trustmodel-mcp

TrustModel MCP サーバー

あらゆる AI エージェントが TrustModel を呼び出して、信頼性の評価、安全性／バイアスの分析、エンドツーエンドのエージェント型トレースの評価を行える Model Context Protocol（MCP）サーバーです。

Claude Code、Cursor、Windsurf、Claude Desktop、その他の MCP 互換クライアントで動作します。

クイックスタート

1. API キーを取得する

app.trustmodel.ai でサインアップし、Settings → API Keys から API キーを作成します。キーの形式は tm-{env}-{keyid}_{secret} です（例：tm-prod-abc12345_0123456789abcdef…）。

2. MCP クライアントを設定する

Claude Code

claude mcp add trustmodel \
  --env TRUSTMODEL_API_KEY=tm-prod-xxxx_yyyy \
  -- npx -y @trustmodel/mcp-server

Cursor / Windsurf

MCP 設定ファイル（.cursor/mcp.json など）に追加します：

{
  "mcpServers": {
    "trustmodel": {
      "command": "npx",
      "args": ["-y", "@trustmodel/mcp-server"],
      "env": {
        "TRUSTMODEL_API_KEY": "tm-prod-xxxx_yyyy"
      }
    }
  }
}

Claude Desktop

~/Library/Application Support/Claude/claude_desktop_config.json に追加します：

{
  "mcpServers": {
    "trustmodel": {
      "command": "npx",
      "args": ["-y", "@trustmodel/mcp-server"],
      "env": {
        "TRUSTMODEL_API_KEY": "tm-prod-xxxx_yyyy"
      }
    }
  }
}

環境変数

変数	必須	デフォルト	説明
TRUSTMODEL_API_KEY	いいえ*	—	TrustModel API キー（tm-{env}-{keyid}_{secret}）です。*ローカルツール（trustmodel_evaluate_local、trustmodel_govern）では不要です。調整済みのクラウドツールでは必須です。
TRUSTMODEL_TRACE_DIR	いいえ	~/.trustmodel-mcp/traces/	ストリーミングトレースセッションを追記専用の JSONL として保存する場所です。読み込み時の再ハイドレーションにより、セッションはサーバーの再起動後も保持されます。
TRUSTMODEL_PROFILE	いいえ	default	ツールプロファイルです。default では日常的に使用するツールのみが公開され、security／advanced／all ではすべてのツールが公開されます。「ツールプロファイル」を参照してください。
TRUSTMODEL_ADVANCED_TOOLS	いいえ	false	true に設定すると、TRUSTMODEL_PROFILE に関係なくすべてのツールが公開されます。
TRUSTMODEL_AGT_DISCOVERY_ENABLED	いいえ	false	ファイルシステムにアクセスする Shadow Discovery ツール（trustmodel_shadow_discovery_*）を有効にします。未設定の場合、これらのツールはスキップレポートを返します。（詳細プロファイルが有効な場合にのみ関係します。）

ツールプロファイル

推奨されるツール数の上限（5～8 個）を守るため（ツールが増えるとエージェントのツール選択の質が低下します）、サーバーでは小規模な default セットを公開し、詳細ツールはオプトイン方式にしています。

Default プロファイル（6 個のツール） — 日常的に使用するツール： trustmodel_evaluate_local · trustmodel_score · trustmodel_trace_start · trustmodel_trace_step · trustmodel_trace_finalize · trustmodel_govern

Advanced — TRUSTMODEL_PROFILE=security（または advanced／all、あるいは TRUSTMODEL_ADVANCED_TOOLS=true）を設定すると、次のツールも追加で公開されます：trustmodel_evaluate（クラウド一括処理）、trustmodel_credits、trustmodel_upload_trace、trustmodel_evaluate_agent、trustmodel_score_agent、trustmodel_mcp_scan_server、trustmodel_shadow_discovery_*、trustmodel_redteam_*、trustmodel_shadowai_* — 合計 20 個のツール。

claude mcp add trustmodel --env TRUSTMODEL_PROFILE=security -- npx -y @trustmodel/mcp-server

ツール

サーバーは6つの領域にわたる18個のツールを公開します。適切なツールを選ぶには、この表を参照してください。入力と出力の詳細は以下に記載されています。

ツール	グループ	使用するタイミング
trustmodel_evaluate	評価	モデルのバッチ信頼性評価（安全性、バイアス、精度など）を開始します。ポーリング用のidを返します。
trustmodel_score	評価	trustmodel_evaluateで作成した評価のステータスとスコアを取得します。
trustmodel_credits	評価	残りのAPIクレジット残高を確認します。
trustmodel_trace_start	エージェントトレース	エージェントが作業を開始する前に、ストリーミングトレースセッションを開始します。
trustmodel_trace_step	エージェントトレース	エージェントの実行中に、推論ステップ、ツール呼び出し、ツールの結果、または応答を1つ記録します。
trustmodel_trace_finalize	エージェントトレース	セッションを終了し、トレースをアップロードして、エージェント評価の実行を自動作成します。
trustmodel_upload_trace	エージェントトレース	ストリーミングしなかった場合に、組み立て済みのトレースJSONをPUTする単発操作です。
trustmodel_evaluate_agent	エージェントトレース	アップロード済みのトレースfile_pathを対象に、エージェント評価の実行を作成します。
trustmodel_score_agent	エージェントトレース	エージェント評価の実行のスコアと評価を取得します。
trustmodel_mcp_scan_server	セキュリティ	サードパーティ製MCPサーバーのツール一覧をスキャンし、リスクのあるツールや悪用される可能性のあるツールを検出します。
trustmodel_shadow_discovery_scan_paths	シャドウディスカバリー	ローカルファイルシステムのパスをスキャンし、未登録または隠れたAI利用を検出します。
trustmodel_shadow_discovery_fingerprint_keys	シャドウディスカバリー	ディスク上で見つかったOpenAI／Anthropic APIキーを検出し、フィンガープリントを作成します。
trustmodel_redteam_evaluate	レッドチーム	モデルまたはエンドポイントに対する敵対的なレッドチーム評価を開始します。
trustmodel_redteam_results	レッドチーム	レッドチーム評価の結果を取得します。
trustmodel_redteam_list_probes	レッドチーム	利用可能なレッドチームのプローブと攻撃カテゴリを一覧表示します。
trustmodel_shadowai_scan	シャドウAI	環境全体で未登録のAI利用を検出するため、シャドウAIスキャンを開始します。
trustmodel_shadowai_results	シャドウAI	シャドウAIスキャンの結果を取得します。
trustmodel_shadowai_events	シャドウAI	シャドウAIスキャンの検出イベントをストリーミングします。

シャドウディスカバリーツール（trustmodel_shadow_discovery_*）はローカルファイルシステムにアクセスします。常に一覧に表示されますが、サーバーでTRUSTMODEL_AGT_DISCOVERY_ENABLED=trueが設定されていない場合は、スキップレポートを返します。

従来の評価

trustmodel_evaluate

指定した AI モデルに対するバッチ評価を実行します。バックエンドで包括的なテストスイート（安全性、バイアス、正確性、ハルシネーション、推論など）が実行され、trustmodel_score でポーリングできる id が返されます。

入力：

• model_identifier（文字列、必須）— 例："gpt-4o"、"claude-sonnet-4-5"。GET /sdk/v1/models/ で確認できます。
• vendor_identifier（文字列、必須）— 例："openai"、"anthropic"、"google"。
• api_key（文字列、任意）— BYOK 用のベンダー API キーです。TrustModel のプラットフォームキーを使用する場合は省略してください。ここに TrustModel API キーを渡さないでください。TrustModel API キーは TRUSTMODEL_API_KEY 環境変数に設定します。
• categories（文字列[]、任意）— 評価するカテゴリ名です。evaluation_type が "Custom" または "Score Only" の場合にのみ適用されます。
• evaluation_type（文字列、任意、デフォルト "Custom"）— "Custom"、"Score Only"、"Comprehensive"、"Limited"、"Quick Scan" のいずれかです。
• application_type（文字列、任意、デフォルト "generic"）— chatbot、knowledge-agent、creation-tool、document-repository、analysis-tool、automation-agent、generic。
• user_personas（文字列[]、任意、デフォルト ["external-customer"]）— external-customer、internal-employee、technical-user、domain-expert、vulnerable-groups、generic のいずれかです。
• application_description（文字列、任意）。
• domain_expert_description（文字列、任意）— user_personas に "domain-expert" が含まれる場合に指定します。"cross-domain"（デフォルト）、"medical"、"commercial_banking" のいずれかです。
• model_config_name（文字列、任意）— この実行の表示名です。
• template_id（UUID、任意）、template_name（文字列、任意）— 既存の評価テンプレートを再利用するか、名前を変更します。

trustmodel_score

trustmodel_evaluate で作成した評価の詳細（ステータス、完了率、スコア）を取得します。

入力：

• evaluation_id（整数または数値文字列、必須）— trustmodel_evaluate から返された id です。

trustmodel_credits

残りの API クレジット残高を確認します。入力はありません。

エージェントのトレース評価

TrustModel は AI エージェントの実行トレース（思考、ツール呼び出し、ツールの結果、応答）を取り込み、4 つのカテゴリ（tool_use_accuracy、reasoning_quality、goal_completion、safety_compliance）にわたってスコアを付けます。

トレースを送信する方法は 2 つあります。ライブエージェントに推奨されるストリーミングと、トレースを事前に組み立ててある場合の一括送信です。

ストリーミングキャプチャ（推奨）

セッションを開始し、エージェントの動作に合わせてステップを記録し、最後に確定します。確定するとクラウドストレージにアップロードされ、評価の実行が自動的に作成されます。

trustmodel_trace_start

新しいトレースセッションを開始します。

入力：

• goal（文字列、必須）— エージェントが達成しようとしていることです。
• name（文字列、必須）— 評価の実行の表示名です。
• agent_framework（文字列、必須）— 例："langchain"、"crewai"、"claude-code"、"custom"。
• agent_model（文字列、任意）— 例："gpt-4o"、"claude-sonnet-4-5"。
• user_query（文字列、任意）— goal と異なる場合、元のユーザープロンプトです。
• expected_outcome（文字列、任意）。
• metadata（オブジェクト、任意）— 自由形式で渡すメタデータです。

戻り値： { trace_id, started_at }。

trustmodel_trace_step

アクティブなセッションに単一のステップを追加します。推論ステップ、ツール呼び出し、ツールの結果、ユーザー向け応答ごとに1回呼び出してください。

入力:

• trace_id（文字列、必須） — trustmodel_trace_startから取得します。
• step_type（列挙型、必須） — thought、think、tool_call、tool_result、observation、decision、error、human_input、response、final_answerのいずれかです。
• content（文字列、必須） — ステップの内容を人間が読めるテキストで指定します。空文字列も使用できます。
• tool_name（文字列、任意）、tool_args（オブジェクト、任意） — tool_callで使用します。
• tool_result（文字列またはオブジェクト、任意）、tool_call_success（ブール値、任意） — tool_resultで使用します。
• model_used（文字列、任意）、input_tokens / output_tokens（整数、任意）、duration_ms（整数、任意）、timestamp（ISO 8601、任意）。

戻り値: { trace_id, step_number, steps_recorded }。step_numberは自動で割り当てられます。

trustmodel_trace_finalize

セッションを終了し、トレースをアップロードして、評価実行を自動作成します。

入力:

• trace_id（文字列、必須）。
• final_response（文字列、任意）、actual_outcome（文字列、任意）、goal_achieved（ブール値、任意）、success（ブール値、任意）、total_duration_ms（整数、任意 — 省略した場合はステップの所要時間から計算されます）。
• goal / name / agent_framework / agent_model / expected_outcome（すべて任意） — 実行時にエージェントがより詳しい情報を得た場合、開始時のメタデータを上書きします。

戻り値（正常時）: { trace_id, file_path, expires_in, step_count, evaluation_run_id, evaluation_status, evaluation_message }。

戻り値（アップロード成功後に評価が失敗した場合）: { trace_id, file_path, expires_in, step_count, evaluation_error }。再アップロードせずに評価を再試行するには、trustmodel_evaluate_agent({ file_path, goal, name, agent_framework })を使用できます。

ワンショット（組み立て済みのトレース）

trustmodel_upload_trace

構築済みのトレースJSONオブジェクトをクラウドストレージにPUTします。返されたfile_pathをtrustmodel_evaluate_agentに渡してください。

入力:

• trace（オブジェクト、必須） — 完全なAgentTrace JSON。

戻り値: { file_path, expires_in }。

trustmodel_evaluate_agent

以前にアップロードしたトレースに対するエージェント評価実行を作成します。

入力:

• file_path（文字列、必須） — trustmodel_upload_traceまたはtrustmodel_trace_finalizeから取得します。
• goal / name / agent_framework（文字列、必須）。
• agent_model / expected_outcome / actual_outcome（文字列、任意）。
• goal_achieved（ブール値、任意）。

戻り値: { evaluation_run_id, status, message }。

trustmodel_score_agent

エージェント評価実行の詳細（スコア、評価、概要）を取得します。

入力:

• evaluation_run_id（整数または数値文字列、必須）。

セキュリティ

trustmodel_mcp_scan_server

AGTのMCPセキュリティスキャナーをサードパーティ製MCPサーバーのツール一覧に対して実行し、ツールポイズニング、タイポスクワッティング、隠された指示、ラグプルのパターンを検出します。静的解析であり、LLMもネットワークも使用せず、結果は決定的です。エージェントがサードパーティ製MCPサーバーを有効にする前の、登録前チェックを目的としています。

入力:

• tools（配列、必須） — サードパーティ製サーバーのツール定義（name、description、任意の入力スキーマ）。

戻り値: 全体のステータス（ok / warning / blocked）、検出された最悪の重大度、ツールごとの検出結果を含むScanReport。

シャドウディスカバリー

ファイルシステムにアクセスします。TRUSTMODEL_AGT_DISCOVERY_ENABLED=trueでない場合は、スキップレポートを返します。

trustmodel_shadow_discovery_scan_paths

ローカルのファイルシステムパスを走査し、設定ファイル（agentmesh.yaml、crewai.yaml、mcp.json、claude_desktop_config.json、…）、Dockerfile／Compose ファイル、および任意でソースコードからエージェントを検出します。検出結果を呼び出し元から指定されたレジストリと照合し、未登録のエージェントを シャドーエージェント として、AGT リスクスコアリングと対処方法とともに返します。静的解析のみを行います。

入力：

• paths（string[]、必須）— 走査するローカルパスです。
• registry（array、任意）— 照合対象の既知のエージェント（did、name、owner、…）です。

trustmodel_shadow_discovery_fingerprint_keys

プロバイダーの読み取り専用モデルエンドポイントを呼び出して、複数のプロバイダー API キー（OpenAI ／ Anthropic）のフィンガープリントを取得します。推論は実行されません。到達可能なキーには高リスク（認証情報が漏えいしている可能性）というフラグが付けられ、失効したキーは情報として示されます。キーの内容がログに記録されたり返されたりすることはありません。返されるのは provider:****last4 というフィンガープリントのみです。

入力：

• keys（string[]、必須）— 検査する API キーです。

レッドチーム

trustmodel_redteam_evaluate

OpenAI 互換のターゲットに対して、敵対的なレッドチーム評価を実行します。OWASP LLM Top 10 (2025) に沿った 8 つの攻撃カテゴリを対象に検査します。プロンプトインジェクション、ジェイルブレイク、PII 抽出、バイアスの誘発、ハルシネーションを引き起こすトリガーなどが含まれます。

入力：

• model_name（string、必須）— 例："openai/gpt-oss-20b:free"。
• api_key（string、必須）、api_base_url（string、必須）— 例："https://openrouter.ai/api/v1"。
• categories（string[]、任意）、severities（string[]、任意）、metadata（object、任意）。

戻り値： 評価の id です。trustmodel_redteam_results でポーリングしてください。

trustmodel_redteam_results

レッドチーム評価のステータス、進捗、総合スコア、カテゴリ別の内訳、重大度区分を取得します。実行中は部分的な進捗を、完了後は全体の要約を取得できます。

入力：

• evaluation_id（integer または数値文字列、必須）。

trustmodel_redteam_list_probes

レッドチームの検査プローブライブラリを参照します（メタデータのみ。ペイロードは公開されません）。カテゴリ、重大度、またはタグで絞り込めます。

入力：

• category（string、任意）、severity（string、任意）、tag（string、任意）。

シャドー AI

trustmodel_shadowai_scan

GitHub の組織／リポジトリ、および任意で GCP プロジェクトに対するシャドー AI ディスカバリーのスキャンを開始します。LLM SDK の使用（15 個のライブラリ）をソースコードから検出し、Vertex AI エンドポイント、AI 環境変数を持つ Cloud Run サービス、BigQuery ML モデルを一覧表示して、未登録の AI を検出します。

入力：

• github_orgs（string[]、任意）、github_repos（owner/name 形式の string[]、任意）、gcp_projects（string[]、任意）、metadata（object、任意）。

戻り値： スキャンの id です。trustmodel_shadowai_results でポーリングし、trustmodel_shadowai_events で検出結果をページごとに取得してください。

trustmodel_shadowai_results

シャドー AI スキャンのステータス、スキャンフィルター、イベント総数、システムタイプ別／ソース別の検出結果集計を取得します。

入力：

• scan_id（integer または数値文字列、必須）。

trustmodel_shadowai_events

個々の検出イベントをページごとに取得します。各イベントは、system_type、discovered_via、証拠、安定した system_id フィンガープリントを持つ、検出された AI システム 1 件を表します。system_type または source で絞り込めます。

入力：

• scan_id（integer または数値文字列、必須）、および任意の system_type ／ source フィルターとページネーション。

例 — エージェントのストリーミングキャプチャ

trustmodel_trace_start({
  goal: "Book a flight from NYC to SF",
  name: "Flight booking agent",
  agent_framework: "claude-code",
  agent_model: "claude-sonnet-4-5"
})
→ { trace_id: "trace-abc123def456", started_at: "..." }

trustmodel_trace_step({ trace_id, step_type: "thought",
  content: "Need to search flights first." })
→ { step_number: 1, steps_recorded: 1 }

trustmodel_trace_step({ trace_id, step_type: "tool_call",
  content: "Searching flights",
  tool_name: "flight_api.search",
  tool_args: { from: "NYC", to: "SFO", date: "2026-04-20" },
  duration_ms: 500 })
→ { step_number: 2, steps_recorded: 2 }

trustmodel_trace_step({ trace_id, step_type: "tool_result",
  content: "Found UA123 at $350",
  tool_name: "flight_api.search",
  tool_result: { flight: "UA123", price: 350 },
  tool_call_success: true })
→ { step_number: 3, steps_recorded: 3 }

trustmodel_trace_step({ trace_id, step_type: "final_answer",
  content: "Booked UA123 for $350." })
→ { step_number: 4, steps_recorded: 4 }

trustmodel_trace_finalize({ trace_id,
  final_response: "Booked UA123 for $350.",
  goal_achieved: true })
→ {
    file_path: "agent-traces/<org>/<ts>_<uuid>.json",
    step_count: 4,
    evaluation_run_id: 42,
    evaluation_status: "processing"
  }

trustmodel_score_agent({ evaluation_run_id: 42 })
→ { status: "processing" | "completed", scores: [...], grade, overall_score, ... }

例 — 現実的なエージェント型フロー

以下は実際のシナリオです。TrustModel のトレースキャプチャを有効にした Claude Code にタスクを実行させます。最後に TrustModel が、ツール使用の正確性、推論の品質、目標の達成度、安全性への準拠状況をもとにエージェントを評価し、本番環境にリリースする前に信頼レポートを提供します。

シナリオ：リサーチエージェント

このプロンプトを Claude Code（または TrustModel に接続された任意の MCP クライアント）に貼り付けてください。

Research the pros and cons of using WebSockets vs Server-Sent Events for
real-time notifications in a web app, while recording a TrustModel trace.

Before you start, call trustmodel_trace_start with:
  goal: "Research WebSockets vs SSE for real-time notifications"
  name: "Research agent"
  agent_framework: "claude-code"

As you work, record a trustmodel_trace_step for each action:
  - When you reason about the topic → step_type: "thought"
  - When you search or fetch info  → step_type: "tool_call" with tool_name
  - After getting results back      → step_type: "tool_result"
  - When you draw a conclusion      → step_type: "observation"

When done, call trustmodel_trace_finalize with your recommendation as
final_response and goal_achieved: true.

Print the evaluation_run_id so I can check the trust report.

発生すること

エージェントは、推論の各ステップ、検索、結論をすべて自己追跡しながら、トピックを調査します。一般的なセッションは次のようになります。

trustmodel_trace_start({ goal: "Research WebSockets vs SSE...", name: "Research agent", ... })
→ { trace_id: "trace-9a2f71c3b84e" }

trustmodel_trace_step({ step_type: "thought", content: "I need to compare protocol differences, browser support, scaling cost, and typical use cases." })
→ { step_number: 1 }

trustmodel_trace_step({ step_type: "tool_call", tool_name: "WebSearch", tool_args: { query: "websockets vs server-sent events performance comparison" } })
→ { step_number: 2 }

trustmodel_trace_step({ step_type: "tool_result", content: "Found 3 relevant articles comparing latency, connection limits, and HTTP/2 multiplexing..." })
→ { step_number: 3 }

trustmodel_trace_step({ step_type: "observation", content: "SSE is simpler for server-to-client push and works over HTTP/2, but WebSockets are needed for bidirectional communication." })
→ { step_number: 4 }

... (more research, comparisons, trade-off analysis) ...

trustmodel_trace_step({ step_type: "final_answer", content: "Recommendation: use SSE for one-way notifications, WebSockets only if you need client-to-server messaging." })
→ { step_number: 10 }

trustmodel_trace_finalize({
  trace_id: "trace-9a2f71c3b84e",
  final_response: "Recommendation: use SSE for one-way notifications...",
  goal_achieved: true
})
→ {
    file_path: "agent-traces/<org>/<timestamp>.json",
    evaluation_run_id: 42,
    evaluation_status: "processing"
  }

評価結果

1～2 分後に trustmodel_score_agent({ evaluation_run_id: 42 }) をポーリングします。TrustModel は次の結果を返します。

{
  "status": "completed",
  "overall_score": 7.6,
  "grade": "C",
  "scores": [
    { "category": "tool_use_accuracy",  "score": 100.0 },
    { "category": "reasoning_quality",  "score": 60.0  },
    { "category": "goal_completion",    "score": 70.0  },
    { "category": "safety_compliance",  "score": 80.0  }
  ],
  "summary": {
    "trust_dimensions": {
      "safety": 9.0, "fairness": 7.0, "privacy": 10.0,
      "transparency": 6.0, "robustness": 10.0, "accountability": 10.0
    }
  }
}

詳細な評価結果を含む PDF/HTML レポートも生成され、TrustModel ダッシュボードからアクセスできます。

これが重要な理由

コードのレビュー、請求の処理、候補者の審査など、意思決定を行うすべての AI エージェントには、本番環境に移行する前に信頼性の基準が必要です。このフローでは、エージェントのコアロジックを一切変更せずにその基準を得られます。trace_start でラップし、動作中のステップを記録して、完了したら trace_finalize を呼び出すだけです。あとは TrustModel が処理します。

トレースの永続化

アクティブなトレースセッションは、$TRUSTMODEL_TRACE_DIR/<trace_id>.jsonl（デフォルトは ~/.trustmodel-mcp/traces/）に追記専用の JSONL として書き込まれます。ディスクが信頼できる唯一の情報源であり、メモリ内マップは必要に応じて遅延再読み込みされるキャッシュです。そのため、セッションは MCP サーバーの再起動後も保持されます。trustmodel_trace_finalize が正常に完了すると、ローカルファイルは削除されます（トレースはすでにクラウドストレージに保存されています）。

30 分を超えてアイドル状態のセッションは自動的に削除されます。サーバーごとの同時セッション数の上限は 100 です。

ダッシュボード

レポート、評価履歴、詳細な PDF/HTML 評価結果は、TrustModel ダッシュボードの app.trustmodel.ai から利用できます。

トラブルシューティング

症状	対処方法
サーバーがすぐに終了する／TRUSTMODEL_API_KEY エラーが発生する	クライアントの env ブロックに有効なキー（tm-{env}-{keyid}_{secret}）を設定します。app.trustmodel.ai → Settings → API Keys から取得できます。
trustmodel_shadow_discovery_* がスキップレポートを返す	サーバーで TRUSTMODEL_AGT_DISCOVERY_ENABLED=true を設定します。これらのツールはローカルファイルシステムにアクセスするため、デフォルトでは無効になっています。
npx がパッケージを見つけられない	Node ≥ 20.19 であることを確認し、最新バージョンを取得するために npx -y @trustmodel/mcp-server を実行します。
クライアントにツールが表示されない	設定を編集した後、MCP クライアントを再起動します。また、command/args が上記の例と一致していることを確認します。

TrustModel オープンソース

この MCP サーバーは、TrustModel OSS ツールキットの一部です。

• CLI + SDK — PyPI の trustmodel：ローカルでの信頼性スコアリング、ガバナンス、クラウドクライアントを提供します。pip install trustmodel。
• MCP サーバー（このリポジトリ） — npm の @trustmodel/mcp-server：あらゆる MCP クライアントから TrustModel を利用できるようにします。

ライセンス

MIT