Jev

Name: Jev
Author: Aitejiu

作者：Aitejiu版本 0.1.2i★ –i在你的电脑上运行

注册名称io.github.Aitejiu/jev

安装

概览

作者提供的说明（英文原文）

Jev judgments for agents: injection scanning, shell risk gating, ranking

PopNx MCP 的三大支柱

这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。

用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
我们的基础检查i1 项中通过 1 项依据公开信息检查；尚未扫描代码
使用情况i尚未统计★ –

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

连接方式: 在你的电脑上运行
传输方式: stdio
分类: 开发者工具
你需要填写：TYPESAFE_API_KEY

安装

选择你使用的 AI 应用，然后复制设置。

安装之前

基础检查：1 项中通过 1 项
在你的电脑上运行，拥有你的用户账户的权限（文件、网络、应用）。
需要你自己填写： TYPESAFE_API_KEY

标为机密的值是你账户的钥匙。千万不要分享给别人，也不要粘贴到聊天里。

你需要

PyPI已安装 Python 的 uv（用于 uvx 命令）

你用的是哪个应用？

ClaudeClaude CodeCursorVS CodeChatGPT

在上方选择你的应用。我们会记住它，下次按钮会显示“安装到 …”。

打开 Claude Desktop → Settings → Developer → Edit Config，把下面的内容粘贴到 claude_desktop_config.json

{
  "mcpServers": {
    "jev": {
      "command": "uvx",
      "args": [
        "jev-mcp"
      ],
      "env": {
        "TYPESAFE_API_KEY": "your-value"
      }
    }
  }
}

在终端中运行这条命令

claude mcp add jev --env TYPESAFE_API_KEY=your-value -- uvx jev-mcp

运行前请先填写空着的值。

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

{
  "mcpServers": {
    "jev": {
      "command": "uvx",
      "args": [
        "jev-mcp"
      ],
      "env": {
        "TYPESAFE_API_KEY": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

{
  "servers": {
    "jev": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "jev-mcp"
      ],
      "env": {
        "TYPESAFE_API_KEY": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

这个服务器在你的电脑上运行，而 ChatGPT 只能连接互联网上的服务器。请选择其他应用。

你的选择通过 Cookie 保存在这台设备上，无需账户。

需要你填写的值

TYPESAFE_API_KEY 机密必填 env
TypeSafe API key used for Jev judgments

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

它在你的电脑上运行；安装后，工具列表会显示在你的 AI 应用中。

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月8日

✓ 通过
作者与仓库一致
注册名称已通过 GitHub 账户 Aitejiu 验证，该账户拥有此仓库
… 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
… 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
– 不适用
端点有响应
它在你的电脑上运行，没有互联网端点
– 不适用
使用 OAuth 登录
在你的电脑上运行，改用本地设置
… 尚未检查
工具描述中没有隐藏指令
它在你的电脑上运行；我们只能读取互联网端点的工具列表

与“开发者工具”中的其他服务器比较i

星标数多于此分类中其他 4906 个服务器的 0%
发布到注册中心的时间比此分类中其他 4906 个服务器的 49% 更新
基础检查结果等于或优于此分类中其他 4906 个服务器的 100%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

常见问题

Jev 安全吗？

它在 1 项适用的基础检查中通过了 1 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。

它需要哪些密钥或代码？

你需要填写：TYPESAFE_API_KEY

它在我的电脑上运行还是在云端？

它在你的电脑上运行。你的 AI 应用会在需要时启动它，数据不会经过作者的服务器（除非它自己调用在线服务）。

它还在维护吗？

GitHub 仓库最后更新于–，最新版本（0.1.2）于2个月前进入注册中心。

哪些应用可以使用它？

支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Python (uv)。

有什么可以替代它？

同一分类中有：GitHub, Desktop Commander, Cloudflare MCP

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

GitHub

作者：github

Connect AI assistants to GitHub - manage repos, issues, PRs, and workflows through natural language.

电脑或云端★ 34,245MIT4天前更新

安装

Desktop Commander

作者：wonderwhy-er

MCP server for terminal commands, file operations, and process management

在你的电脑上运行★ 10,225MIT16天前更新

安装

Cloudflare MCP

作者：cloudflare

Cloudflare MCP servers

在云端运行★ 4,446Apache-2.014个月前更新

安装

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

jev-harness-lab

用 TypeSafe Jev（System One 决策模型）做 agent harness 工程实验的技术仓库：评测框架、基准报告、可运行的集成工具（MCP server、skill router）。

安装

① MCP server（给 agent 加三个 Jev 工具）

用 uv 一条命令，无需克隆：

# 从 PyPI

uvx jev-mcp

直接从 GitHub 源码运行

uvx --from git+https://github.com/Aitejiu/jev-harness-lab jev-mcp

配置到任意 MCP 客户端（opencode / Claude Desktop 等）：

"mcp": { "jev": { "type": "local", "command": ["uvx", "--from", "git+https://github.com/Aitejiu/jev-harness-lab", "jev-mcp"], "environment": { "TYPESAFE_API_KEY": "your-key" }, "enabled": true } } }

提供的工具：

工具	作用
`scan_injection`	扫描工具/网页/邮件输出里的注入指令，返回 block / review / pass
`bash_risk`	shell 命令四维风险打分（破坏性 / 触密 / 外发 / 不可逆），返回 deny / review / allow
`rank_candidates`	候选片段按相关性打分排序（RAG 精排）

MCP Registry 归属标记（勿改格式）：

mcp-name: io.github.Aitejiu/jev

② Agent skill（让 Jev 帮主模型选 skill）

npx skills add Aitejiu/jev-harness-lab --skill jev-skill-router

用 Jev 把任务路由到已安装的 skill，并且只加载选中那一个的完整指令，避免把整个 skill 目录塞进主模型上下文。技能页：https://www.skills.sh/aitejiu/jev-harness-lab/jev-skill-router

环境变量

两个集成都需要：

export TYPESAFE_API_KEY=<your-key>

├── examples/ # 最小可运行示例（三原语、state、路由、护栏、抽取） ├── eval/ # 评测框架：11 个基准脚本 + 24 份报告 + 原始结果 │ └── datasets/ # 手工构造的数据集（如 130 条 shell 命令风险集） ├── integrations/ │ └── opencode/ # opencode 插件：jev_route_skill（skill 门控） ├── skills/ │ └── jev-skill-router/ # 可安装的 agent skill（SKILL.md + 独立脚本，skills.sh） ├── docs/ │ └── REPORT.md # 技术评估报告（数据与结论） ├── src/jev_mcp/ # MCP server 包（PyPI: jev-mcp） ├── pyproject.toml # Python 打包配置（console script: jev-mcp） ├── server.json # MCP Registry 元数据（mcp-name: io.github.Aitejiu/jev） ├── mcp_server.py # 兼容 shim：不安装也可 python mcp_server.py 运行 ├── skill_router.py # 本地 skill 目录路由（Jev 选择并加载 SKILL.md） ├── common.py # .env 加载 + 共享 client └── requirements.txt

快速开始

uv venv --python 3.12 .venv

uv pip install -r requirements.txt echo "TYPESAFE_API_KEY= " > .env

# 最小示例

.venv/bin/python examples/quickstart.py .venv/bin/python examples/noul.py # criteria 对判断的影响 .venv/bin/python examples/routing.py # 阈值路由

跑评测（示例：skill router，501 个真实 skills）

.venv/bin/python eval/run_skillretbench.py --variant hybrid --per-setting 100

评测结果缓存在 eval/results/*.jsonl（已随仓库提交，可 --report-only 直接出报告）；原始数据集在 eval/data/，需按 eval/README.md 的说明下载（已 gitignore）。

集成工具

MCP server

.venv/bin/python mcp_server.py   # stdio

工具	作用	输入 → 输出
`scan_injection`	扫描工具输出中的注入指令	tool_output → `action`(block/review/pass) + 概率
`bash_risk`	shell 命令四维风险打分	command → `action`(deny/review/allow) + 破坏性/触密/外发/不可逆分数
`rank_candidates`	候选片段相关性重排	query + candidates(≤10) → 排序后的 index/score

接入 opencode 的配置示例（项目 .opencode/opencode.json）：

"mcp": { "jev": { "type": "local", "command": ["/absolute/path/to/jev-harness-lab/.venv/bin/python", "/absolute/path/to/jev-harness-lab/mcp_server.py"], "enabled": true } } }

Skill router

.venv/bin/python skill_router.py --query "帮我查飞书文档" --load

opencode 插件在 integrations/opencode/jev-skill-router.ts：注册 jev_route_skill(task) 工具，请求进来时用 Jev 从本地 skill 目录选出最合适的一个并返回其完整指令。参考做法是配合 agent.build.tools.skill = false 关闭内置 skill 工具，使主模型上下文不再携带整个 skill 目录。

主要基准结果（详见 docs/REPORT.md）

任务	数据	结果
间接注入检测	InjecAgent 1,105 条	阈值 0.10：P/R 100%，良性误报 0%
检索重排	BEIR SciFact 900 对	BM25 → Jev：MRR 0.622 → 0.843，Hit@1 50% → 78.3%
意图分类	SNIPS / Banking77	7 类 97.9% / 77 类 80.3%
工具目录路由	MetaTool 199 工具	相似干扰 k=5 96.5%
Skill router	SkillRetBench 501 库	hybrid 架构 R@1 75.8%（最强基线 38.0%）
命令风险门控	自建 130 条	危险拦截 100%、正常放行 98.2%
模型难度路由	RouterBench	51%（无信号，负结果）
轨迹失败归因	Who&When 1,403 步	AUROC 0.56（负结果）

总计约 22,500 次 API 调用、52.2M input tokens、$2.19。

说明

所有 benchmark 使用公开数据集；原始结果 JSONL 已提交，报告可复现。
部分官方基线为模拟实现（在报告中已标注）。
Jev 已知限制：choice 最多 255 个选项、仅文本输入、state+questions 共享约 32k tokens、英语为主。
版本：jev-1.13.0，模型升级后建议重新评测。

Jev

概览