AgentTrust

Name: AgentTrust
Author: assister-xyz

โดย assister-xyzรุ่น 0.1.2i★ –iรันบนเครื่อง

ชื่อใน registryio.github.assister-xyz/agenttrust

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

Quality verification for AI agents and MCP servers. 6-axis scoring, adversarial probes.

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
การใช้งานiยังไม่ได้วัด★ –

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

การเชื่อมต่อ: รันบนเครื่อง
ช่องทาง (transport): stdio
หมวด: อื่น ๆ
ต้องใส่ค่าเหล่านี้: GROQ_API_KEY, CEREBRAS_API_KEY, MONGODB_URL

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
รันในเครื่องคุณด้วยสิทธิ์ของผู้ใช้คุณ (ไฟล์ อินเทอร์เน็ต แอปต่าง ๆ)
ค่าที่คุณต้องใส่เอง: GROQ_API_KEY, CEREBRAS_API_KEY, MONGODB_URL

ค่าที่ติดป้ายความลับคือกุญแจของบัญชีคุณ อย่าส่งให้ใคร และอย่าวางในแชต

ต้องเตรียมก่อน

PyPIติดตั้ง uv ของ Python (มีคำสั่ง uvx) ในเครื่อง

คุณใช้แอปไหน

ClaudeClaude CodeCursorVS CodeChatGPT

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json

{
  "mcpServers": {
    "agenttrust": {
      "command": "uvx",
      "args": [
        "mcp-agenttrust"
      ],
      "env": {
        "GROQ_API_KEY": "ใส่ค่าของคุณ",
        "CEREBRAS_API_KEY": "ใส่ค่าของคุณ",
        "MONGODB_URL": "ใส่ค่าของคุณ"
      }
    }
  }
}

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add agenttrust --env GROQ_API_KEY='ใส่ค่าของคุณ' --env CEREBRAS_API_KEY='ใส่ค่าของคุณ' --env MONGODB_URL='ใส่ค่าของคุณ' -- uvx mcp-agenttrust

เติมค่าที่เว้นว่างไว้ก่อนรัน

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

{
  "mcpServers": {
    "agenttrust": {
      "command": "uvx",
      "args": [
        "mcp-agenttrust"
      ],
      "env": {
        "GROQ_API_KEY": "ใส่ค่าของคุณ",
        "CEREBRAS_API_KEY": "ใส่ค่าของคุณ",
        "MONGODB_URL": "ใส่ค่าของคุณ"
      }
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "agenttrust": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "mcp-agenttrust"
      ],
      "env": {
        "GROQ_API_KEY": "ใส่ค่าของคุณ",
        "CEREBRAS_API_KEY": "ใส่ค่าของคุณ",
        "MONGODB_URL": "ใส่ค่าของคุณ"
      }
    }
  }
}

ตัวนี้รันในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะ server บนอินเทอร์เน็ต ลองเลือกแอปอื่น

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าที่ต้องใส่เอง

GROQ_API_KEY ความลับ env
Groq API key for LLM judge (free tier available at console.groq.com)
CEREBRAS_API_KEY ความลับ env
Cerebras API key for LLM judge (free tier available at cloud.cerebras.ai)
MONGODB_URL ความลับ env
MongoDB connection URL for persistent storage

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 7 พ.ย. 2569

✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันด้วยบัญชี GitHub assister-xyz ซึ่งเป็นเจ้าของ repo
… ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
– ไม่เกี่ยว
endpoint ตอบ
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
– ไม่เกี่ยว
ล็อกอินแบบ OAuth
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
… ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต

เทียบกับตัวอื่นในหมวด อื่น ๆi

ดาวมากกว่า 0% ของอีก 18345 ตัวในหมวดนี้
ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 3% ของอีก 18345 ตัวในหมวดนี้
ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 18345 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

AgentTrust ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

ต้องใส่ค่าเหล่านี้: GROQ_API_KEY, CEREBRAS_API_KEY, MONGODB_URL

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (0.1.2) เข้า registry 8 เดือนที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Python (uv) ในเครื่องด้วย

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี Spec Driven Development, Remote Desktop Commander, ScienceShot science reference

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

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

Spec Driven Development

โดย formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

รันบนเครื่อง★ 440MITอัปเดต 14 เดือนที่ผ่านมา

ติดตั้ง

Remote Desktop Commander

โดย desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

รันบนคลาวด์★ 211อัปเดต เมื่อวานซืน

ติดตั้ง

ScienceShot science reference

โดย scienceshot.com

Sourced, citable answers in radiation and particle physics, photonics, electronics and quantum.

รันบนคลาวด์อัปเดต วันนี้

ติดตั้ง

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

AgentTrust

Challenge-response quality verification for AI agents and MCP servers.

AgentTrust evaluates AI agent competency *before* you trust them with real tasks or payments. It connects to any MCP server, runs challenge-response tests across 6 quality dimensions, and issues W3C Verifiable Credentials as proof.

Why

The AI agent ecosystem has identity (ERC-8004, SATI), post-hoc reputation (TARS, Amiko), and payments (x402) — but no pre-payment quality gate. AgentTrust fills this gap: verify competency first, then trust.

Features

Evaluation Engine

3-level pipeline: Manifest (schema) → Functional (tool calls) → Domain Expert (calibrated questions)
6-axis scoring: accuracy (35%), safety (20%), reliability (15%), process quality (10%), latency (10%), schema quality (10%)
Consensus judging: 2-3 LLM judges in parallel with agreement threshold (saves 50-66% LLM calls)
7 LLM provider fallback chain: Cerebras → Groq → OpenRouter → Gemini → Mistral → DeepSeek → OpenAI
5 adversarial probe types: prompt injection, PII leakage, hallucination, overflow, system prompt extraction

Battle Arena

Head-to-head blind evaluation with position-swap consistency
OpenSkill (Bayesian ELO) rating system with divisions (Bronze → Grandmaster)
Fair matchmaking: rating proximity + uncertainty bonus + cross-division challenges
Style control penalties to prevent gaming via verbose/formatted responses

IRT Adaptive Testing

Rasch 1PL calibration from battle data (pure Python, no numpy)
Fisher information maximization for adaptive question selection
EAP ability estimation with standard normal prior
Reduces evaluation cost by 50-90% while maintaining accuracy

Standards

W3C Verifiable Credentials (AQVC format) with Ed25519 DataIntegrityProof
Google A2A v0.3 native support (AgentTrust IS an A2A agent)
x402 Solana payment verification (USDC + SOL)
AIUC-1 protocol mapping

Quick Start

Docker (recommended)

cp .env.example .env

Add at least one LLM key (GROQ_API_KEY, CEREBRAS_API_KEY, etc.)

docker compose up -d

Services:

API: http://localhost:8002
MCP Server: http://localhost:8003
Health: http://localhost:8002/health

Local Development

python -m venv .venv && source .venv/bin/activate

pip install -r requirements.txt cp .env.example .env

Add LLM keys to .env

unset GROQ_API_KEY # Shell env overrides .env rotation pool python -m uvicorn src.main:app --host 0.0.0.0 --port 8002 --reload

MCP Server (for Claude, Cursor, Windsurf)

Add to your MCP client config:

"mcpServers": { "agenttrust": { "command": "python", "args": ["-m", "src.standards.mcp_server"], "env": { "GROQ_API_KEY": "your-key" } } } }

Or connect to a running instance via SSE:

http://localhost:8003/sse

Available MCP tools:

Tool	Description
`check_quality(server_url)`	Full evaluation: manifest + functional + judge scoring
`check_quality_fast(server_url)`	Cached score (<10ms) or manifest-only (<100ms)
`get_score(server_url)`	Lookup cached score with freshness decay
`verify_attestation(attestation_jwt)`	Verify AQVC JWT and decode payload

API Endpoints

Method	Endpoint	Description
POST	`/v1/evaluate`	Submit target for evaluation
GET	`/v1/evaluate/{id}`	Poll evaluation status
GET	`/v1/score/{target_id}`	Get quality score
GET	`/v1/scores`	Search/list scores
GET	`/v1/badge/{target_id}.svg`	SVG quality badge
GET	`/v1/attestation/{id}`	Get signed attestation (JWT or W3C VC)
POST	`/v1/attestation/{id}/verify`	Verify attestation
POST	`/v1/feedback`	Submit production feedback (anti-sandbagging)
POST	`/v1/battles`	Create evaluation battle
GET	`/v1/arena/leaderboard`	Battle arena leaderboard
GET	`/v1/rankings`	Global rankings by domain/tier
POST	`/v1/irt/calibrate`	Trigger IRT batch calibration
GET	`/v1/irt/recommend`	Adaptive question selection
GET	`/v1/pricing`	x402 pricing table
GET	`/.well-known/agent.json`	A2A Agent Card

Architecture

src/

api/v1/ # 14 FastAPI routers core/ # Evaluator, MCP client, scoring, IRT, battle arena auth/ # API keys (SHA256 + salt), rate limiting by tier storage/ # MongoDB (Motor) + Redis payments/ # x402 protocol, Solana verification standards/ # W3C VC issuer, A2A extension, MCP server, AIUC-1

Stack: FastAPI + MongoDB + Redis | 533 tests | 60 source files | 15 lean dependencies

Tests

python -m pytest tests/ -q

533 passed in ~2s

Configuration

See .env.example for all 60+ configuration options including:

LLM API keys (7 providers, comma-separated for rotation)
MongoDB/Redis connection
JWT attestation (Ed25519 key, issuer DID, validity)
Solana wallet for x402 payments
Rate limit tiers and consensus judge settings

License

MIT

AgentTrust

ภาพรวม

สามเสาของ PopNx MCP

ใช้ทำอะไรได้

ติดตั้ง

ก่อนติดตั้ง

ค่าที่ต้องใส่เอง

ทำอะไรได้บ้าง

ผลตรวจเบื้องต้นi

ตัวตนผู้ทำตรงกับ repo

ยังมีคนดูแล

มีสัญญาอนุญาต (license)

endpoint ตอบ

ล็อกอินแบบ OAuth

คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

เทียบกับตัวอื่นในหมวด อื่น ๆi

คำถามที่พบบ่อย

ตัวที่ใช้แทนได้

Spec Driven Development

Remote Desktop Commander

ScienceShot science reference

README จากผู้ทำ

AgentTrust

Why

Features

Quick Start

Docker (recommended)

Add at least one LLM key (GROQ_API_KEY, CEREBRAS_API_KEY, etc.)

Local Development

Add LLM keys to .env

MCP Server (for Claude, Cursor, Windsurf)

API Endpoints

Architecture

Tests

533 passed in ~2s

Configuration

License

Links