DCL Trust Oracle — AI/LLM Output Audit (x402 MCP)

Name: DCL Trust Oracle — AI/LLM Output Audit (x402 MCP)
Author: Fronesis-Labs

โดย Fronesis-Labsรุ่น 2.3.1i★ –iรันบนคลาวด์

ชื่อใน registrycom.fronesislabs/dcl-trust-oracle

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

AI/LLM agent output audit MCP: policy eval, tamper-evident chain, AI safety, x402 USDC on Base.

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
การใช้งานiยังไม่ได้วัด★ –

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

การเชื่อมต่อ: รันบนคลาวด์
ช่องทาง (transport): Streamable HTTP
หมวด: ค้นข้อมูลและความจำของ AI

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
รันบนเครื่องของผู้ทำ สิ่งที่คุณถามจะผ่านเครื่องของเขา
ทะเบียนไม่ได้ระบุ key ที่ต้องใส่

ต้องเตรียมก่อน

รันบนคลาวด์ไม่ต้องลงโปรแกรมเพิ่ม ต่อผ่านอินเทอร์เน็ตได้เลย

คุณใช้แอปไหน

ClaudeClaude CodeCursorVS CodeChatGPT

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

ใช้ได้ทั้ง Claude บนเว็บ แอปคอมพิวเตอร์ และมือถือ:

เปิด Settings → Connectors
กด Add custom connector
วางที่อยู่ด้านล่างแล้วกด Add
ถ้าให้ล็อกอิน ให้ล็อกอินกับผู้ทำ

https://mcp.fronesislabs.com/mcp

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add --transport http dcl-trust-oracle https://mcp.fronesislabs.com/mcp

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

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

{
  "mcpServers": {
    "dcl-trust-oracle": {
      "url": "https://mcp.fronesislabs.com/mcp"
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "dcl-trust-oracle": {
      "type": "http",
      "url": "https://mcp.fronesislabs.com/mcp"
    }
  }
}

ChatGPT ต่อได้เฉพาะ server ที่อยู่บนอินเทอร์เน็ต:

เปิด ChatGPT บนเว็บ → Settings → Connectors (Apps)
กด Create หรือ Add (บางแพ็กเกจต้องเปิด Developer mode ใน Advanced ก่อน)
วางที่อยู่ด้านล่าง ตั้งชื่อ แล้วบันทึก
ถ้าให้ล็อกอิน ให้ล็อกอินกับผู้ทำ

https://mcp.fronesislabs.com/mcp

ชื่อเมนูอาจต่างกันเล็กน้อยตามแพ็กเกจและรุ่นของแอป

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

ยังไม่ได้อ่านรายการเครื่องมือของตัวนี้ เราตรวจ endpoint ทีละชุดวนไป

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 7 พ.ย. 2569

✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันโดเมน fronesislabs.com แล้ว (registry ตรวจความเป็นเจ้าของโดเมน)
… ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
endpoint ตอบ
ยังไม่ได้ตรวจ เราตรวจ endpoint ทีละชุดวนไป
… ยังไม่ตรวจ
ล็อกอินแบบ OAuth
ยังไม่ได้ตรวจ เราตรวจ endpoint ทีละชุดวนไป
… ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
ยังไม่ได้ตรวจ เราอ่านรายการเครื่องมือตอนตรวจ endpoint

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

ดาวมากกว่า 0% ของอีก 7266 ตัวในหมวดนี้
ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 30% ของอีก 7266 ตัวในหมวดนี้
ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 7266 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

DCL Trust Oracle — AI/LLM Output Audit (x402 MCP) ปลอดภัยไหม?

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

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนคลาวด์ของผู้ทำ ต่อผ่านอินเทอร์เน็ตได้เลย ไม่ต้องลงโปรแกรม แต่ข้อมูลที่ส่งให้จะผ่านเซิร์ฟเวอร์ของผู้ทำ

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (2.3.1) เข้า registry 3 เดือนที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต่อผ่าน URL จึงใช้กับโปรแกรมที่รับ remote MCP ได้ เช่น ChatGPT ที่เปิดโหมดนักพัฒนา

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี Context7, Codebase Memory, Exa

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

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

Context7

โดย upstash

ส่งคู่มือการใช้ไลบรารีและเฟรมเวิร์กรุ่นล่าสุดให้ AI อ่านก่อนตอบ ช่วยให้โค้ดที่ AI เขียนไม่ใช้คำสั่งเก่าที่เลิกใช้แล้ว

บนเครื่องหรือคลาวด์★ 64,224MITอัปเดต เมื่อวาน

ติดตั้ง

Codebase Memory

โดย DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

รันบนเครื่อง★ 48,148MITอัปเดต 21 วันที่ผ่านมา

ติดตั้ง

Exa

โดย exa-labs

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

รันบนคลาวด์★ 5,213MITอัปเดต เดือนที่แล้ว

ติดตั้ง

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

DCL Trust Oracle

Don't trust the agent. Trust the proof.

Autonomous AI agents now take actions with real consequences — financial, legal, reputational. Most of them are black boxes: no record of what was decided, why, or whether that decision was tampered with afterward.

DCL Trust Oracle closes that gap. Every agent output is evaluated against policy in real time and sealed into a tamper-evident hash chain — a deterministic, cryptographically verifiable record of what happened and when. Edit any past entry and the entire chain invalidates. No one — not even Fronesis Labs — has to be trusted for the record to hold up.

What It Does

DCL Trust Oracle provides deterministic policy evaluation for LLM outputs with a tamper-evident audit chain. The system stores only cryptographic hashes and decision metadata — never raw content — enabling verifiable, post-action forensic analysis across distributed AI agents.

Available two ways:

REST API (webhook_server.py) — direct HTTP integration.
MCP Server (mcp_server.py) — native Model Context Protocol integration for AI agents. Live at https://mcp.fronesislabs.com/mcp (streamable-http). Also listed on Smithery (remote URL → same production endpoint; see smithery.yaml) and the official MCP Registry.

Both servers share the same evaluation logic and tamper-evident chain (dcl_core.py), and are priced identically.

Quick Start

REST API

pip install -r requirements.txt

python webhook_server.py

Server runs on `http://localhost:8080`

MCP Server

Production (hosted):

https://mcp.fronesislabs.com/mcp

Streamable HTTP transport — point any MCP client here directly, no setup required.

Local development:

pip install -r requirements.txt

python mcp_server.py

Server runs on `http://localhost:8081` (streamable-http transport)

Tools & Endpoints

Pre-Action Evaluation

Catch a bad output *before* it reaches a user, a wallet, or downstream system.

REST Endpoint	MCP Tool	Price	Description
`POST /evaluate/fast`	`dcl_evaluate_fast`	$0.01	Fast policy check for low-risk outputs. Returns tamper-evident `tx_hash`.
`POST /evaluate/strict`	`dcl_evaluate_strict`	$0.05	Deep analysis for high-stakes outputs with higher confidence thresholds.
`POST /evaluate/jailbreak`	`dcl_evaluate_jailbreak`	$0.02	Instruction adherence check — detects prompt injection patterns and role-hijacking attempts.
`POST /evaluate/safety`	`dcl_evaluate_safety`	$0.01	Baseline screening for known harmful text patterns. Optimized for high throughput.
`POST /evaluate/quality`	`dcl_evaluate_quality`	$0.03	Content quality & drift check — evaluates format adherence and contextual drift.
`POST /evaluate/batch`	`dcl_evaluate_batch`	$0.10	Bulk processing — up to 200 items per MCP call (REST default `max_items`: 20). Cost-effective for multi-turn history.

Session Management

REST Endpoint	MCP Tool	Price	Description
`POST /pipeline/start`	`dcl_pipeline_start`	$0.05	Initializes a long-running audit session for continuous drift tracking. Returns `pipeline_id`.

Post-Action Forensics

When something *did* go wrong, reconstruct exactly what happened.

REST Endpoint	MCP Tool	Price	Description
`GET /audit/{tx_hash}`	`dcl_audit_decode`	$0.10	Basic post-action audit — returns verdict, confidence, agent_id, reason by `tx_hash`.
`GET /audit/{tx_hash}/deep`	`dcl_audit_decode_deep`	$0.50	Deep forensic audit — includes drift context, tamper-evidence indices, environmental metadata.

Post-Action Scans

REST Endpoint	MCP Tool	Price	Description
`POST /evaluate/secrets`	`dcl_evaluate_secrets`	$0.02	Secret & credential leak scan.
`POST /evaluate/pii`	`dcl_evaluate_pii`	$0.02	PII detection scan.

DCL Update Sentinel (Continuous Skill Monitoring)

Continuous security auditing and release verification for AI Agent Skills and GitHub repositories. Sentinel monitors code updates via GitHub Webhooks, blocks regressions against your security baseline, and automatically recovers skill status upon clean rescans.

REST Endpoint	Price	Description
`POST /sentinel/register`	$49.00 / 30d	Register a skill/repo for continuous monitoring. Requires passing initial baseline audit (`score >= 0.80`; returns `HTTP 422` if failed). Issues `webhook_secret`.
`POST /sentinel/webhook/{webhook_secret}`	Free	GitHub Webhook receiver. Audits new release tags, blocks regressions, and logs tamper-evident events.
`POST /sentinel/scan`	$0.05–$0.50	Pay-per-call repository audit (`update_rescan`, `deep_scan`, `forensic_audit`).
`GET /sentinel/status/{repo_full_name}`	Free	Query skill security status (`active`, `blocked`, `unregistered`) and last known good version.
`POST /sentinel/renew`	$49.00 / 30d	Extend 30-day monitoring entitlement for a registered skill (owner-verified).
`GET /sentinel/prices`	Free	Returns current price breakdown for Sentinel services.

Key Features of Sentinel:

Idempotent Webhook Processing: Built-in protection against duplicate GitHub delivery retries (X-GitHub-Delivery tracking).
Auto-Recovery: Skills blocked due to security regressions (status: blocked) are automatically restored to active once a clean, policy-compliant release is published.
Strict Owner Verification: Subscription renewals require cryptographic signature match with the registered owner's wallet (owner_payer_ref).
Baseline Policy Gate: Registration requires a passing initial audit (score >= 0.80). Compromised or failing repositories are rejected immediately (HTTP 422) to prevent invalid entitlement setup.

Crypto & Trading Compliance (MCP only)

These tools are exposed on the live MCP server only (no REST routes in webhook_server.py).

MCP Tool	Price	Description
`dcl_evaluate_jailbreak_crypto`	$0.02	Crypto-specific jailbreak & injection detection.
`dcl_evaluate_wallet`	$0.02	Wallet secret guardian.
`dcl_evaluate_trade`	$0.02	Trade decision verifier.
`dcl_evaluate_mev`	$0.03	MEV & market-abuse compliance screen.
`dcl_evaluate_signal`	$0.03	Market signal fabrication screen.
`dcl_evaluate_output_sanitizer`	$0.02	Output sanitizer — final gate.
`dcl_commit`	$0.01	Leibniz Layer crypto commit — seal a decision to the audit chain.

Utility (free, REST only)

Endpoint	Description
`GET /health`	Service status and chain length
`GET /policies`	List of built-in policy names
`GET /chain/status`	Chain integrity, drift mode, drift score
`GET /chain/export`	Full chain export with integrity verification

Example Response

"verdict": "COMMIT", "confidence": 0.95, "reason": "All policy checks passed", "tx_hash": "0x7a8f3b2c...", "chain_index": 42, "input_hash": "0x9d4e1f...", "policy_version": "1.0.0", "timestamp": 1721635200.123, "pipeline_id": "abc123", "drift_mode": "NORMAL", "drift_score": 0.15 }

Verifying the Chain Yourself

You don't have to take the server's word for it. tx_hash is recomputed from the record's own fields, not just linked to the previous row — so anyone can independently confirm a record wasn't edited after the fact, without calling back into this server. See @fronesis-labs/dcl-sdk (TS/JS) or dcl-core (Python) for the free, offline verification libraries.

Metering & Settlement

Every paid call above is metered and settled automatically via the x402 protocol (USDC on Base).

We support two payment models:

Per-Call Micropayments ($0.01 – $0.50) for instant, on-demand evaluations.
30-Day Recurring Entitlements ($49.00) for continuous skill monitoring via DCL Update Sentinel.

This design eliminates API-key provisioning and invoicing overhead. Per-call pricing makes large-scale agent operations practical (an autonomous system can make thousands of evaluation calls a day).

The REST API is x402-gated via fastapi-x402; the MCP server uses paymcp in Mode.X402, paying automatically for x402-aware clients and falling back to a guided payment link for clients without a configured wallet. Both settle to the same wallet, and neither has a bypass path — an unpaid call simply receives no verdict.

License

Apache License 2.0 — see LICENSE.

DCL Trust Oracle — AI/LLM Output Audit (x402 MCP)

ภาพรวม

สามเสาของ PopNx MCP

ใช้ทำอะไรได้

ติดตั้ง

ก่อนติดตั้ง

ทำอะไรได้บ้าง

ผลตรวจเบื้องต้นi

ตัวตนผู้ทำตรงกับ repo

ยังมีคนดูแล

มีสัญญาอนุญาต (license)

endpoint ตอบ

ล็อกอินแบบ OAuth

คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

คำถามที่พบบ่อย

ตัวที่ใช้แทนได้

Context7

Codebase Memory

Exa

README จากผู้ทำ

DCL Trust Oracle

What It Does

Quick Start

REST API

MCP Server

Tools & Endpoints

Pre-Action Evaluation

Session Management

Post-Action Forensics

Post-Action Scans

DCL Update Sentinel (Continuous Skill Monitoring)

Key Features of Sentinel:

Crypto & Trading Compliance (MCP only)

Utility (free, REST only)

Example Response

Verifying the Chain Yourself

Metering & Settlement

License