Inkwell MCP
一个对抗性的图表审阅者，帮助您提高数据墨水比率，并与图表进行更多沟通。
Inkwell分两次审核图表-- 物质 （数据是真实的吗？标题匹配吗？）那么 风格 （数据墨水比例、直接标签、颜色限制、空白）。如果它一直只在风格上拒绝，它就会升级为人类，而不是永远循环。
之前/之后
同样的数据（美国国家航空航天局GISS全球温度异常，1880-2024）。BEFORE未通过Inkwell的物质检查——标题描述了轴，而不是陈述发现。AFTER得分16/16。
| 之前 | 之后 |
|---|---|
之前：彩虹渐变条、网格线、通用标题（“随时间”）、不必要的图例、旋转标签，当数据位于-0.3/+1.3时，y轴延伸到-1/+2。Inkwell判决： SUBSTANCE_FAIL （S3：标题没有说明发现）。
之后：标题陈述了发现，副标题将NASA GISS命名为来源，在端点上直接标记，一种颜色，范围帧，在加速点进行有意义的注释。Inkwell判决： 批准，16/16.
自己生成这些： python examples/before_after.py
为什么
LLM驱动的图表审查听起来很棒，直到你尝试它。我们遇到的问题：
- 无限的拒绝循环。 “残忍”的提示会导致评论者永远拒绝一切。你解决它的问题，它就会发现新的投诉。没有终点线。
- 实质和风格纠缠在一起。 字体投诉会覆盖有效数据。当数据正确时，审阅者告诉您更改可视化类型。
- 评论者产生了幻觉。 视觉模型声称衬线字体为“无衬线”，在无网格图表上标记“网格线”，并发明不存在的违规行为。
- 回合之间没有记忆。 审阅者要求格式A，你遵守，然后它拒绝格式A并要求格式B。
Inkwell修复了这四个问题：
- 双通道架构 --内容和风格是独立的提示，有独立的判断。字体抖动不能覆盖有效数据。
- 有限评分 --风格在8个标准上得分为0/1/2。总分为16分。你确切地知道自己的立场。
- 抗幻觉说明 --“只对你能看到的进行评分。如果你不能识别字体，不要猜测。”
- HITL升级 --在同一张图表上只被拒绝了3次后，Inkwell停下来说：“给人看看。”不再循环了。
安装
pip install mcp anthropic # Anthropic backend
# or
pip install mcp openai # OpenAI-compatible backend (Gemini, Nemotron, Ollama, etc.)设置
克劳德代码
添加 .mcp.json 在项目根目录中：
{
"mcpServers": {
"inkwell": {
"command": "python3",
"args": ["/absolute/path/to/inkwell.py"],
"env": {
"ANTHROPIC_API_KEY": "sk-ant-..."
}
}
}
}重新启动Claude Code以获取新服务器。
克劳德桌面版
添加 ~/Library/Application Support/Claude/claude_desktop_config.json （macOS）或 %APPDATA%\Claude\claude_desktop_config.json （Windows）：
{
"mcpServers": {
"inkwell": {
"command": "python3",
"args": ["/absolute/path/to/inkwell.py"],
"env": {
"ANTHROPIC_API_KEY": "sk-ant-..."
}
}
}
}OpenAI兼容API
通过OpenAI SDK使用任何具有视觉能力的模型（Gemini、Nemotron、Ollama、vLLM、LiteLLM等）：
{
"mcpServers": {
"inkwell": {
"command": "python3",
"args": ["/absolute/path/to/inkwell.py"],
"env": {
"INKWELL_BACKEND": "openai",
"INKWELL_OPENAI_API_KEY": "your-key",
"INKWELL_OPENAI_BASE_URL": "https://generativelanguage.googleapis.com/v1beta/openai",
"INKWELL_MODEL": "gemini-2.0-flash"
}
}
}
}配置
环境变量：
| 变量 | 默认值 | 描述 |
|---|---|---|
INKWELL_BACKEND | （自动检测） | "anthropic", "openai"，或 "bedrock" |
INKWELL_MODEL | （每个后端） | 评审模型（必须支持愿景） |
ANTHROPIC_API_KEY | 无烟煤API键 | |
INKWELL_OPENAI_API_KEY | OpenAI兼容终结点的API密钥 | |
INKWELL_OPENAI_BASE_URL | OpenAI兼容端点的基本URL | |
INKWELL_HITL_THRESHOLD | 3 | 在人类升级之前拒绝风格 |
AWS_REGION | us-east-1 | 基岩区 |
INKWELL_BEDROCK_MODEL | us.anthropic.claude-sonnet-4-20250514-v1:0 | 基岩模型ID |
工具
review_chart
对图表图像进行两遍审查。
review_chart(
image_path="/path/to/chart.png",
context="Sales by region, Q1-Q4 2025. Source: internal CRM. Finding: APAC grew 3x while NA was flat.",
code=""
)第一关——实质内容 （二进制，快速失败）：
- S1：真实数据（非虚构数字）
- S2：正确形式（图表类型适合数据）
- S3：可见的论点（5秒内找到）
- S4：数据完整性（标题与图表所示内容匹配）
如果实质内容失败，则跳过样式审查。先修复数据。
第二关——风格 （得分/16）：
- C1：数据墨水比例
- C2：直接标签（无需图例）
- C3：颜色限制（最多2种有意义的颜色）
- C4：排版（标题=查找，副标题=数据描述）
- C5：空白（没有狭窄的标签）
- C6：范围帧（轴跨度数据，而非整数）
- C7：有意义的注释
- C8：背景（谁的数据、测量的内容、样本量）
得分：>=12通过，8-11需要努力，\", paper_title="Quarterly Sales Analysis" )
返回图表规格，包括确切的数据要求、推荐的表格和要省略的内容。会告诉你文本是否没有足够的定量数据来制作图表。
## HITL门
在3次风格拒绝（每次实质性通过）后，Inkwell停止审核并返回：
HITL ESCALATION: This chart has been rejected 3 times on style alone (substance passes every time). Style scores across rounds: [11, 10, 11]. The automated reviewer may be looping. Show the chart to a human and ask: 'Does this chart communicate its finding clearly? Any label overlaps or readability issues?'
这避免了LLM驱动的审查中最常见的失败模式：无限的挑剔循环，审查人员不断发现新的问题要抱怨。
## 工作流示例
1. 使用matplotlib/seaborn/plotly生成图表
1. 让克劳德复习一下： *“查看我在figures/sales.png上的图表——它按地区显示了第1季度至第4季度的收入”*
1. 克劳德打电话来 `review_chart` → 获得实质+风格反馈
1. 修复失败的问题，重新生成，重新提交
1. 批准（或HITL升级）后，您就完成了
典型的图表在第一次尝试时就通过了实质性内容，并在1-3轮内达到风格认可。
## 起源
建造于 [气动](https://github.com/ekras-doloop) 研究项目，我们需要审查11篇论文中的18个数据可视化。v1评论者（“残忍点。你几乎从不赞成。”）创建了无限的拒绝循环。v2（Inkwell）通过双通道架构和HITL门解决了这个问题。所有18张图表均在1-3轮内获得批准。
## 许可证
麻省理工学院