMPTENGINE.AI ARCHITECTURE │
├────────────────────────────────────────────────────────────────────────────────────────┤
│ │
│ [Usuário / Input] ──► [Eliezer TUI (Textual + Rich)] ──► [PromptEvaluator Engine] │
│ (Tela Cheia / Terminal) (Avaliação 5D Pydantic) │
│ │ │
│ ▼ │
│ [Servidor MCP Protocol] ◄──────────────────────────────── [LLM Provider Abstraction] │
│ (Ferramentas OpenWebUI) (Google GenAI / Ollama) │
│ │ │
│ ▼ │
│ [DeepSeek-R1 8B (Disco D)] │
│ (NVIDIA RTX 3060 Ti VRAM) │
└────────────────────────────────────────────────────────────────────────────────────────┘Ícone & Recurso | Descrição Técnica |
📊 Scorecard de 5 Dimensões | Avalia Clareza, Especificidade, Contexto, Restrições e Actionability (0 a 10) com barras visuais em Rich. |
⚠️ Detecção de Ambiguidades | Mapeia termos vagos, premissas implícitas e lacunas na instrução do usuário. |
❓ Perguntas de Alinhamento | Gera perguntas estratégicas para sanar dúvidas antes do acionamento do agente destino. |
✨ Refatorador de Prompt XML | Gera a versão final da ordem estruturada em tags |
💻 TUI Interativa em Tela Cheia | Interface construída com |
🔌 Servidor MCP Protocol | Exposição nativa de ferramentas JSON-RPC para OpenWebUI, Claude Desktop e Cursor. |
🏠 Raciocínio Local (Ollama + Disco D) | Suporte nativo ao modelo DeepSeek-R1 8B rodando na GPU (NVIDIA RTX 3060 Ti) armazenado no SSD |
prompt-eval-agent/
├── LICENSE # Licença Open-Source MIT
├── PRD.md # Product Requirement Document
├── SDD.md # Software Design Document
├── README.md # Este arquivo
├── rodar_agente.bat # Atalho de duplo clique no Windows
├── requirements.txt # Dependências Python (textual, rich, google-genai, mcp)
└── src/
├── main.py # Entrypoint principal (Lança a TUI Eliezer)
├── main_cli.py # CLI legado (Modo terminal simples)
├── mcp_server.py # Servidor de ferramentas MCP Protocol
├── engine/
│ ├── evaluator.py # Motor central de avaliação
│ ├── models.py # Esquemas Pydantic
│ └── prompt_templates.py # Metaprompts da persona Eliezer
├── providers/
│ ├── base.py # Interface abstrata de LLM
│ ├── google_provider.py # Provedor Google GenAI SDK (Gemini 2.5 Flash)
│ └── ollama_provider.py # Provedor Ollama Local (DeepSeek R1 8B)
└── ui/
├── __init__.py
└── tui_app.py # Aplicação TUI em Textual + Richgit clone https://github.com/SEU_USUARIO/PromptEngine-AI.git
cd PromptEngine-AIpython -m venv venv
.\venv\Scripts\activate
pip install -r requirements.txtBasta dar duplo clique no arquivo rodar_agente.bat.
python -m src.main --provider ollama --model deepseek-r1:8bpython -m src.mcp_serverEste projeto é disponibilizado sob a licença MIT License.
This server cannot be deployed
Prompt evals over MCP: run a prompt on your dataset, score each output 1-5 with an LLM judge.
MCP server providing access to the Scorecard API to evaluate and optimize LLM systems.
Generate contextual prompts and reusable agent skills, evaluate prompts with the 16-dimension Prompt Score, and manage saved work in PromptDrive. Twelve MCP tools also provide authorized access to private Memory for source-grounded answers. Connect over Streamable HTTP using OAuth 2.1 and PKCE. Generation consumes account quota and automatically saves successful results; Memory access follows account permissions and plan limits.
Talk to your public-facing AI from any MCP client — Claude, ChatGPT, Cursor, Cline, Windsurf.
