ต้นแบบ · รุ่นทดลอง: มีทุก server ในทะเบียนทางการ อัปเดตทุก 30 นาที เข้าสู่ระบบด้วย Google เพื่อเขียนรีวิวได้แล้วต้นแบบ · อัปเดตทุก 30 นาที
PopNx MCPที่รวม MCP สำหรับคนใช้ AI · วิธีติดตั้งภาษาไทยทุกตัว
☰ เมนูไทย ตั้งค่า
โหมดมือใหม่ ปิด
สีหน้าจอตามเครื่องสว่างขาวมืด
ภาษาไทยEnglish中文日本語한국어EspañolDeutsch

LLMVerify

โดย subodhkcรุ่น 1.8.0i★ 19iรันบนเครื่อง
ชื่อใน registryio.github.subodhkc/llmverify

วิธีติดตั้ง

ใช้ทำอะไรได้

ยังไม่มีคำอธิบายภาษาไทย ดูข้อเท็จจริงด้านล่าง หรือเปิดคำอธิบายต้นฉบับจากผู้ทำ

  • ต่อแบบ ติดตั้งในเครื่อง
  • บัญชีหรือคีย์ ต้องมี LLMVERIFY_AUDIT_HASH_KEY
  • หมวด ค้นข้อมูลและความจำของ AI
คำอธิบายต้นฉบับจากผู้ทำ (อังกฤษ)
Local-first MCP server for LLM output verification — risk signals, injection and PII checks.

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ผลตรวจผ่าน 2/3 · ทำงานบนเครื่องคุณ · ✓ ตรวจคำสั่งแล้ว 14 พ.ย. 2569

ขั้นแรก: คุณใช้ AI ตัวไหน

เลือกแอปที่คุณใช้ ขั้นตอนจะขึ้นด้านล่าง

ต่อกับ Claude ได้ แต่ต้องเตรียมก่อน

ต้องมีคีย์ของ LLMVerify (สร้างที่เว็บของผู้ทำ) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว) · ใช้ได้เฉพาะแอป Claude บนคอม (Windows หรือ Mac) ไม่ใช่บนเว็บหรือมือถือ

ให้ AI ติดตั้งให้

คัดลอกข้อความนี้ไปวางในแชตของ Claude AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง

ช่วยติดตั้ง MCP server ชื่อ LLMVerify ให้ Claude ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี Node.js ด้วยคำสั่ง node -v ถ้าไม่มี ให้บอกฉันไปลงจาก https://nodejs.org/en/download ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): { "mcpServers": { "llmverify": { "command": "npx", "args": [ "-y", "llmverify", "mcp" ], "env": { "LLMVERIFY_AUDIT_HASH_KEY": "ใส่ค่าของคุณ" } } } } 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ช่อง LLMVERIFY_AUDIT_HASH_KEY ให้คงคำว่า "ใส่ค่าของคุณ" ไว้ก่อน แล้วบอกให้ฉันวางค่าจริงเองในไฟล์หรือช่องของแอป ห้ามขอให้ฉันพิมพ์คีย์ในแชต 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ LLMVerify ขึ้นจริง

ข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป

  1. ลง Node.js ในเครื่อง (ถ้ายังไม่มี)

    ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter

    node -v
    • ขึ้นเลขรุ่น เช่น v26.13.1 = ลงแล้ว ข้ามขั้นนี้ได้
    • ขึ้นว่า "command not found" (Windows ขึ้นว่า "is not recognized") = ยังไม่ได้ลง หรือเพิ่งลงแต่ยังไม่ได้ปิดแล้วเปิด Terminal ใหม่
    เปิด Terminal ยังไง

    Mac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter

    Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open

    ยังไม่ได้ลง: เปิดหน้าดาวน์โหลดทางการ เลือกรุ่น LTS แล้วเลือกตัวติดตั้งแบบกดเอง: Mac ไฟล์ .pkg · Windows ไฟล์ .msi ดับเบิลคลิกแล้วกดถัดไปจนจบ ไม่ต้องใช้คำสั่ง curl

    เปิดหน้าดาวน์โหลด Node.js ↗

    ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: node -v

    ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ Node.js

  2. สมัครและสร้างคีย์ของ LLMVerify

    เปิดเว็บของผู้ทำ สมัครบัญชีแล้วสร้างคีย์ (API key) เก็บไว้ ใช้ในขั้นถัดไป ราคาและแผนฟรีดูที่เว็บของผู้ทำ

    วิธีขอคีย์อยู่ใน README ของผู้ทำด้านล่าง

  3. เปิดไฟล์ตั้งค่าของแอป Claude บนคอม

    SettingsDeveloperEdit Config

  4. วางค่าตั้งนี้แล้วบันทึกไฟล์

    {
  "mcpServers": {
    "llmverify": {
      "command": "npx",
      "args": [
        "-y",
        "llmverify",
        "mcp"
      ],
      "env": {
        "LLMVERIFY_AUDIT_HASH_KEY": "ใส่ค่าของคุณ"
      }
    }
  }
}

    วางคีย์ในช่องของแอปเท่านั้น อย่าวางในแชตหรือส่งให้ใคร

  5. ปิดแอป Claude แล้วเปิดใหม่

  6. ลองเลย

    ใช้ LLMVerify บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง

    ✓ ถ้า Claude บอกว่ากำลังใช้ LLMVerify หรือมีชื่อเครื่องมือของ LLMVerify ขึ้นในคำตอบ แปลว่าต่อสำเร็จ

ค่าตั้งเพิ่มเติม 10 ช่อง (ไม่ต้องกรอกก็ใช้ได้)

คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ

  • LLMVERIFY_MCP_MAX_INPUT_CHARS จำนวนอักขระสูงสุดที่ยอมรับในอาร์กิวเมนต์ content/input
    ดูต้นฉบับภาษาอังกฤษMax characters accepted in a content/input argument
    · ค่าเริ่มต้น 1000000
  • LLMVERIFY_MCP_TIMEOUT_MS เวลาที่รอสูงสุดต่อเครื่องมือหนึ่งตัว หน่วยเป็นมิลลิวินาที
    ดูต้นฉบับภาษาอังกฤษPer-tool wall-clock timeout in milliseconds
    · ค่าเริ่มต้น 60000
  • LLMVERIFY_MCP_MAX_OUTPUT_ITEMS จำกัดขนาดสูงสุดของอาร์เรย์แต่ละอาร์เรย์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single output array
    · ค่าเริ่มต้น 50
  • LLMVERIFY_MCP_MAX_TEXT_FIELD_CHARS จำกัดขนาดสูงสุดของฟิลด์ข้อความแต่ละฟิลด์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single text field in output
    · ค่าเริ่มต้น 2000
  • LLMVERIFY_HOME ไดเรกทอรีฐานสำหรับสถานะภายในของเอนจิน
    ดูต้นฉบับภาษาอังกฤษBase directory for engine local state
  • LLMVERIFY_AUDIT_DIR ไดเรกทอรีสำหรับไฟล์ Audit JSONL
    ดูต้นฉบับภาษาอังกฤษAudit JSONL directory
  • LLMVERIFY_LOG_DIR ไดเรกทอรีบันทึกการทำงาน
    ดูต้นฉบับภาษาอังกฤษOperational log directory
  • LLMVERIFY_BASELINE_DIR ไดเรกทอรีฐานข้อมูลอ้างอิงสำหรับการตรวจจับความผิดปกติ (drift)
    ดูต้นฉบับภาษาอังกฤษDrift baseline directory
  • LLMVERIFY_USAGE_FILE ไฟล์ตัวนับการใช้งาน
    ดูต้นฉบับภาษาอังกฤษUsage counter file
  • LLMVERIFY_AUDIT_NO_CONTENT_HASH ตั้งเป็น 1 เพื่อปิดการใช้งานแฮชเนื้อหาในบันทึกการตรวจสอบ (audit)
    ดูต้นฉบับภาษาอังกฤษSet to 1 to disable content hashes in audit records

คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ

ชื่อเมนูตรวจกับหน้าช่วยเหลือของ Anthropic เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป

ChatGPT ยังต่อ LLMVerify ไม่ได้

LLMVerify ต้องติดตั้งในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะตัวที่ทำงานบนเว็บ

คุณทำแบบนี้แทนได้

ก · ใช้แอปที่ต่อ LLMVerify ได้

  • ต้องมีคีย์ของ LLMVerify (สร้างที่เว็บของผู้ทำ) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว) · ใช้ได้เฉพาะแอป Claude บนคอม (Windows หรือ Mac) ไม่ใช่บนเว็บหรือมือถือ
  • ต้องมีคีย์ของ LLMVerify (สร้างที่เว็บของผู้ทำ) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว)
  • ต้องมีคีย์ของ LLMVerify (สร้างที่เว็บของผู้ทำ) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว)
  • ต้องมีคีย์ของ LLMVerify (สร้างที่เว็บของผู้ทำ) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว)

ข · ตัวอื่นในหมวด ค้นข้อมูลและความจำของ AI ที่ต่อกับ ChatGPT ได้

เลือกจากตัวที่ใช้มากในหมวดเดียวกัน เฉพาะตัวที่ต่อด้วยที่อยู่ได้โดยไม่ต้องใส่คีย์

ต่อกับ Claude Code ได้ แต่ต้องเตรียมก่อน

ต้องมีคีย์ของ LLMVerify (สร้างที่เว็บของผู้ทำ) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว)

ให้ AI ติดตั้งให้

คัดลอกข้อความนี้ไปวางในแชตของ Claude Code AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง

ช่วยติดตั้ง MCP server ชื่อ LLMVerify ให้ Claude Code ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี Node.js ด้วยคำสั่ง node -v ถ้าไม่มี ให้บอกฉันไปลงจาก https://nodejs.org/en/download ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): claude mcp add --scope user llmverify --env LLMVERIFY_AUDIT_HASH_KEY='ใส่ค่าของคุณ' -- npx -y llmverify mcp 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ช่อง LLMVERIFY_AUDIT_HASH_KEY ให้คงคำว่า "ใส่ค่าของคุณ" ไว้ก่อน แล้วบอกให้ฉันวางค่าจริงเองในไฟล์หรือช่องของแอป ห้ามขอให้ฉันพิมพ์คีย์ในแชต 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ LLMVerify ขึ้นจริง

ข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป

  1. ลง Node.js ในเครื่อง (ถ้ายังไม่มี)

    ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter

    node -v
    • ขึ้นเลขรุ่น เช่น v26.13.1 = ลงแล้ว ข้ามขั้นนี้ได้
    • ขึ้นว่า "command not found" (Windows ขึ้นว่า "is not recognized") = ยังไม่ได้ลง หรือเพิ่งลงแต่ยังไม่ได้ปิดแล้วเปิด Terminal ใหม่
    เปิด Terminal ยังไง

    Mac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter

    Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open

    ยังไม่ได้ลง: เปิดหน้าดาวน์โหลดทางการ เลือกรุ่น LTS แล้วเลือกตัวติดตั้งแบบกดเอง: Mac ไฟล์ .pkg · Windows ไฟล์ .msi ดับเบิลคลิกแล้วกดถัดไปจนจบ ไม่ต้องใช้คำสั่ง curl

    เปิดหน้าดาวน์โหลด Node.js ↗

    ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: node -v

    ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ Node.js

  2. สมัครและสร้างคีย์ของ LLMVerify

    เปิดเว็บของผู้ทำ สมัครบัญชีแล้วสร้างคีย์ (API key) เก็บไว้ ใช้ในขั้นถัดไป ราคาและแผนฟรีดูที่เว็บของผู้ทำ

    วิธีขอคีย์อยู่ใน README ของผู้ทำด้านล่าง

  3. เปิด Terminal

    Mac: กด Command+Space พิมพ์ Terminal · Windows: เปิด PowerShell

  4. วางคำสั่งนี้แล้วกด Enter

    claude mcp add --scope user llmverify --env LLMVERIFY_AUDIT_HASH_KEY='ใส่ค่าของคุณ' -- npx -y llmverify mcp

    แก้ “ใส่ค่าของคุณ” เป็นคีย์ของคุณก่อนกด Enter

    วางคีย์ในช่องของแอปเท่านั้น อย่าวางในแชตหรือส่งให้ใคร

  5. พิมพ์ /mcp ใน Claude Code

    ต้องเห็น LLMVerify ในรายการและขึ้นว่าเชื่อมต่อแล้ว

  6. ลองเลย

    ใช้ LLMVerify บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง

    ✓ ถ้า Claude Code บอกว่ากำลังใช้ LLMVerify หรือมีชื่อเครื่องมือของ LLMVerify ขึ้นในคำตอบ แปลว่าต่อสำเร็จ

ค่าตั้งเพิ่มเติม 10 ช่อง (ไม่ต้องกรอกก็ใช้ได้)

คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ

  • LLMVERIFY_MCP_MAX_INPUT_CHARS จำนวนอักขระสูงสุดที่ยอมรับในอาร์กิวเมนต์ content/input
    ดูต้นฉบับภาษาอังกฤษMax characters accepted in a content/input argument
    · ค่าเริ่มต้น 1000000
  • LLMVERIFY_MCP_TIMEOUT_MS เวลาที่รอสูงสุดต่อเครื่องมือหนึ่งตัว หน่วยเป็นมิลลิวินาที
    ดูต้นฉบับภาษาอังกฤษPer-tool wall-clock timeout in milliseconds
    · ค่าเริ่มต้น 60000
  • LLMVERIFY_MCP_MAX_OUTPUT_ITEMS จำกัดขนาดสูงสุดของอาร์เรย์แต่ละอาร์เรย์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single output array
    · ค่าเริ่มต้น 50
  • LLMVERIFY_MCP_MAX_TEXT_FIELD_CHARS จำกัดขนาดสูงสุดของฟิลด์ข้อความแต่ละฟิลด์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single text field in output
    · ค่าเริ่มต้น 2000
  • LLMVERIFY_HOME ไดเรกทอรีฐานสำหรับสถานะภายในของเอนจิน
    ดูต้นฉบับภาษาอังกฤษBase directory for engine local state
  • LLMVERIFY_AUDIT_DIR ไดเรกทอรีสำหรับไฟล์ Audit JSONL
    ดูต้นฉบับภาษาอังกฤษAudit JSONL directory
  • LLMVERIFY_LOG_DIR ไดเรกทอรีบันทึกการทำงาน
    ดูต้นฉบับภาษาอังกฤษOperational log directory
  • LLMVERIFY_BASELINE_DIR ไดเรกทอรีฐานข้อมูลอ้างอิงสำหรับการตรวจจับความผิดปกติ (drift)
    ดูต้นฉบับภาษาอังกฤษDrift baseline directory
  • LLMVERIFY_USAGE_FILE ไฟล์ตัวนับการใช้งาน
    ดูต้นฉบับภาษาอังกฤษUsage counter file
  • LLMVERIFY_AUDIT_NO_CONTENT_HASH ตั้งเป็น 1 เพื่อปิดการใช้งานแฮชเนื้อหาในบันทึกการตรวจสอบ (audit)
    ดูต้นฉบับภาษาอังกฤษSet to 1 to disable content hashes in audit records

คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ

ชื่อเมนูตรวจกับหน้าช่วยเหลือของ Anthropic เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป

ต่อกับ Cursor ได้ แต่ต้องเตรียมก่อน

ต้องมีคีย์ของ LLMVerify (สร้างที่เว็บของผู้ทำ) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว)

ให้ AI ติดตั้งให้

คัดลอกข้อความนี้ไปวางในแชตของ Cursor AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง

ช่วยติดตั้ง MCP server ชื่อ LLMVerify ให้ Cursor ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี Node.js ด้วยคำสั่ง node -v ถ้าไม่มี ให้บอกฉันไปลงจาก https://nodejs.org/en/download ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): { "mcpServers": { "llmverify": { "command": "npx", "args": [ "-y", "llmverify", "mcp" ], "env": { "LLMVERIFY_AUDIT_HASH_KEY": "ใส่ค่าของคุณ" } } } } 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ช่อง LLMVERIFY_AUDIT_HASH_KEY ให้คงคำว่า "ใส่ค่าของคุณ" ไว้ก่อน แล้วบอกให้ฉันวางค่าจริงเองในไฟล์หรือช่องของแอป ห้ามขอให้ฉันพิมพ์คีย์ในแชต 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ LLMVerify ขึ้นจริง

ข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป

  1. ลง Node.js ในเครื่อง (ถ้ายังไม่มี)

    ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter

    node -v
    • ขึ้นเลขรุ่น เช่น v26.13.1 = ลงแล้ว ข้ามขั้นนี้ได้
    • ขึ้นว่า "command not found" (Windows ขึ้นว่า "is not recognized") = ยังไม่ได้ลง หรือเพิ่งลงแต่ยังไม่ได้ปิดแล้วเปิด Terminal ใหม่
    เปิด Terminal ยังไง

    Mac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter

    Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open

    ยังไม่ได้ลง: เปิดหน้าดาวน์โหลดทางการ เลือกรุ่น LTS แล้วเลือกตัวติดตั้งแบบกดเอง: Mac ไฟล์ .pkg · Windows ไฟล์ .msi ดับเบิลคลิกแล้วกดถัดไปจนจบ ไม่ต้องใช้คำสั่ง curl

    เปิดหน้าดาวน์โหลด Node.js ↗

    ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: node -v

    ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ Node.js

  2. สมัครและสร้างคีย์ของ LLMVerify

    เปิดเว็บของผู้ทำ สมัครบัญชีแล้วสร้างคีย์ (API key) เก็บไว้ ใช้ในขั้นถัดไป ราคาและแผนฟรีดูที่เว็บของผู้ทำ

    วิธีขอคีย์อยู่ใน README ของผู้ทำด้านล่าง

  3. กดปุ่มนี้เพื่อเปิด Cursor

    เปิดใน Cursor

    Cursor จะถามยืนยันการติดตั้ง ให้กด Install

  4. ใส่คีย์ในช่องที่ว่างไว้

    ในค่าตั้งของ LLMVerify ช่อง LLMVERIFY_AUDIT_HASH_KEY ยังว่าง ใส่คีย์ของคุณแล้วบันทึก

    วางคีย์ในช่องของแอปเท่านั้น อย่าวางในแชตหรือส่งให้ใคร

  5. เปิดแชตของ AI ใน Cursor โหมด Agent

  6. ลองเลย

    ใช้ LLMVerify บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง

    ✓ ถ้า Cursor บอกว่ากำลังใช้ LLMVerify หรือมีชื่อเครื่องมือของ LLMVerify ขึ้นในคำตอบ แปลว่าต่อสำเร็จ

ค่าตั้งเพิ่มเติม 10 ช่อง (ไม่ต้องกรอกก็ใช้ได้)

คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ

  • LLMVERIFY_MCP_MAX_INPUT_CHARS จำนวนอักขระสูงสุดที่ยอมรับในอาร์กิวเมนต์ content/input
    ดูต้นฉบับภาษาอังกฤษMax characters accepted in a content/input argument
    · ค่าเริ่มต้น 1000000
  • LLMVERIFY_MCP_TIMEOUT_MS เวลาที่รอสูงสุดต่อเครื่องมือหนึ่งตัว หน่วยเป็นมิลลิวินาที
    ดูต้นฉบับภาษาอังกฤษPer-tool wall-clock timeout in milliseconds
    · ค่าเริ่มต้น 60000
  • LLMVERIFY_MCP_MAX_OUTPUT_ITEMS จำกัดขนาดสูงสุดของอาร์เรย์แต่ละอาร์เรย์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single output array
    · ค่าเริ่มต้น 50
  • LLMVERIFY_MCP_MAX_TEXT_FIELD_CHARS จำกัดขนาดสูงสุดของฟิลด์ข้อความแต่ละฟิลด์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single text field in output
    · ค่าเริ่มต้น 2000
  • LLMVERIFY_HOME ไดเรกทอรีฐานสำหรับสถานะภายในของเอนจิน
    ดูต้นฉบับภาษาอังกฤษBase directory for engine local state
  • LLMVERIFY_AUDIT_DIR ไดเรกทอรีสำหรับไฟล์ Audit JSONL
    ดูต้นฉบับภาษาอังกฤษAudit JSONL directory
  • LLMVERIFY_LOG_DIR ไดเรกทอรีบันทึกการทำงาน
    ดูต้นฉบับภาษาอังกฤษOperational log directory
  • LLMVERIFY_BASELINE_DIR ไดเรกทอรีฐานข้อมูลอ้างอิงสำหรับการตรวจจับความผิดปกติ (drift)
    ดูต้นฉบับภาษาอังกฤษDrift baseline directory
  • LLMVERIFY_USAGE_FILE ไฟล์ตัวนับการใช้งาน
    ดูต้นฉบับภาษาอังกฤษUsage counter file
  • LLMVERIFY_AUDIT_NO_CONTENT_HASH ตั้งเป็น 1 เพื่อปิดการใช้งานแฮชเนื้อหาในบันทึกการตรวจสอบ (audit)
    ดูต้นฉบับภาษาอังกฤษSet to 1 to disable content hashes in audit records

คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ

ชื่อเมนูตรวจกับหน้าช่วยเหลือของ Cursor เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป

ต่อกับ VS Code ได้ แต่ต้องเตรียมก่อน

ต้องมีคีย์ของ LLMVerify (สร้างที่เว็บของผู้ทำ) · ต้องลง Node.js ในเครื่องก่อน (ทำครั้งเดียว)

ให้ AI ติดตั้งให้

คัดลอกข้อความนี้ไปวางในแชตของ VS Code AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง

ช่วยติดตั้ง MCP server ชื่อ LLMVerify ให้ VS Code ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี Node.js ด้วยคำสั่ง node -v ถ้าไม่มี ให้บอกฉันไปลงจาก https://nodejs.org/en/download ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): { "servers": { "llmverify": { "type": "stdio", "command": "npx", "args": [ "-y", "llmverify", "mcp" ], "env": { "LLMVERIFY_AUDIT_HASH_KEY": "ใส่ค่าของคุณ" } } } } 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ช่อง LLMVERIFY_AUDIT_HASH_KEY ให้คงคำว่า "ใส่ค่าของคุณ" ไว้ก่อน แล้วบอกให้ฉันวางค่าจริงเองในไฟล์หรือช่องของแอป ห้ามขอให้ฉันพิมพ์คีย์ในแชต 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ LLMVerify ขึ้นจริง

ข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป

  1. ลง Node.js ในเครื่อง (ถ้ายังไม่มี)

    ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter

    node -v
    • ขึ้นเลขรุ่น เช่น v26.13.1 = ลงแล้ว ข้ามขั้นนี้ได้
    • ขึ้นว่า "command not found" (Windows ขึ้นว่า "is not recognized") = ยังไม่ได้ลง หรือเพิ่งลงแต่ยังไม่ได้ปิดแล้วเปิด Terminal ใหม่
    เปิด Terminal ยังไง

    Mac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter

    Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open

    ยังไม่ได้ลง: เปิดหน้าดาวน์โหลดทางการ เลือกรุ่น LTS แล้วเลือกตัวติดตั้งแบบกดเอง: Mac ไฟล์ .pkg · Windows ไฟล์ .msi ดับเบิลคลิกแล้วกดถัดไปจนจบ ไม่ต้องใช้คำสั่ง curl

    เปิดหน้าดาวน์โหลด Node.js ↗

    ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: node -v

    ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ Node.js

  2. สมัครและสร้างคีย์ของ LLMVerify

    เปิดเว็บของผู้ทำ สมัครบัญชีแล้วสร้างคีย์ (API key) เก็บไว้ ใช้ในขั้นถัดไป ราคาและแผนฟรีดูที่เว็บของผู้ทำ

    วิธีขอคีย์อยู่ใน README ของผู้ทำด้านล่าง

  3. กดปุ่มนี้เพื่อเปิด VS Code

    เปิดใน VS Code

    VS Code จะถามยืนยันการติดตั้ง ให้กด Install

  4. ใส่คีย์ในช่องที่ว่างไว้

    ในค่าตั้งของ LLMVerify ช่อง LLMVERIFY_AUDIT_HASH_KEY ยังว่าง ใส่คีย์ของคุณแล้วบันทึก

    วางคีย์ในช่องของแอปเท่านั้น อย่าวางในแชตหรือส่งให้ใคร

  5. เปิดแชตของ AI ใน VS Code โหมด Agent

  6. ลองเลย

    ใช้ LLMVerify บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง

    ✓ ถ้า VS Code บอกว่ากำลังใช้ LLMVerify หรือมีชื่อเครื่องมือของ LLMVerify ขึ้นในคำตอบ แปลว่าต่อสำเร็จ

ค่าตั้งเพิ่มเติม 10 ช่อง (ไม่ต้องกรอกก็ใช้ได้)

คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ

  • LLMVERIFY_MCP_MAX_INPUT_CHARS จำนวนอักขระสูงสุดที่ยอมรับในอาร์กิวเมนต์ content/input
    ดูต้นฉบับภาษาอังกฤษMax characters accepted in a content/input argument
    · ค่าเริ่มต้น 1000000
  • LLMVERIFY_MCP_TIMEOUT_MS เวลาที่รอสูงสุดต่อเครื่องมือหนึ่งตัว หน่วยเป็นมิลลิวินาที
    ดูต้นฉบับภาษาอังกฤษPer-tool wall-clock timeout in milliseconds
    · ค่าเริ่มต้น 60000
  • LLMVERIFY_MCP_MAX_OUTPUT_ITEMS จำกัดขนาดสูงสุดของอาร์เรย์แต่ละอาร์เรย์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single output array
    · ค่าเริ่มต้น 50
  • LLMVERIFY_MCP_MAX_TEXT_FIELD_CHARS จำกัดขนาดสูงสุดของฟิลด์ข้อความแต่ละฟิลด์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single text field in output
    · ค่าเริ่มต้น 2000
  • LLMVERIFY_HOME ไดเรกทอรีฐานสำหรับสถานะภายในของเอนจิน
    ดูต้นฉบับภาษาอังกฤษBase directory for engine local state
  • LLMVERIFY_AUDIT_DIR ไดเรกทอรีสำหรับไฟล์ Audit JSONL
    ดูต้นฉบับภาษาอังกฤษAudit JSONL directory
  • LLMVERIFY_LOG_DIR ไดเรกทอรีบันทึกการทำงาน
    ดูต้นฉบับภาษาอังกฤษOperational log directory
  • LLMVERIFY_BASELINE_DIR ไดเรกทอรีฐานข้อมูลอ้างอิงสำหรับการตรวจจับความผิดปกติ (drift)
    ดูต้นฉบับภาษาอังกฤษDrift baseline directory
  • LLMVERIFY_USAGE_FILE ไฟล์ตัวนับการใช้งาน
    ดูต้นฉบับภาษาอังกฤษUsage counter file
  • LLMVERIFY_AUDIT_NO_CONTENT_HASH ตั้งเป็น 1 เพื่อปิดการใช้งานแฮชเนื้อหาในบันทึกการตรวจสอบ (audit)
    ดูต้นฉบับภาษาอังกฤษSet to 1 to disable content hashes in audit records

คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ

ชื่อเมนูตรวจกับหน้าช่วยเหลือของ VS Code เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป

โปรแกรมอื่นที่ใช้ MCP ได้ เช่น Windsurf, Zed หรือ Gemini CLI มีวิธีเพิ่มต่างกัน ดูวิธีของแต่ละตัวในหน้ารวมโปรแกรม

ดูโปรแกรมที่ใช้ MCP ทั้งหมด →

ค่าตั้งแบบไฟล์ JSON อยู่ในหัวข้อ “สำหรับคนเขียนโค้ด” ด้านล่าง

ติดตรงไหน? ถามคนที่ใช้ LLMVerify อยู่💬 พูดคุย →
สำหรับคนเขียนโค้ด: คำสั่ง Terminal และค่าตั้ง JSON

ติดตั้งในเครื่อง

Claude Code

claude mcp add --scope user llmverify --env LLMVERIFY_AUDIT_HASH_KEY='ใส่ค่าของคุณ' -- npx -y llmverify mcp

Claude Desktop (claude_desktop_config.json)

{
  "mcpServers": {
    "llmverify": {
      "command": "npx",
      "args": [
        "-y",
        "llmverify",
        "mcp"
      ],
      "env": {
        "LLMVERIFY_AUDIT_HASH_KEY": "ใส่ค่าของคุณ"
      }
    }
  }
}

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "llmverify": {
      "command": "npx",
      "args": [
        "-y",
        "llmverify",
        "mcp"
      ],
      "env": {
        "LLMVERIFY_AUDIT_HASH_KEY": "ใส่ค่าของคุณ"
      }
    }
  }
}

VS Code (mcp.json)

{
  "servers": {
    "llmverify": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "llmverify",
        "mcp"
      ],
      "env": {
        "LLMVERIFY_AUDIT_HASH_KEY": "ใส่ค่าของคุณ"
      }
    }
  }
}

ค่าที่ต้องใส่เอง

  • LLMVERIFY_MCP_MAX_INPUT_CHARS env
    จำนวนอักขระสูงสุดที่ยอมรับในอาร์กิวเมนต์ content/input
    ดูต้นฉบับภาษาอังกฤษMax characters accepted in a content/input argument
  • LLMVERIFY_MCP_TIMEOUT_MS env
    เวลาที่รอสูงสุดต่อเครื่องมือหนึ่งตัว หน่วยเป็นมิลลิวินาที
    ดูต้นฉบับภาษาอังกฤษPer-tool wall-clock timeout in milliseconds
  • LLMVERIFY_MCP_MAX_OUTPUT_ITEMS env
    จำกัดขนาดสูงสุดของอาร์เรย์แต่ละอาร์เรย์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single output array
  • LLMVERIFY_MCP_MAX_TEXT_FIELD_CHARS env
    จำกัดขนาดสูงสุดของฟิลด์ข้อความแต่ละฟิลด์ในผลลัพธ์
    ดูต้นฉบับภาษาอังกฤษCap on any single text field in output
  • LLMVERIFY_HOME env
    ไดเรกทอรีฐานสำหรับสถานะภายในของเอนจิน
    ดูต้นฉบับภาษาอังกฤษBase directory for engine local state
  • LLMVERIFY_AUDIT_DIR env
    ไดเรกทอรีสำหรับไฟล์ Audit JSONL
    ดูต้นฉบับภาษาอังกฤษAudit JSONL directory
  • LLMVERIFY_LOG_DIR env
    ไดเรกทอรีบันทึกการทำงาน
    ดูต้นฉบับภาษาอังกฤษOperational log directory
  • LLMVERIFY_BASELINE_DIR env
    ไดเรกทอรีฐานข้อมูลอ้างอิงสำหรับการตรวจจับความผิดปกติ (drift)
    ดูต้นฉบับภาษาอังกฤษDrift baseline directory
  • LLMVERIFY_USAGE_FILE env
    ไฟล์ตัวนับการใช้งาน
    ดูต้นฉบับภาษาอังกฤษUsage counter file
  • LLMVERIFY_AUDIT_HASH_KEY ความลับ จำเป็น env
    เปิดใช้งานแฮช hmac-sha256 แบบมีคีย์สำหรับเนื้อหาในบันทึกการตรวจสอบ
    ดูต้นฉบับภาษาอังกฤษEnables keyed hmac-sha256 content hashes in audit records
  • LLMVERIFY_AUDIT_NO_CONTENT_HASH env
    ตั้งเป็น 1 เพื่อปิดการใช้งานแฮชเนื้อหาในบันทึกการตรวจสอบ (audit)
    ดูต้นฉบับภาษาอังกฤษSet to 1 to disable content hashes in audit records

คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

สรุป

ดาวน์โหลดต่อสัปดาห์i
1,369/สัปดาห์
licensei
ไม่ระบุ license
การเชื่อมต่อ
รันบนเครื่อง
รุ่นล่าสุดi
1.8.0
ส่งเข้า registryi
9 ต.ค. 2569
แก้โค้ดล่าสุดi
4 พ.ย. 2569
ผู้ทำ
subodhkc
แพ็กเกจ
npm: llmverify
สถานะใน registry
ใช้งานอยู่

ใช้กับโปรแกรมไหนได้

ดูจากแบบการต่อของ server ตัวนี้ และเอกสารของผู้ทำโปรแกรมแต่ละตัว ตรวจเมื่อ 10 พ.ย. 2569

ติดตั้งบนเครื่องได้ใน

ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast

ดูโปรแกรมทั้งหมดพร้อมข้อดีข้อเสีย →

คู่มือที่เกี่ยวข้อง

เรื่องที่ 8เช็ก 5 ข้อก่อนติดตั้ง MCP ไม่ให้ข้อมูลรั่วใช้เวลาราว 2 นาทีต่อตัว ดูจากหน้าของตัวนั้นบนเว็บเรา และหน้าขออนุญาตของโปรแกรม AI ก่อนกดยอมอ่าน 4 นาที

ทำอะไรได้บ้าง

รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 16 พ.ย. 2569

  • ✓ ผ่าน

    ตัวตนผู้ทำตรงกับ repo

    ชื่อใน registry ยืนยันด้วยบัญชี GitHub subodhkc ซึ่งเป็นเจ้าของ repo

  • ✓ ผ่าน

    ยังมีคนดูแล

    มีการแก้โค้ดล่าสุด 12 วันที่ผ่านมา

  • ! ควรระวัง

    มีสัญญาอนุญาต (license)

    GitHub อ่านชนิด license ไม่ออก ต้องเปิดไฟล์ดูเอง

  • – ไม่เกี่ยว

    endpoint ตอบ

    ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต

  • – ไม่เกี่ยว

    ล็อกอินแบบ OAuth

    ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน

  • … ยังไม่ตรวจ

    คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

    รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต

ช่องโหว่ที่เปิดเผยแล้ว (OSV.dev)

ไม่พบรายการใน OSV.dev สำหรับ llmverify@1.8.0

ตรวจเฉพาะตัวแพ็กเกจรุ่นนี้ ไม่ใช่ทุก dependency · ตรวจเมื่อ 15 พ.ย. 2569

เราตรวจอะไรบ้าง → · JSON

ผู้ทำ: ขอให้ตรวจใหม่ หรือแจ้งข้อมูลผิด

เข้าสู่ระบบ

พูดคุย

ถาม แชร์เคล็ดลับ หรือแจ้งว่าใช้ไม่ได้ เรียงตามที่คนกดว่ามีประโยชน์

ยังไม่มีใครโพสต์ ถามหรือแชร์เป็นคนแรกได้เลย

ข้อความในส่วนนี้เขียนโดยผู้ใช้ ไม่ใช่ทีม PopNx

เข้าสู่ระบบเพื่อโพสต์

รีวิวจากผู้ใช้

ยังไม่มีรีวิว

เข้าสู่ระบบเพื่อเขียนรีวิว

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

  • ดาวมากกว่า 94% ของอีก 6183 ตัวในหมวดนี้
  • ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 50% ของอีก 6183 ตัวในหมวดนี้
  • ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 50% ของอีก 6183 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

LLMVerify ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 2 จาก 3 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

ต้องใส่ค่าเหล่านี้: LLMVERIFY_AUDIT_HASH_KEY

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด 12 วันที่ผ่านมา และส่งรุ่นล่าสุด (1.8.0) เข้า registry 38 วันที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Node.js ในเครื่องด้วย

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี OpenSEO, Exa, Mockserver, Microsoft Learn MCP, Docs

ตัวอื่นที่ทำงานคล้ายกัน

หมวดเดียวกันจากผู้ทำคนอื่น ผ่านตัวตรวจคำสั่งแล้ว ตัวทางการขึ้นก่อน แล้วเรียงตามดาว

อ่านการ์ด:↓ ดาวน์โหลดต่อสัปดาห์i★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

OpenSEO

Keyword research, site audits, rank tracking and AI visibility for your AI agent.

โดย every-appใช้กันมาก★ 27.8Kอัปเดต เมื่อวานซืน

รันบนคลาวด์✓ everyapp.com
วิธีต่อ

Exa

Connect AI agents to Exa for web search, content fetching, and multi-step research.

โดย exa-labsใช้กันมาก★ 5.2Kอัปเดต 2 เดือนที่ผ่านมา

รันบนคลาวด์✓ เจ้าของบริการ · exa.aiทีม PopNx ลองใช้จริงแล้ว
วิธีต่อ

Mockserver

Mock, record/replay, verify and chaos-test any HTTP, REST, gRPC or LLM dependency over MCP.

โดย mock-serverกำลังโต★ 5Kอัปเดต 20 วันที่ผ่านมา

รันบนเครื่อง✓ เจ้าของบริการ · mock-server.com
ติดตั้ง

Microsoft Learn MCP

Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.

โดย MicrosoftDocsใช้กันมาก★ 2Kอัปเดต 12 เดือนที่ผ่านมา

รันบนคลาวด์✓ เจ้าของบริการ · microsoft.comทีม PopNx ลองใช้จริงแล้ว
วิธีต่อ

Docs

Search and read Empryo's documentation. Read-only, no auth, no local access.

โดย proxysoulกำลังโต★ 1.6Kอัปเดต 2 เดือนที่ผ่านมา

รันบนคลาวด์✓ empryo.com
วิธีต่อ
  • OpenSEO — ใช้บนคลาวด์ ไม่ต้องลงเครื่อง · ไม่ต้องใช้คีย์
  • Exa — ใช้บนคลาวด์ ไม่ต้องลงเครื่อง · ไม่ต้องใช้คีย์ · อยู่ในคลังของ Claude
  • Mockserver — ต้องลงในเครื่อง · ไม่ต้องใช้คีย์
  • Microsoft Learn MCP — ใช้บนคลาวด์ ไม่ต้องลงเครื่อง · ไม่ต้องใช้คีย์ · อยู่ในคลังของ Claude
  • Docs — ใช้บนคลาวด์ ไม่ต้องลงเครื่อง · ไม่ต้องใช้คีย์

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

llmverify

You shipped an AI feature. Your LLM hallucinated a citation, leaked a customer's email, and followed a prompt-injection buried in user input — on the same day. llmverify is the safety layer that sits between your LLM and your users.

Local-first verification, PII redaction, prompt-injection defense, and runtime monitoring for any LLM. One npm install. Zero telemetry. No API keys on the free tier.

Last Updated: August 21, 2026 Version: 1.7.0 Node: >= 18.0.0 License: MIT

Links

The problem

You build with GPT-4, Claude, Gemini, or any LLM. The model:

  • Hallucinates facts and citations that do not exist.
  • Leaks PII — emails, phone numbers, SSNs, API keys in responses.
  • Follows prompt injections — users trick it into ignoring your instructions.
  • Returns broken JSON that crashes your parser.
  • Drifts in quality over time, and nobody notices until a user complains.

You need a guardrail between the model and your users. That is llmverify.

Install

npm install llmverify

Everything runs locally. The free tier makes zero network requests and needs no API key. Free tier limit: 500 verification calls per day (tracked locally, never sent anywhere).

What you get

FunctionOne-linerWhat it does
verify(content)await verify(aiResponse)Runs hallucination, consistency, safety, and CSM6 checks; returns a risk level and findings
isInputSafe(input)isInputSafe(userMessage)Blocks prompt injection, jailbreaks, and malicious input before it reaches the model
redactPII(text)redactPII(aiResponse)Masks emails, phones, SSNs, credit cards, and API keys
containsPII(text)containsPII(text)Returns true if PII is present
detectAndRepairJson(...)detectAndRepairJson(prompt, response)Detects and repairs broken JSON output
monitorLLM(client)monitorLLM(openaiClient)Wraps any LLM client; tracks latency, token drift, and behavioral changes
sentinel.quick(...)await sentinel.quick(client, model)Runs regression tests against your model before users see changes
classify(...)classify(prompt, response)Intent detection, hallucination signals, and instruction compliance
auditLog(event)auditLog({ ... })Appends a local, hash-only audit entry for SOC 2 / HIPAA / GDPR evidence
run, prodVerify, ciVerifyawait prodVerify(content)Preset pipelines for dev, prod, strict, fast, and CI use

Quick start (30 seconds)

const { verify, isInputSafe, redactPII } = require('llmverify');

// 1. Block prompt injection before it reaches the model. if (!isInputSafe(userMessage)) { return { error: 'Invalid input detected' }; }

// 2. Verify the model's output. const aiResponse = await yourLLM.generate(userMessage); const result = await verify(aiResponse);

if (result.risk.level === 'critical') { return { error: 'Response failed safety check' }; }

// 3. Strip PII before the response reaches a user or a log. const { redacted } = redactPII(aiResponse); console.log(redacted);

Three lines of safety between your LLM and your users. No config file required. No API key required.

How it works

llmverify runs deterministic, pattern-based engines locally — no model calls, no network on the free tier. Same input plus same rules equals same result. Every result carries an explicit limitations array stating what was and was not checked, so you never mistake a clean score for a guarantee.

Framework alignment (baseline mapping only — not certification):

  • OWASP LLM Top 10
  • NIST AI RMF
  • EU AI Act
  • ISO 42001
  • CSM6 (HAIEC's 38-rule control set)

CLI

# Verify a string from the terminal.

npx llmverify verify "The capital of France is London."

Start a local HTTP API for IDE / tool integration (localhost only by default).

npx llmverify-serve --port=9009

Expose to the network only on a trusted network. There is no auth on the API.

npx llmverify-serve --host=0.0.0.0 --port=9009

The server binds to 127.0.0.1 by default, restricts CORS to localhost origins, and rate-limits clients (100 requests / 60s). It requires express (an optional dependency that installs by default).

MCP server

llmverify ships a built-in Model Context Protocol server — the same engine, exposed to MCP-compatible agents and IDEs over stdio:

npx llmverify mcp
// MCP client config

{ "mcpServers": { "llmverify": { "command": "npx", "args": ["-y", "llmverify", "mcp"] } } }

Six tools: verify_llm_content, assess_hallucination_risk, check_prompt_injection, check_pii, redact_pii, get_llmverify_capabilities. Stdio-only, zero outbound network, bounded inputs/outputs, PII-filtered responses, honest notChecked/audit semantics.

Requires Node.js ≥ 20 (the MCP SDK's floor; the rest of the package supports ≥ 18). The MCP SDK and zod are regular dependencies — the mcp command lazy-loads them so other commands pay no startup cost.

See docs/MCP.md for the full tool reference and security model.

Limitations

llmverify is a triage tool, not a truth oracle. Be honest with yourself about what it can and cannot do:

  • It cannot definitively prove hallucinations. Hallucination signals are pattern-based. "The capital of France is London" scores low because the text looks internally consistent. Ground-truth verification requires a source document you provide.
  • It does not replace human review. Use it to triage, not to approve.
  • PII detection is regex-based. It catches standard formats (emails, US phones, SSNs, credit cards, common API keys). It misses obfuscated, image-embedded, or encoded PII. Accuracy is roughly 90% for standard formats, lower for variations.
  • Prompt-injection detection is pattern-based. Novel or obfuscated injections can evade it.
  • Free tier is 100% local. ML-enhanced features require a paid tier and an explicit API key; the free tier never makes network requests and never sends data anywhere.

If a claim matters, verify it yourself. llmverify narrows the risk surface; it does not eliminate it.

Documentation

Part of HAIEC

llmverify is part of the HAIEC (Human AI Evidence Company) AI governance platform. Use it alongside the AI Security Scanner, the CI/CD pipeline integration, and Runtime Injection Testing.

Support

License

MIT — see LICENSE.

Recommendation (not legal advice): Run verify() on every model output that reaches a user, and isInputSafe() on every user input that reaches a model. Treat the risk level as a triage signal, not an approval.