AI导哈

AI评估工具

Good AI的MCP服务器提供AI准备度评估、瓶颈识别、试点规划和ROI计算等工具，适用于企业AI实施。

  • by Timberstone-Global
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 GoodAI-Global/assessment-mcp

使用说明

优秀的人工智能评估MCP服务器

“利用，而不是知识” --提供即时价值的工具

企业AI评估工具遵循Good AI经过验证的方法。该MCP服务器为Claude提供了专门的工具，用于评估人工智能准备情况、识别瓶颈、规划试点和计算投资回报率。

60秒内快速启动

1.安装

npm install @goodai/assessment-mcp

2.配置克劳德桌面

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "goodai-assessment": {
      "command": "npx",
      "args": ["@goodai/assessment-mcp"]
    }
  }
}

配置文件位置：

  • macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
  • 窗户： %APPDATA%\Claude\claude_desktop_config.json

3.重新启动克劳德桌面

就是这样！让克劳德评估任何公司的人工智能准备情况。

工具

assess_ai_readiness

从四个维度评估组织对人工智能实施的准备情况。

例子：

{
  "company_name": "Acme Manufacturing",
  "industry": "manufacturing",
  "employee_count": 250,
  "data_infrastructure": {
    "centralized_data": true,
    "data_quality_score": 7,
    "manual_data_entry_percent": 40
  },
  "current_systems": {
    "erp": "SAP",
    "crm": "Salesforce",
    "legacy_systems_count": 3
  }
}

输出包括：

  • 总体准备度得分（1-10）
  • 维度得分（数据、技术、流程、组织）
  • 优势和差距分析
  • 推荐起点
  • 预计价值实现时间
  • 危险信号（如有）

identify_bottlenecks

通过成本估算分析流程，找出运营效率低下的地方。

例子：

{
  "process_description": "Manual quality inspection of manufactured parts using visual checks",
  "metrics": {
    "cycle_time_hours": 48,
    "error_rate_percent": 8,
    "manual_steps_count": 12,
    "cost_per_unit_usd": 15
  },
  "pain_points": [
    "Inconsistent inspection quality",
    "Bottleneck during peak production",
    "High training cost for inspectors"
  ],
  "industry": "manufacturing"
}

输出包括：

  • 瓶颈排名列表
  • 每个瓶颈的成本估算
  • AI解决方案匹配度得分（1-10）
  • 速赢识别

generate_pilot_plan

遵循良好的人工智能方法制定详细的试点实施计划。

例子：

{
  "selected_bottleneck": {
    "name": "Quality Control Gaps",
    "description": "Manual inspection delays",
    "estimated_annual_cost_usd": 75000,
    "ai_solution_fit_score": 9,
    "recommended_ai_approach": "Computer Vision for quality inspection",
    "complexity": "medium"
  },
  "constraints": {
    "max_budget_usd": 50000,
    "max_duration_weeks": 8
  },
  "company_context": {
    "company_name": "Acme Manufacturing",
    "industry": "manufacturing",
    "employee_count": 250
  }
}

输出包括：

  • 试点目标和方法
  • 每周里程碑
  • 成功量度
  • 风险缓解策略
  • 下一步

calculate_roi

项目财务回报与敏感性分析。

例子：

{
  "current_metrics": {
    "process_cost_per_month_usd": 25000,
    "error_rate_percent": 8,
    "manual_fte_count": 3
  },
  "target_improvement_percent": 40,
  "implementation_cost_usd": 50000,
  "ongoing_monthly_cost_usd": 2000,
  "time_horizon_months": 24
}

输出包括：

  • 预期投资回报率百分比
  • 回收期
  • 净现值
  • 敏感性分析（保守/预期/乐观）
  • 记录的假设

良好的人工智能方法论

该服务器实现了Good AI的核心原则：

原理 实施
杠杆，而非知识 工具提供可操作的见解，而不是理论框架
证据胜过意见 基于可衡量的标准和有文件记录的假设进行评估
增强优先 在完全自动化之前识别人工增强机会
默认情况下为非侵入性 建议绕过遗留系统限制的解决方案

产业支撑

以下方面的专门基准和建议：

  • 制造 --质量检查、预测性维护
  • 保险 --索赔处理、承保
  • 水产养殖 --饲料优化、生物量估算
  • 医疗保健 --临床文件、日程安排
  • 通用 --适用于任何行业

发展

# Clone and install
git clone https://github.com/goodai/assessment-mcp.git
cd assessment-mcp
npm install

# Build
npm run build

# Test
npm test

# Run test script
node test_server.js

# Development mode
npm run dev

API使用

您还可以通过编程方式使用这些工具：

import { assessAIReadiness, identifyBottlenecks } from '@goodai/assessment-mcp';

const result = assessAIReadiness({
  company_name: "My Company",
  industry: "manufacturing",
  employee_count: 100,
  data_infrastructure: {
    centralized_data: true,
    manual_data_entry_percent: 30
  },
  current_systems: {
    erp: "SAP",
    crm: null,
    legacy_systems_count: 2
  }
});

console.log(result.overall_score);
console.log(result.recommended_starting_point);

提示

服务器还提供结构化提示：

  • 企业评估 --进行全面的人工智能就绪性评估
  • 飞行员推荐 --生成具有投资回报率的详细试点建议

许可证

MIT许可证-请参阅 许可证 了解详情。

Good AI
Premium Enterprise AI Consultancy

相关 MCP