AI Evaluator MCP Server

请用 AI Evaluator MCP Server 对比两个客服提示词版本的回答质量，从准确性、语气一致性、拒答合理性和安全性四个维度打分，并输出差异分析与改进建议。

一份包含多维评分、版本对比结论、问题样例和优化建议的评估结果。

请基于行为测试模式，为这个 AI 助手设计一组评估任务，重点检测在不同措辞、长上下文和边界问题下的稳定性，并汇总潜在风险。

一套结构化测试任务，以及关于稳定性、失效模式和风险点的总结。

请说明如何把 AI Evaluator MCP Server 接入我的 AI 开发流程，在每次模型或提示词更新后自动运行评测，并生成可追踪的质量报告。

一份接入方案，包含流程步骤、自动化触发方式和评测报告设计建议。