这是什么
面向需要做决策的 agent 的本地 stdio MCP 服务器。发送决策、上下文和 2–64 个选项，返回推荐选项及百分比。默认通过 AI Gateway 使用 TypeSafe AI Jev。
它怎么用 Jev
Jev 是默认评估模型（typesafe-ai/jev）。服务器通过 AI SDK 7 的 experimental_evaluate 发送决策、上下文和选项；Jev 返回选项概率，乘以 100 作为 provider-distribution 百分比。随后由 agent 决定下一步。
用到的原语:choice
值得抄的做法
两阶段决策树：路由器按描述选择 bias profile，再在该策略下评估；显式的按 profile 工具可绕过路由。
怎么试
在 MCP 客户端 env 中设置 AI_GATEWAY_API_KEY，运行 npx -y decide-mcp@0.1.0。
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」，≤ 0.40 算「否」，中间这一段 Jev 不下判断。
- Jev 是主角是0.66
- 有 System One 用法未判定0.53
- 处理了不确定性否0.06
- 有实测数据否0.05
- 可直接跑是0.98
- 值得推荐否0.30
- 是模型的复刻否0.05
- 问题普遍性按 0–2 打分1.37
- 与 Jev 相关是0.97
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。