MCP Server - Avala Documentation

Model Context Protocol (MCP) என்பது ஒரு திறந்த தரநிலையாகும், இது AI உதவியாளர்களை வெளிப்புற கருவிகள் மற்றும் தரவு மூலங்களுடன் தொடர்பு கொள்ள அனுமதிக்கிறது. Avala இன் MCP server உங்கள் datasets, projects மற்றும் exports ஆகியவற்றை எந்த MCP-இணக்கமான client-ம் அழைக்கக்கூடிய கருவிகளாக வெளிப்படுத்துகிறது, எனவே நீங்கள் சூழலை மாற்றாமல் இயற்கை மொழி மூலம் உங்கள் annotation பணிப்பாய்வை நிர்வகிக்கலாம். இதன் பொருள், நீங்கள் Claude-இடம் “எனது அனைத்து datasets-ஐயும் பட்டியலிடு” என்று கேட்கலாம், Cursor-ஐப் பயன்படுத்தி ஒரு export உருவாக்கலாம், அல்லது VS Code-ஐப் பயன்படுத்தி project நிலையைச் சரிபார்க்கலாம் — இவை அனைத்தும் நீங்கள் ஏற்கனவே பயன்படுத்தும் அதே Avala API மூலம் இயக்கப்படுகின்றன.

முன்நிபந்தனைகள்

உங்கள் கணினியில் Node.js 18 அல்லது அதற்குப் பிந்தைய பதிப்பு நிறுவப்பட்டிருக்க வேண்டும்
ஒரு Avala API key (Mission Control இல் Settings > Security பகுதியில் உருவாக்கவும்)

அமைப்பு

Claude Desktop

உங்கள் Claude Desktop configuration கோப்பைத் திறக்கவும்:

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

Avala MCP server-ஐ சேர்க்கவும்:

உண்மையான API keys கொண்ட config கோப்புகளை version control-இல் ஒருபோதும் commit செய்யாதீர்கள். AVALA_API_KEY ஐ ஒரு system environment variable ஆக அமைக்கவும், அல்லது "your-api-key" ஐ உங்கள் உண்மையான key-யால் உள்ளூரில் மாற்றி, config கோப்பு உங்கள் .gitignore-இல் இருப்பதை உறுதி செய்யவும்.

{
  "mcpServers": {
    "avala": {
      "command": "npx",
      "args": ["-y", "@avala-ai/mcp-server"],
      "env": {
        "AVALA_API_KEY": "your-api-key"
      }
    }
  }
}

Claude Desktop-ஐ மறுதொடக்கம் செய்யவும். கருவி தேர்வியில் Avala கருவிகள் கிடைக்கும்.

Cursor

உங்கள் project root (அல்லது global config directory) இல் .cursor/mcp.json ஐ உருவாக்கவும் அல்லது திருத்தவும்:

.cursor/mcp.json உங்கள் project root-இல் உள்ளது, இது git-இல் commit ஆகலாம். இதை உங்கள் .gitignore-இல் சேர்க்கவும் அல்லது config கோப்பில் நேரடியாக வைப்பதற்குப் பதிலாக AVALA_API_KEY ஐ ஒரு system environment variable ஆக அமைக்கவும்.

{
  "mcpServers": {
    "avala": {
      "command": "npx",
      "args": ["-y", "@avala-ai/mcp-server"],
      "env": {
        "AVALA_API_KEY": "your-api-key"
      }
    }
  }
}

Cursor-ஐ மறுதொடக்கம் செய்யவும் அல்லது சாளரத்தை மீளேற்றவும். Cursor இன் agent mode-இல் Avala கருவிகள் தோன்றும்.

VS Code

உங்கள் workspace-இல் .vscode/mcp.json ஐ உருவாக்கவும் அல்லது திருத்தவும்:

.vscode/mcp.json உங்கள் workspace-இல் உள்ளது, இது git-இல் commit ஆகலாம். இதை உங்கள் .gitignore-இல் சேர்க்கவும் அல்லது config கோப்பில் நேரடியாக வைப்பதற்குப் பதிலாக AVALA_API_KEY ஐ ஒரு system environment variable ஆக அமைக்கவும்.

{
  "mcpServers": {
    "avala": {
      "command": "npx",
      "args": ["-y", "@avala-ai/mcp-server"],
      "env": {
        "AVALA_API_KEY": "your-api-key"
      }
    }
  }
}

MCP ஆதரவு இயக்கப்பட்ட GitHub Copilot நீட்டிப்பு நிறுவப்பட்டிருப்பதை உறுதி செய்யவும். புதிய server-ஐ எடுக்க VS Code-ஐ மறுதொடக்கம் செய்யவும்.

Claude Code

ஒரே கட்டளையில் Claude Code-க்கு Avala MCP server-ஐ சேர்க்கவும்:

claude mcp add avala -- npx -y @avala-ai/mcp-server

உங்கள் API key-ஐ environment variable ஆக அமைக்கவும்:

export AVALA_API_KEY="your-api-key"

Claude Code-ஐ மறுதொடக்கம் செய்யவும். உங்கள் அமர்வில் Avala கருவிகள் கிடைக்கும்.

ChatGPT

ChatGPT இன் MCP ஆதரவு உருவாகி வருகிறது. சமீபத்திய அமைப்பு வழிமுறைகள் மற்றும் உங்கள் திட்டம் மற்றும் பிராந்தியத்தில் கிடைக்கும் தன்மை குறித்து OpenAI இன் ஆவணங்களைப் பார்க்கவும்.

MCP பாதுகாப்பு முறை

பாதுகாப்பிற்காக, MCP server இயல்பாக படிப்பு-மட்டும் முறையில் இருக்கும். மாற்றம் செய்யும் கருவிகள் நீங்கள் அவற்றை வெளிப்படையாக இயக்கும் வரை பதிவு செய்யப்படாது:

AVALA_MCP_ENABLE_MUTATIONS=true

இந்த environment variable-ஐ server-ஐ தொடங்குவதற்கு முன் உங்கள் MCP server process environment-இல் அமைக்கலாம். இயல்பாக, பின்வரும் எழுதுதல்/நீக்குதல் செயல்பாடுகள் தடுக்கப்படும்:

create_dataset
create_agent, delete_agent
create_annotation_issue, update_annotation_issue, delete_annotation_issue
create_storage_config, test_storage_config, delete_storage_config
create_webhook, delete_webhook
create_export
evaluate_quality
compute_consensus
fleet_register_device, fleet_acknowledge_alert

கிடைக்கும் MCP கருவிகள்

இணைக்கப்பட்டவுடன், பின்வரும் கருவிகள் AI உதவியாளருக்கு கிடைக்கும்:

கருவி	விளக்கம்
`list_datasets`	உங்கள் workspace-இல் உள்ள அனைத்து datasets-ஐயும் பட்டியலிடுங்கள்.
`get_dataset`	ஒரு குறிப்பிட்ட dataset-ன் விவரங்களைப் பெறுங்கள்.
`create_dataset`	annotation-க்கான புதிய dataset-ஐ உருவாக்குங்கள். mutation
`list_projects`	அனைத்து annotation projects-ஐயும் பட்டியலிடுங்கள்.
`get_project`	முழு project விவரங்களைப் பெறுங்கள்.
`create_export`	ஒரு dataset அல்லது project-க்கு புதிய export-ஐ தொடங்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`get_export_status`	export நிலையைச் சரிபார்க்கவும்.
`list_exports`	அனைத்து exports-ஐயும் பட்டியலிடுங்கள்.
`get_workspace_stats`	workspace பயன்பாட்டு சுருக்கத்தைப் பெறுங்கள்.
`list_tasks`	விருப்ப வடிகட்டலுடன் tasks-ஐ பட்டியலிடுங்கள்.
`get_task`	task விவரங்களைப் பெறுங்கள்.
`list_agents`	automation agents-ஐ பட்டியலிடுங்கள்.
`get_agent`	agent விவரங்களைப் பெறுங்கள்.
`create_agent`	புதிய automation agent-ஐ உருவாக்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`delete_agent`	ஒரு agent-ஐ நீக்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`list_webhooks`	webhook subscriptions-ஐ பட்டியலிடுங்கள்.
`create_webhook`	webhook subscription-ஐ உருவாக்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`delete_webhook`	ஒரு webhook-ஐ நீக்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`list_storage_configs`	storage configurations-ஐ பட்டியலிடுங்கள்.
`create_storage_config`	storage configuration-ஐ உருவாக்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`test_storage_config`	storage இணைப்பைச் சோதிக்கவும். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`delete_storage_config`	ஒரு storage configuration-ஐ நீக்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`list_quality_targets`	ஒரு project-க்கான quality targets-ஐ பட்டியலிடுங்கள்.
`evaluate_quality`	quality targets-ஐ மதிப்பிடுங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`get_consensus_summary`	ஒரு project-க்கான consensus சுருக்கத்தைப் பெறுங்கள்.
`compute_consensus`	consensus கணக்கீட்டைத் தொடங்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`list_organizations`	organizations-ஐ பட்டியலிடுங்கள்.
`get_organization`	organization விவரங்களைப் பெறுங்கள்.
`list_slices`	ஒரு owner-க்கான slices-ஐ பட்டியலிடுங்கள்.
`get_slice`	slice விவரங்களைப் பெறுங்கள்.
`list_annotation_issues_by_sequence`	ஒரு sequence-க்கான annotation issues-ஐ பட்டியலிடுங்கள்.
`create_annotation_issue`	புதிய annotation issue-ஐ உருவாக்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`update_annotation_issue`	ஒரு annotation issue-ஐ புதுப்பிக்கவும். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`delete_annotation_issue`	ஒரு annotation issue-ஐ நீக்குங்கள். (`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)
`list_annotation_issues_by_dataset`	ஒரு dataset-க்கான annotation issues-ஐ பட்டியலிடுங்கள்.
`get_annotation_issue_metrics`	ஒரு dataset-க்கான issue metrics-ஐ பெறுங்கள்.
`list_qc_tools`	கிடைக்கும் QC கருவிகளைப் பட்டியலிடுங்கள்.

Fleet (முன்னோட்டம்)

Fleet கருவிகள் முன்னோட்டத்தில் உள்ளன, மாற்றமடையலாம். அவை fleet devices, recordings, events, alerts மற்றும் rules ஆகியவற்றுக்கு படிப்பு மற்றும் எழுதுதல் அணுகலை வழங்குகின்றன.

கருவி	விளக்கம்
`fleet_list_devices`	விருப்ப வடிகட்டல்களுடன் fleet devices-ஐ பட்டியலிடுங்கள்.
`fleet_get_device`	ஒரு குறிப்பிட்ட fleet device பற்றிய விரிவான தகவல்களைப் பெறுங்கள்.
`fleet_list_recordings`	விருப்ப வடிகட்டல்களுடன் fleet recordings-ஐ பட்டியலிடுங்கள்.
`fleet_get_recording`	ஒரு குறிப்பிட்ட recording பற்றிய விரிவான தகவல்களைப் பெறுங்கள்.
`fleet_list_events`	விருப்ப வடிகட்டல்களுடன் fleet events-ஐ பட்டியலிடுங்கள்.
`fleet_list_alerts`	விருப்ப வடிகட்டல்களுடன் fleet alerts-ஐ பட்டியலிடுங்கள்.
`fleet_list_rules`	விருப்ப வடிகட்டல்களுடன் fleet rules-ஐ பட்டியலிடுங்கள்.
`fleet_register_device`	புதிய fleet device-ஐ பதிவு செய்யுங்கள். mutation
`fleet_acknowledge_alert`	ஒரு fleet alert-ஐ ஒப்புக்கொள்ளுங்கள். mutation

கருவி வரையறைகள்

ஒவ்வொரு MCP கருவிக்கான விரிவான schemas. அனைத்து கருவிகளும் JSON-ஐ text content-ஆக திருப்பி அனுப்பும்.

list_datasets

workspace-இல் உள்ள அனைத்து datasets-ஐயும் பட்டியலிடுகிறது. Parameters:

dataType (string, optional) — தரவு வகை மூலம் வடிகட்டவும் (image, video, lidar, mcap, splat)
name (string, optional) — dataset பெயர் மூலம் வடிகட்டவும் (பகுதி பொருத்தம்)
status (string, optional) — dataset நிலை மூலம் வடிகட்டவும்
visibility (string, optional) — தெரிவுநிலை மூலம் வடிகட்டவும் (private அல்லது public)
limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச datasets எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

எடுத்துக்காட்டு பதில்:

{
  "datasets": [
    {
      "uid": "d8f2e1a4-3b7c-4e9f-a1d6-5c8b9e0f2a3d",
      "name": "Urban Driving Q1",
      "slug": "urban-driving-q1",
      "dataType": "lidar",
      "itemCount": 12450,
      "visibility": "private",
      "status": "active",
      "createdAt": "2026-01-15T08:30:00Z"
    },
    {
      "uid": "a1b2c3d4-5e6f-7a8b-9c0d-e1f2a3b4c5d6",
      "name": "Warehouse Cameras",
      "slug": "warehouse-cameras",
      "dataType": "image",
      "itemCount": 34200,
      "visibility": "private",
      "status": "active",
      "createdAt": "2026-02-20T14:15:00Z"
    }
  ],
  "cursor": "eyJpZCI6MTAwfQ=="
}

get_dataset

ஒரு குறிப்பிட்ட dataset-ன் விவரங்களைப் பெறுகிறது. Parameters:

uid (string, required) — dataset-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

எடுத்துக்காட்டு பதில்:

{
  "uid": "d8f2e1a4-3b7c-4e9f-a1d6-5c8b9e0f2a3d",
  "name": "Urban Driving Q1",
  "slug": "urban-driving-q1",
  "dataType": "lidar",
  "itemCount": 12450,
  "sequenceCount": 85,
  "visibility": "private",
  "status": "active",
  "owner": "acme-robotics",
  "createdAt": "2026-01-15T08:30:00Z",
  "updatedAt": "2026-03-10T11:45:00Z"
}

பிழை பதில் (தவறான UID):

{
  "error": "not_found",
  "message": "Dataset with UID 'invalid-uid-here' was not found.",
  "status": 404
}

list_projects

அனைத்து annotation projects-ஐயும் பட்டியலிடுகிறது. Parameters:

limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச projects எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

get_project

ஒரு குறிப்பிட்ட project-ன் விவரங்களைப் பெறுகிறது. Parameters:

uid (string, required) — project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

create_dataset

annotation-க்கான புதிய dataset-ஐ உருவாக்குகிறது. Parameters:

name (string, required) — dataset-ன் காட்சி பெயர்
slug (string, required) — dataset-க்கான URL-நட்பு அடையாளங்காட்டி
dataType (string, required) — தரவு வகை: image, video, lidar, அல்லது mcap
visibility (string, optional) — dataset தெரிவுநிலை: private அல்லது public (இயல்புநிலை: private)
createMetadata (boolean, optional) — dataset metadata உருவாக்க வேண்டுமா (இயல்புநிலை: true)
providerConfig (object, optional) — Cloud storage provider configuration
ownerName (string, optional) — dataset owner பயனர்பெயர் அல்லது மின்னஞ்சல்

create_export

ஒரு dataset அல்லது project-க்கு புதிய export-ஐ தொடங்குகிறது. Parameters:

project (string, optional) — export செய்ய வேண்டிய project UID
dataset (string, optional) — export செய்ய வேண்டிய dataset UID

எடுத்துக்காட்டு பதில்:

{
  "uid": "e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9",
  "status": "pending",
  "project": "770a9600-a40d-63f6-c938-668877660000",
  "createdAt": "2026-03-19T10:00:00Z"
}

get_export_status

ஒரு export-ன் நிலையைச் சரிபார்க்கிறது. Parameters:

uid (string, required) — export-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

எடுத்துக்காட்டு பதில்:

{
  "uid": "e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9",
  "status": "completed",
  "project": "770a9600-a40d-63f6-c938-668877660000",
  "downloadUrl": "https://api.avala.ai/exports/e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9/download",
  "fileSize": 52428800,
  "createdAt": "2026-03-19T10:00:00Z",
  "completedAt": "2026-03-19T10:02:34Z"
}

list_exports

workspace-இல் உள்ள அனைத்து exports-ஐயும் பட்டியலிடுகிறது. Parameters:

limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச exports எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

get_workspace_stats

workspace உள்ளடக்கங்களின் (datasets, projects, exports) விரைவான சரிபார்ப்பைப் பெறுகிறது. Parameters: இல்லை எடுத்துக்காட்டு பதில்:

{
  "datasets": 14,
  "projects": 7,
  "exports": 23,
  "tasks": {
    "total": 8420,
    "pending": 312,
    "completed": 7856,
    "inProgress": 252
  },
  "members": 18
}

list_tasks

project அல்லது நிலை மூலம் விருப்ப வடிகட்டலுடன் tasks-ஐ பட்டியலிடுகிறது. Parameters:

project (string, optional) — project UID மூலம் வடிகட்டவும்
status (string, optional) — task நிலை மூலம் வடிகட்டவும்
limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச tasks எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

எடுத்துக்காட்டு பதில்:

{
  "tasks": [
    {
      "uid": "t1a2b3c4-d5e6-f7a8-b9c0-d1e2f3a4b5c6",
      "status": "completed",
      "project": "770a9600-a40d-63f6-c938-668877660000",
      "assignee": "jane.doe@acme.com",
      "completedAt": "2026-03-18T16:30:00Z"
    },
    {
      "uid": "t7e8f9a0-b1c2-d3e4-f5a6-b7c8d9e0f1a2",
      "status": "pending",
      "project": "770a9600-a40d-63f6-c938-668877660000",
      "assignee": null,
      "completedAt": null
    }
  ],
  "cursor": "eyJ0YXNrSWQiOjUwfQ=="
}

get_task

ஒரு குறிப்பிட்ட task பற்றிய விரிவான தகவல்களைப் பெறுகிறது. Parameters:

uid (string, required) — task-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

list_agents

உங்கள் workspace-இல் கட்டமைக்கப்பட்ட அனைத்து automation agents-ஐயும் பட்டியலிடுகிறது. Parameters:

limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச agents எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

get_agent

ஒரு குறிப்பிட்ட automation agent பற்றிய விரிவான தகவல்களைப் பெறுகிறது. Parameters:

uid (string, required) — agent-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

create_agent

event subscriptions மற்றும் callback URL உடன் புதிய automation agent-ஐ உருவாக்குகிறது. Parameters:

name (string, required) — agent-ன் பெயர்
events (string[], required) — agent subscribe செய்யும் event வகைகளின் பட்டியல்
callbackUrl (string, optional) — event callbacks பெற URL
description (string, optional) — agent-ன் விளக்கம்
project (string, optional) — agent-ஐ scope செய்ய project UID
taskTypes (string[], optional) — agent கையாளும் task வகைகள்

delete_agent

UID மூலம் ஒரு automation agent-ஐ நீக்குகிறது. Parameters:

uid (string, required) — நீக்க வேண்டிய agent-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

list_webhooks

உங்கள் workspace-இல் உள்ள அனைத்து webhook subscriptions-ஐயும் பட்டியலிடுகிறது. Parameters:

limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச webhooks எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

create_webhook

குறிப்பிட்ட events-க்கான புதிய webhook subscription-ஐ உருவாக்குகிறது. Parameters:

targetUrl (string, required) — webhook deliveries பெற URL
events (string[], required) — subscribe செய்ய வேண்டிய event வகைகளின் பட்டியல்

delete_webhook

UID மூலம் ஒரு webhook subscription-ஐ நீக்குகிறது. Parameters:

uid (string, required) — நீக்க வேண்டிய webhook-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

list_storage_configs

உங்கள் workspace-இல் உள்ள அனைத்து storage configurations-ஐயும் பட்டியலிடுகிறது. Parameters:

limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச storage configs எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

create_storage_config

புதிய storage configuration-ஐ உருவாக்குகிறது (S3 அல்லது Google Cloud Storage). Parameters:

name (string, required) — storage configuration-ன் பெயர்
provider (string, required) — storage provider வகை (s3 அல்லது gcs)
s3BucketName (string, optional) — S3 bucket பெயர்
s3BucketRegion (string, optional) — S3 bucket region
s3BucketPrefix (string, optional) — S3 key prefix
s3AccessKeyId (string, optional) — S3 access key ID (server-side-இல் பாதுகாப்பாக சேமிக்கப்படும்)
s3SecretAccessKey (string, optional) — S3 secret access key (server-side-இல் பாதுகாப்பாக சேமிக்கப்படும்)
s3IsAccelerated (boolean, optional) — S3 Transfer Acceleration-ஐ இயக்கவும்
gcStorageBucketName (string, optional) — Google Cloud Storage bucket பெயர்
gcStoragePrefix (string, optional) — Google Cloud Storage prefix
gcStorageAuthJsonContent (string, optional) — GCS service account JSON credentials (server-side-இல் பாதுகாப்பாக சேமிக்கப்படும்)

test_storage_config

ஒரு storage configuration-ன் இணைப்பைச் சோதிக்கிறது. Parameters:

uid (string, required) — சோதிக்க வேண்டிய storage config-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

delete_storage_config

UID மூலம் ஒரு storage configuration-ஐ நீக்குகிறது. Parameters:

uid (string, required) — நீக்க வேண்டிய storage config-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

list_quality_targets

ஒரு குறிப்பிட்ட project-க்கு கட்டமைக்கப்பட்ட quality targets-ஐ பட்டியலிடுகிறது. Parameters:

projectUid (string, required) — project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)
limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச quality targets எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

evaluate_quality

ஒரு project-க்கான அனைத்து quality targets-ஐயும் மதிப்பிட்டு அவற்றின் தற்போதைய நிலையை வழங்குகிறது. Parameters:

projectUid (string, required) — மதிப்பிட வேண்டிய project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

get_consensus_summary

ஒரு project-க்கான consensus சுருக்கத்தைப் பெறுகிறது, இதில் சராசரி/நடுநிலை மதிப்பெண்கள் மற்றும் விநியோகம் அடங்கும். Parameters:

projectUid (string, required) — project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

compute_consensus

ஒரு project-க்கான consensus கணக்கீட்டைத் தொடங்குகிறது. Parameters:

projectUid (string, required) — project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

list_organizations

நீங்கள் உறுப்பினராக இருக்கும் அனைத்து organizations-ஐயும் பட்டியலிடுகிறது. Parameters:

limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச organizations எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

get_organization

ஒரு குறிப்பிட்ட organization பற்றிய விரிவான தகவல்களைப் பெறுகிறது. Parameters:

slug (string, required) — organization-ன் slug அடையாளங்காட்டி

list_slices

ஒரு owner-க்கான (பயனர் அல்லது organization) slices-ஐ பட்டியலிடுகிறது. Parameters:

owner (string, required) — owner பெயர் (பயனர் அல்லது organization slug)
limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச slices எண்ணிக்கை
cursor (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

get_slice

ஒரு குறிப்பிட்ட slice பற்றிய விரிவான தகவல்களைப் பெறுகிறது. Parameters:

owner (string, required) — owner பெயர் (பயனர் அல்லது organization slug)
slug (string, required) — slice-ன் slug

list_annotation_issues_by_sequence

ஒரு குறிப்பிட்ட sequence-க்கான அனைத்து annotation issues-ஐயும் பட்டியலிடுகிறது. Parameters:

sequenceUid (string, required) — sequence-ன் UUID
datasetItemUid (string, optional) — dataset item UUID மூலம் வடிகட்டவும்
projectUid (string, optional) — project UUID மூலம் வடிகட்டவும்

create_annotation_issue

ஒரு sequence-இல் புதிய annotation issue-ஐ உருவாக்குகிறது. Parameters:

sequenceUid (string, required) — sequence-ன் UUID
toolUid (string, required) — annotation tool-ன் UUID
problemUid (string, required) — problem type-ன் UUID
datasetItemUid (string, optional) — dataset item UUID
projectUid (string, optional) — project UUID
priority (string, optional) — முன்னுரிமை நிலை: lowest, low, medium, high, highest
severity (string, optional) — தீவிரத்தன்மை நிலை: critical, moderate
description (string, optional) — issue விளக்கம்
wrongClass (string, optional) — தவறான class label
correctClass (string, optional) — சரியான class label
objectUid (string, optional) — annotation object-ன் UUID
shouldReAnnotate (boolean, optional) — மீண்டும் annotate செய்ய வேண்டுமா
shouldDelete (boolean, optional) — annotation-ஐ நீக்க வேண்டுமா
framesAffected (string, optional) — issue-யால் பாதிக்கப்பட்ட frames

update_annotation_issue

ஒரு ஏற்கனவே உள்ள annotation issue-ஐ புதுப்பிக்கிறது (நிலை, முன்னுரிமை போன்றவை). Parameters:

sequenceUid (string, required) — sequence-ன் UUID
issueUid (string, required) — annotation issue-ன் UUID
status (string, optional) — நிலை: open, relabeling, in_review, completed, cant_reproduce, awaiting_feedback, no_action_taken
priority (string, optional) — முன்னுரிமை நிலை: lowest, low, medium, high, highest
severity (string, optional) — தீவிரத்தன்மை நிலை: critical, moderate
description (string, optional) — புதுப்பிக்கப்பட்ட விளக்கம்
toolUid (string, optional) — annotation tool-ன் UUID
problemUid (string, optional) — problem type-ன் UUID
wrongClass (string, optional) — தவறான class label
framesAffected (string, optional) — issue-யால் பாதிக்கப்பட்ட frames

delete_annotation_issue

ஒரு annotation issue-ஐ நீக்குகிறது. Parameters:

sequenceUid (string, required) — sequence-ன் UUID
issueUid (string, required) — நீக்க வேண்டிய annotation issue-ன் UUID

list_annotation_issues_by_dataset

ஒரு dataset-க்கான அனைத்து annotation issues-ஐயும் பட்டியலிடுகிறது. Parameters:

owner (string, required) — dataset owner பயனர்பெயர்
datasetSlug (string, required) — dataset slug
sequenceUid (string, optional) — sequence UUID மூலம் வடிகட்டவும்

get_annotation_issue_metrics

ஒரு dataset-இல் உள்ள annotation issues-க்கான ஒருங்கிணைக்கப்பட்ட metrics-ஐ பெறுகிறது (நிலை/முன்னுரிமை/தீவிரத்தன்மை எண்ணிக்கைகள், மூடும் நேரங்கள்). Parameters:

owner (string, required) — dataset owner பயனர்பெயர்
datasetSlug (string, required) — dataset slug
sequenceUid (string, optional) — sequence UUID மூலம் வடிகட்டவும்

list_qc_tools

கொடுக்கப்பட்ட dataset வகைக்கான கிடைக்கும் QC annotation கருவிகளைப் பட்டியலிடுகிறது. Parameters:

datasetType (string, required) — dataset வகை (எ.கா., lidar, image, video)

fleet_list_devices

விருப்ப வடிகட்டல்களுடன் fleet devices-ஐ பட்டியலிடுகிறது. Parameters:

status (string, optional) — device நிலை மூலம் வடிகட்டவும் (online, offline, maintenance)
type (string, optional) — device வகை மூலம் வடிகட்டவும்
limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச devices எண்ணிக்கை
cursor (string, optional) — pagination cursor

எடுத்துக்காட்டு பதில்:

{
  "devices": [
    {
      "uid": "dev-a1b2c3d4-e5f6-7890-abcd-ef1234567890",
      "name": "Forklift Sensor Unit 12",
      "type": "lidar-sensor",
      "status": "online",
      "firmwareVersion": "2.4.1",
      "lastSeenAt": "2026-03-19T09:55:00Z",
      "tags": ["warehouse-a", "forklift"]
    },
    {
      "uid": "dev-b2c3d4e5-f6a7-8901-bcde-f12345678901",
      "name": "Dock Camera 3",
      "type": "camera",
      "status": "offline",
      "firmwareVersion": "1.8.0",
      "lastSeenAt": "2026-03-18T23:10:00Z",
      "tags": ["dock", "exterior"]
    }
  ],
  "cursor": "eyJkZXZpY2VJZCI6MjB9"
}

fleet_get_device

ஒரு குறிப்பிட்ட fleet device பற்றிய விரிவான தகவல்களைப் பெறுகிறது. Parameters:

uid (string, required) — device-ன் தனிப்பட்ட அடையாளங்காட்டி

fleet_list_recordings

விருப்ப வடிகட்டல்களுடன் fleet recordings-ஐ பட்டியலிடுகிறது. Parameters:

device (string, optional) — device UID மூலம் வடிகட்டவும்
status (string, optional) — recording நிலை மூலம் வடிகட்டவும்
limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச recordings எண்ணிக்கை
cursor (string, optional) — pagination cursor

fleet_get_recording

ஒரு குறிப்பிட்ட recording பற்றிய விரிவான தகவல்களைப் பெறுகிறது. Parameters:

uid (string, required) — recording-ன் தனிப்பட்ட அடையாளங்காட்டி

fleet_list_events

விருப்ப வடிகட்டல்களுடன் fleet events-ஐ பட்டியலிடுகிறது. Parameters:

recording (string, optional) — recording UID மூலம் வடிகட்டவும்
device (string, optional) — device UID மூலம் வடிகட்டவும்
type (string, optional) — event வகை மூலம் வடிகட்டவும்
severity (string, optional) — தீவிரத்தன்மை மூலம் வடிகட்டவும்
limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச events எண்ணிக்கை
cursor (string, optional) — pagination cursor

fleet_list_alerts

விருப்ப வடிகட்டல்களுடன் fleet alerts-ஐ பட்டியலிடுகிறது. Parameters:

status (string, optional) — alert நிலை மூலம் வடிகட்டவும் (open, acknowledged, resolved)
severity (string, optional) — தீவிரத்தன்மை மூலம் வடிகட்டவும் (info, warning, error, critical)
device (string, optional) — device UID மூலம் வடிகட்டவும்
rule (string, optional) — rule UID மூலம் வடிகட்டவும்
limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச alerts எண்ணிக்கை
cursor (string, optional) — pagination cursor

எடுத்துக்காட்டு பதில்:

{
  "alerts": [
    {
      "uid": "alert-c3d4e5f6-a7b8-9012-cdef-123456789012",
      "status": "open",
      "severity": "warning",
      "device": "dev-a1b2c3d4-e5f6-7890-abcd-ef1234567890",
      "rule": "rule-d4e5f6a7-b8c9-0123-defa-234567890123",
      "message": "Device temperature exceeded threshold (72C)",
      "createdAt": "2026-03-19T08:45:00Z"
    },
    {
      "uid": "alert-e5f6a7b8-c9d0-1234-efab-345678901234",
      "status": "acknowledged",
      "severity": "critical",
      "device": "dev-b2c3d4e5-f6a7-8901-bcde-f12345678901",
      "rule": "rule-f6a7b8c9-d0e1-2345-fabc-456789012345",
      "message": "Device offline for more than 24 hours",
      "createdAt": "2026-03-18T09:00:00Z",
      "acknowledgedAt": "2026-03-18T10:30:00Z"
    }
  ],
  "cursor": "eyJhbGVydElkIjoxMH0="
}

fleet_list_rules

விருப்ப வடிகட்டல்களுடன் fleet rules-ஐ பட்டியலிடுகிறது. Parameters:

enabled (boolean, optional) — இயக்கப்பட்ட நிலை மூலம் வடிகட்டவும்
limit (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச rules எண்ணிக்கை
cursor (string, optional) — pagination cursor

fleet_register_device

புதிய fleet device-ஐ பதிவு செய்கிறது. Parameters:

name (string, required) — device-ன் பெயர்
type (string, required) — device-ன் வகை
firmwareVersion (string, optional) — firmware பதிப்பு
tags (string[], optional) — device-க்கான tags

fleet_acknowledge_alert

ஒரு fleet alert-ஐ ஒப்புக்கொள்கிறது. Parameters:

uid (string, required) — ஒப்புக்கொள்ள வேண்டிய alert-ன் தனிப்பட்ட அடையாளங்காட்டி

செய்முறைகள்

இயற்கை மொழி மூலம் இயக்கக்கூடிய பல-படி பணிப்பாய்வுகள். ஒவ்வொரு செய்முறையும் உதவியாளர் பின்னணியில் செய்யும் tool calls-ஐ காட்டுகிறது.

செய்முறை 1: Dataset நிலை சோதனை

உங்கள் உதவியாளரிடம் கேளுங்கள்: “எனது workspace-ன் நிலை சோதனையை செய்யுங்கள் — எத்தனை datasets உள்ளன, எவற்றில் அதிக items உள்ளன?” படி 1 — உதவியாளர் கண்ணோட்டத்தைப் பெற get_workspace_stats ஐ அழைக்கிறார்.

{
  "datasets": 14,
  "projects": 7,
  "exports": 23,
  "tasks": { "total": 8420, "pending": 312, "completed": 7856, "inProgress": 252 },
  "members": 18
}

படி 2 — உதவியாளர் அனைத்து datasets-ஐயும் பெற limit: 50 உடன் list_datasets ஐ அழைக்கிறார். படி 3 — உதவியாளர் முடிவுகளை itemCount மூலம் வரிசைப்படுத்தி தரவரிசை சுருக்கத்தை வழங்குகிறார்:

உங்களிடம் 14 datasets உள்ளன. மூன்று பெரியவை:

Warehouse Cameras — 34,200 items (image)

Urban Driving Q1 — 12,450 items (lidar)

Parking Lot Footage — 8,900 items (video)

செய்முறை 2: Export மற்றும் பதிவிறக்கம்

உங்கள் உதவியாளரிடம் கேளுங்கள்: “Urban Driving Q1 project-ஐ export செய்து, தயாரானவுடன் தெரிவியுங்கள்.” படி 1 — உதவியாளர் “Urban Driving Q1” க்கு பொருந்தும் project UID-ஐ கண்டறிய list_projects ஐ அழைக்கிறார். படி 2 — உதவியாளர் project UID உடன் create_export ஐ அழைக்கிறார்.

{
  "uid": "e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9",
  "status": "pending",
  "project": "770a9600-a40d-63f6-c938-668877660000",
  "createdAt": "2026-03-19T10:00:00Z"
}

படி 3 — நிலை completed ஆக மாறும் வரை உதவியாளர் get_export_status ஐ தொடர்ந்து அழைக்கிறார்.

{
  "uid": "e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9",
  "status": "completed",
  "downloadUrl": "https://api.avala.ai/exports/e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9/download",
  "fileSize": 52428800,
  "completedAt": "2026-03-19T10:02:34Z"
}

படி 4 — உதவியாளர் பதிவிறக்க இணைப்பு மற்றும் கோப்பு அளவை வழங்குகிறார்.

உங்கள் export தயாராக உள்ளது (50 MB). இங்கே பதிவிறக்கவும்: https://api.avala.ai/exports/.../download

செய்முறை 3: Projects முழுவதும் தர தணிக்கை

உங்கள் உதவியாளரிடம் கேளுங்கள்: “எனது அனைத்து projects-க்கும் quality targets-ஐ மதிப்பிட்டு, தோல்வியடைந்தவற்றைக் குறிப்பிடுங்கள்.” படி 1 — உதவியாளர் அனைத்து projects-ஐயும் பெற list_projects ஐ அழைக்கிறார். படி 2 — ஒவ்வொரு project-க்கும், உதவியாளர் project UID உடன் evaluate_quality ஐ அழைக்கிறார். படி 3 — உதவியாளர் முடிவுகளை ஒருங்கிணைத்து தோல்விகளை முன்னிலைப்படுத்துகிறார்:

7 projects-இல் 5 அனைத்து quality targets-ஐயும் நிறைவேற்றுகின்றன. இரண்டு கவனம் தேவை:

Sidewalk Segmentation — “Label accuracy” இலக்கு 88%-இல் (threshold: 95%)

Fleet Camera Review — “Consensus score” இலக்கு 0.72-இல் (threshold: 0.85)

செய்முறை 4: Fleet device கண்காணிப்பு

உங்கள் உதவியாளரிடம் கேளுங்கள்: “இன்னும் ஒப்புக்கொள்ளப்படாத அனைத்து fleet alerts-ஐயும் தீவிரத்தன்மை அடிப்படையில் காட்டுங்கள்.” படி 1 — உதவியாளர் status: "open" உடன் fleet_list_alerts ஐ அழைக்கிறார். படி 2 — உதவியாளர் பதிலை குழுவாக்கி வடிவமைக்கிறார்:

Critical (1)

Dock Camera 3 — “Device offline for more than 24 hours” (Mar 18 முதல்)

Warning (2)

Forklift Sensor Unit 12 — “Device temperature exceeded threshold (72C)” (Mar 19 முதல்)

Rooftop LiDAR 1 — “Low disk space (< 5%)” (Mar 19 முதல்)

படி 3 — நீங்கள் தொடரலாம்: “அனைத்து warning-நிலை alerts-ஐயும் ஒப்புக்கொள்ளுங்கள்.” உதவியாளர் ஒவ்வொரு warning alert UID-க்கும் fleet_acknowledge_alert ஐ அழைக்கிறார்.

செய்முறை 5: Annotation issue தீர்வு வரிசைப்படுத்தல்

உங்கள் உதவியாளரிடம் கேளுங்கள்: “urban-driving-q1 dataset-க்கான annotation issue metrics-ஐ பெற்று பிரிப்பை காட்டுங்கள்.” படி 1 — உதவியாளர் owner மற்றும் dataset slug உடன் get_annotation_issue_metrics ஐ அழைக்கிறார். படி 2 — உதவியாளர் வடிவமைக்கப்பட்ட சுருக்கத்தை வழங்குகிறார்:

Urban Driving Q1 — Issue Metrics நிலை அடிப்படையில்: 12 open, 5 in review, 3 relabeling, 45 completed தீவிரத்தன்மை அடிப்படையில்: 8 critical, 57 moderate முன்னுரிமை அடிப்படையில்: 2 highest, 6 high, 18 medium, 25 low, 14 lowest சராசரி மூடும் நேரம்: 4.2 மணி நேரம்

படி 3 — நீங்கள் தொடரலாம்: “open critical issues-ஐ பட்டியலிடுங்கள்.” உதவியாளர் வடிகட்டல்களுடன் list_annotation_issues_by_dataset ஐ அழைத்து முடிவுகளைக் காட்டுகிறார்.

எடுத்துக்காட்டு prompts

எந்த MCP-இணக்கமான client-லும் நீங்கள் பயன்படுத்தக்கூடிய சில இயற்கை மொழி prompts இங்கே:

List all my datasets

Show me the details of dataset "autonomous-driving-v3"

What's the status of the "Lidar QA" project?

Create an export for project 770a9600-a40d-63f6-c938-668877660000

How many exports do I have?

Show my workspace stats

List all my automation agents

Create a webhook for task.completed events pointing to https://my-server.com/hooks

Show me the quality targets for project proj_abc123

What's the consensus score summary for my annotation project?

List all organizations I belong to

Show workspace storage config list

List all online fleet devices

Show me open critical alerts across the fleet

Register a new lidar-sensor device called "Rooftop Unit 5"

AI உதவியாளர் பொருத்தமான Avala MCP கருவியை அழைத்து, பதிலைச் செயலாக்கி, முடிவுகளை படிக்கக்கூடிய வடிவத்தில் வழங்குவார். நீங்கள் ஒரே உரையாடலில் கோரிக்கைகளை இணைக்கலாம் — எடுத்துக்காட்டாக, datasets-ஐ பட்டியலிட்டு, ஒன்றைத் தேர்ந்தெடுத்து, பின்னர் export நிலையைப் பார்க்கலாம்.

சிக்கல் தீர்வு

`AVALA_API_KEY` அமைக்கப்படவில்லை

AVALA_API_KEY environment variable இல்லையெனில் MCP server உடனடியாக error code 1 உடன் வெளியேறும். உங்கள் MCP config-ன் env block-இல் key அமைக்கப்பட்டிருப்பதை அல்லது server-ஐ தொடங்குவதற்கு முன் உங்கள் shell-இல் export செய்யப்பட்டிருப்பதை உறுதி செய்யவும்.

Error: AVALA_API_KEY environment variable is required

Mutation கருவிகள் தோன்றவில்லை

create_export, create_agent அல்லது fleet_register_device போன்ற கருவிகள் tool list-இல் இல்லையெனில், server environment-இல் AVALA_MCP_ENABLE_MUTATIONS=true அமைக்க வேண்டும். உங்கள் MCP configuration கோப்பின் env block-இல் இதைச் சேர்க்கவும்:

{
  "env": {
    "AVALA_API_KEY": "your-api-key",
    "AVALA_MCP_ENABLE_MUTATIONS": "true"
  }
}

`npx` காணப்படவில்லை அல்லது தவறான Node.js பதிப்பு

MCP server-க்கு Node.js 18 அல்லது அதற்குப் பிந்தைய பதிப்பு தேவை. npx: command not found அல்லது module syntax errors தோன்றினால், உங்கள் Node.js பதிப்பைச் சரிபார்க்கவும்:

node --version  # Must be v18.0.0 or later

பழைய cached MCP server

நீங்கள் சமீபத்தில் @avala-ai/mcp-server package-ஐ புதுப்பித்தும் பழைய நடத்தை அல்லது காணாமல் போன கருவிகள் தோன்றினால், npx cached பதிப்பை வழங்கலாம். புதிய நிறுவலை கட்டாயப்படுத்தவும்:

npx --yes @avala-ai/mcp-server@latest

பின்னர் உங்கள் MCP client-ஐ மறுதொடக்கம் செய்யவும்.

API key தவறானது அல்லது காலாவதியானது

tool calls 401 Unauthorized திருப்பி அனுப்பினால், உங்கள் API key தவறானதாக, காலாவதியானதாக அல்லது நீக்கப்பட்டதாக இருக்கலாம். Mission Control இல் Settings > Security பகுதியில் புதிய key-ஐ உருவாக்கி, உங்கள் MCP configuration-ஐ புதுப்பிக்கவும்.

Avala MCP server திறந்த மூலமாகும். மூலக் குறியீட்டைப் பார்க்க அல்லது பங்களிக்க GitHub repository ஐ பார்வையிடவும்.

​முன்நிபந்தனைகள்

​அமைப்பு

​Claude Desktop

​Cursor

​VS Code

​Claude Code

​ChatGPT

​MCP பாதுகாப்பு முறை

​கிடைக்கும் MCP கருவிகள்

​Fleet (முன்னோட்டம்)

​கருவி வரையறைகள்

​list_datasets

​get_dataset

​list_projects

​get_project

​create_dataset

​create_export

​get_export_status

​list_exports

​get_workspace_stats

​list_tasks

​get_task

​list_agents

​get_agent

​create_agent

​delete_agent

​list_webhooks

​create_webhook

​delete_webhook

​list_storage_configs

​create_storage_config

​test_storage_config

​delete_storage_config

​list_quality_targets

​evaluate_quality

​get_consensus_summary

​compute_consensus

​list_organizations

​get_organization

​list_slices

​get_slice

​list_annotation_issues_by_sequence

​create_annotation_issue

​update_annotation_issue

​delete_annotation_issue

​list_annotation_issues_by_dataset

​get_annotation_issue_metrics

​list_qc_tools

​fleet_list_devices

​fleet_get_device

​fleet_list_recordings

​fleet_get_recording

​fleet_list_events

​fleet_list_alerts

​fleet_list_rules

​fleet_register_device

​fleet_acknowledge_alert

​செய்முறைகள்

​செய்முறை 1: Dataset நிலை சோதனை

​செய்முறை 2: Export மற்றும் பதிவிறக்கம்

​செய்முறை 3: Projects முழுவதும் தர தணிக்கை

​செய்முறை 4: Fleet device கண்காணிப்பு

​செய்முறை 5: Annotation issue தீர்வு வரிசைப்படுத்தல்

​எடுத்துக்காட்டு prompts

​சிக்கல் தீர்வு

​AVALA_API_KEY அமைக்கப்படவில்லை

​Mutation கருவிகள் தோன்றவில்லை

​npx காணப்படவில்லை அல்லது தவறான Node.js பதிப்பு

​பழைய cached MCP server

​API key தவறானது அல்லது காலாவதியானது

முன்நிபந்தனைகள்

அமைப்பு

Claude Desktop

Cursor

VS Code

Claude Code

ChatGPT

MCP பாதுகாப்பு முறை

கிடைக்கும் MCP கருவிகள்

Fleet (முன்னோட்டம்)

கருவி வரையறைகள்

list_datasets

get_dataset

list_projects

get_project

create_dataset

create_export

get_export_status

list_exports

get_workspace_stats

list_tasks

get_task

list_agents

get_agent

create_agent

delete_agent

list_webhooks

create_webhook

delete_webhook

list_storage_configs

create_storage_config

test_storage_config

delete_storage_config

list_quality_targets

evaluate_quality

get_consensus_summary

compute_consensus

list_organizations

get_organization

list_slices

get_slice

list_annotation_issues_by_sequence

create_annotation_issue

update_annotation_issue

delete_annotation_issue

list_annotation_issues_by_dataset

get_annotation_issue_metrics

list_qc_tools

fleet_list_devices

fleet_get_device

fleet_list_recordings

fleet_get_recording

fleet_list_events

fleet_list_alerts

fleet_list_rules

fleet_register_device

fleet_acknowledge_alert

செய்முறைகள்

செய்முறை 1: Dataset நிலை சோதனை

செய்முறை 2: Export மற்றும் பதிவிறக்கம்

செய்முறை 3: Projects முழுவதும் தர தணிக்கை

செய்முறை 4: Fleet device கண்காணிப்பு

செய்முறை 5: Annotation issue தீர்வு வரிசைப்படுத்தல்

எடுத்துக்காட்டு prompts

சிக்கல் தீர்வு

`AVALA_API_KEY` அமைக்கப்படவில்லை

Mutation கருவிகள் தோன்றவில்லை

`npx` காணப்படவில்லை அல்லது தவறான Node.js பதிப்பு

பழைய cached MCP server

API key தவறானது அல்லது காலாவதியானது