zenture
LoslegenAnmelden

Verfügbar

In deinen bestehenden KI-Umgebungen bewerten.

Plugin- und Workflow-Integrationen bringen die Reliability-Schicht näher an ChatGPT, Claude und andere KI-Arbeit, ohne deinen Kontext zu ersetzen.

Evaluation Engine ansehen

ChatGPT-Integration

zenture mit ChatGPT verbinden.

zenture ist ein veröffentlichtes Plugin und auf jedem Plan inklusive Free verfügbar. Installiere es einmal und lass Antworten direkt im Chat prüfen.

Einrichtung in fünf Schritten

  1. Plugins öffnen

    Gehe in ChatGPT zu Einstellungen > Plugins. Kein Entwicklermodus nötig — bei Enterprise- oder Edu-Plänen muss eventuell erst ein Admin Plugins aktivieren.

  2. zenture finden

    Suche im Plugin-Verzeichnis nach zenture und öffne den Eintrag.

  3. Installieren und verbinden

    Wähle Plugin installieren und dann Verbinden.

  4. Anmelden und bestätigen

    Ein Browserfenster öffnet sich. Melde dich bei zenture an und bestätige den angefragten Zugriff.

  5. In einem Chat nutzen

    Erwähne im Chat @zenture oder wähle es über das Plus-Menü aus und lass eine Antwort prüfen. Bestätige die Anfrage, wenn ChatGPT danach fragt. Trenne die Verbindung später über Einstellungen > Plugins.

Claude-Integration

zenture mit Claude verbinden.

Füge zenture als benutzerdefinierten Connector in Claude hinzu und lass Antworten prüfen, ohne die Unterhaltung zu verlassen.

Einrichtung in fünf Schritten

  1. Connectoren öffnen

    Öffne in Claude Anpassen und dann Connectoren.

  2. Connector hinzufügen

    Wähle das Plus-Symbol, dann Benutzerdefinierten Connector hinzufügen, und füge https://mcp.zenture.app ein. Free-Pläne erlauben einen benutzerdefinierten Connector; bei Team oder Enterprise richtet ein Owner ihn einmal unter Organisationseinstellungen > Connectoren ein, danach können sich Mitglieder verbinden.

  3. Verbinden und bestätigen

    Wähle Verbinden. Ein Browserfenster öffnet sich — melde dich bei zenture an und bestätige den angefragten Zugriff.

  4. Für einen Chat aktivieren

    Öffne in deiner Unterhaltung das Plus-Menü, wähle Connectoren und schalte zenture ein.

  5. Antwort prüfen lassen

    Bitte Claude, eine Antwort mit zenture zu prüfen. Beim ersten Mal erlaubst du das Tool — Einmal erlauben oder Immer erlauben — und das Ergebnis erscheint im Chat.

MCP / API

MCP oder API nutzen.

Verbinde zenture als MCP-Server für Clients wie Cursor oder VS Code, oder rufe die Public API direkt aus deinem eigenen Backend auf. Die Public API ist aktuell ein Release Candidate.

Einrichtung in fünf Schritten

  1. Client installieren

    Installiere den zenture-Python-Client von PyPI mit pip install zenture.

    zenture-client
    $ pip install zenture

  2. Zugang erstellen

    Erstelle ein API-Token in deinem zenture-Webapp-Profil (Profil > API-Tokens) für Client oder API, oder melde dich per OAuth an, wenn dein MCP-Client den Server hinzufügt.

  3. Verbinden

    Füge https://mcp.zenture.app als Remote-MCP-Server in deinem MCP-Client hinzu, oder setze die Umgebungsvariable ZENTURE_API_KEY für Client oder API.

    mcp.json
    {
      "mcpServers": {
        "zenture": {
          "url": "https://mcp.zenture.app"
        }
      }
    }

  4. Ersten Run starten

    Rufe das run-Tool über deinen MCP-Client auf, nutze client.runs.run(...) mit dem Python-Client, oder sende POST /v1/runs/prepare und danach POST /v1/runs mit einem Idempotency-Key-Header. Die klassische Evaluation bleibt als zweiter Weg verfügbar.

    run.py
    from zenture import ZentureClient
    with ZentureClient.from_env() as client:
        run = client.runs.run(
            task="Check that the answer names exactly two colours.",
            artifact={"type": "text", "value": "Blue and green."},
            idempotency_key="review-case-123",
        )
        client.runs.wait(run.run_id, timeout=120.0)
        result = client.runs.get(run.run_id, view="full")
        print(result.status, result.acceptance_decision)

  5. Ergebnis lesen

    Über MCP liefert get_run Status, acceptance_decision, Ergebnisinhalt und nächste Aktion; list_runs, cancel_run und record_run_outcome decken den restlichen Run-Lebenszyklus ab. Über die API liest du GET /v1/runs/{id}.