jevbooks

← 全部项目

jev-mcp

IIXINGCHEN/jev-mcp

MCP server + CLI,把 TypeSafe Jev 类型化判断开放给 AI agent。

基础设施 / SDK / 集成0.79次选分类: 评测与基准问卷
README 自动摘要

根据 README 自动整理于 2026年10月4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

面向 AI agent 和开发者的薄桥接:校验请求后转发到 TypeSafe 的 Jev(System One)API,返回结构化判断而非生成文本。兼容任何 MCP 客户端,也可作为 CLI 使用。

它怎么用 Jev

Agent 调用 jev_ask,传入 state 和 1–50 个类型化问题;Jev 基于同一 state 并行求值所有问题,答案按调用方的问题 id 返回。jev_models 列出 model 字段可用的模型名。

用到的原语:choicescorenoul

值得抄的做法

每个问题只问一个原子判断;宽泛的判断拆成多个原子问题,答案在代码里组合。

怎么试

npm install -g @iixingchen/jev-mcp,或 node src/server.js;CLI:jev-ask request.json

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0.95
  • 展示了 System One 用法在材料中检出0.71
  • 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0.04
  • 是能跑起来的工具在材料中检出0.97
  • 学习案例 Top 10 候选信号片段中未检出0.24
  • 是模型本身的复刻片段中未检出0.02
  • 解决的问题够普遍(0–2)按 0–2 打分1.05 / 2
  • 与 Jev 相关在材料中检出0.99
信号
Jev 是项目的核心0.95展示了 System One 用法0.71写了怎么处理不确定0.04给出了实测数字0.04是能跑起来的工具0.97学习案例 Top 10 候选信号0.24是模型本身的复刻0.0200.51解决的问题够普遍(0–2)1.05 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.98记分卡0.63题库0.3400.51

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4日 读 README 写成。