jevbooks

← 全部项目

kev-decision-mcp

HappyMonkeyAI/kev-decision-mcp

将 Kev 指针头决策 API 暴露为 agent 工具的 FastMCP 适配器。

Agent 决策0.71次选分类: 基础设施 / SDK / 集成问卷
README 自动摘要

根据 README 自动整理于 2026年10月7日,不是本站运行记录。运行步骤和作者声称的效果仍需核验。

这是什么

一个小型 stdio FastMCP 适配器,将 Kev 指针头 Jev 模型决策 API 暴露为 agent 工具,供需要类型化决策而非文本生成的 MCP 主机和 agent 使用。

它怎么用 Jev

Jev 对任意 JSON 状态做出类型化决策:choice、score 和 noul 问题。工具包括 kev_evaluate、kev_permute、kev_separate、kev_select_tool 和 kev_custom_decision。结果返回概率、置信度和元数据;调用方将其作为建议,而非授权。

用到的原语:choicescorenoul

值得抄的做法

在一次 kev_evaluate 调用中打包多个类型化问题;基于 probabilities 而非 confidence 设置阈值。

怎么试

uv sync && uv run kev-mcp-server

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

README 片段的模型判断

项目信号使用仓库元信息、已有摘要与 README 前 700 个字符;没有通读完整项目。“未检出”仅表示这些材料中未检出,并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期,不是源码审计或运行验收。

模型与判定日期

收录门禁
jev-1.13.0
项目信号
jev-1.13.0
项目分类
jev-1.13.0
模式标签
jev-1.13.0

证据

这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及,≤ 0.40 表示未检出,中间为未判定;都不是源码审查或运行结果。「可运行工具」题排除了研究实验,「推荐」题筛的是学习案例 Top 10,不是内容质量合格与否。

  • Jev 是项目的核心在材料中检出0.94
  • 展示了 System One 用法未判定0.45
  • 写了怎么处理不确定片段中未检出0.04
  • 给出了实测数字片段中未检出0.07
  • 是能跑起来的工具在材料中检出0.96
  • 学习案例 Top 10 候选信号片段中未检出0.22
  • 是模型本身的复刻片段中未检出0.03
  • 解决的问题够普遍(0–2)按 0–2 打分1.00 / 2
  • 与 Jev 相关在材料中检出0.96
信号
Jev 是项目的核心0.94展示了 System One 用法0.45写了怎么处理不确定0.04给出了实测数字0.07是能跑起来的工具0.96学习案例 Top 10 候选信号0.22是模型本身的复刻0.0300.51解决的问题够普遍(0–2)1.00 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.97常开常闭0.63体检0.57验货0.55黑匣子0.2600.51

无判定区(0.40–0.60)

各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年10月7日 读 README 写成。