mcpField
Q
qc-validator

qc-validator

ローカル
github.com/mdfifty50-boopAI・エージェント027 週間前に更新

qc-validator について

qc-validatorは、AIエージェントの出力を実行時に検証するMCPサーバーです。設定可能な基準での採点、ハルシネーションリスクの推定、スコープ遵守の確認に加え、エージェント別に結果を記録します。

主な機能

  1. 01設定可能な基準で出力を採点
  2. 02ハルシネーションリスクの推定
  3. 03スコープと形式要件の確認
  4. 04エージェント別の検証結果記録
  5. 05失敗パターンと傾向の分析
  6. 06複数エージェントの品質レポート作成

活用シーン

  1. 01タスク基準に沿ったエージェント出力の確認
  2. 02提供されたソーステキストとの主張照合
  3. 03トピックと必須セクションの制限
  4. 04エージェント品質の継続的な追跡

MCP 対応

MCPクライアントに、出力検証、リスク確認、記録、レポート作成のツールと、品質指標を含むダッシュボードリソースを提供します。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

mcp.json · 共通設定
{
"mcpServers": {
"mdfifty50-boop-qc-validator": {
"command": "npx",
"args": [
"-y",
"qc-validator-mcp"
]
}
}
}
起動コマンドnpx -y qc-validator-mcp

ローカルサーバーにはマシン上の実行環境(Node.js 18 以上など)が必要です。設定ファイルの場所はクライアントごとに異なります。

パッケージ
npmqc-validator-mcp0.1.3

ツール

6

掲載時のツール一覧 · 3 週間前に更新

パラメーター型必須説明
outputstringはい検証するエージェントの出力テキスト
criteriaobjectはい確認する品質基準
criteria.max_lengthnumberいいえ出力の最大文字数
criteria.required_keywordsarrayいいえ出力に含める必要があるキーワード
criteria.forbidden_patternsarrayいいえ含めてはならない正規表現パターンまたは文字列
criteria.factual_claims_countnumberいいえ密度が高いと判定する前の事実に関する主張の最大数
task_descriptionstringはいエージェントに依頼されたタスクの説明

詳細

qc-validator-mcp

AI エージェントの出力を実行時に品質検証します。ハルシネーションを検出し、スコープへの準拠を確認し、出力品質をスコア化します。すべて MCP 経由で利用できます。

インストール

npx qc-validator-mcp
Claude Desktop
{
  "mcpServers": {
    "qc-validator": {
      "command": "npx",
      "args": ["qc-validator-mcp"]
    }
  }
}

ツール

validate_output

長さ制限、必須キーワード、禁止パターン、事実に関する主張の密度など、設定可能な基準に基づいてエージェントの出力をスコア化します。

Params: output, task_description, criteria { max_length, required_keywords[], forbidden_patterns[], factual_claims_count }
Returns: { pass, score, issues[], recommendation }
check_hallucination_risk

ハルシネーションの可能性を推定します。ソーステキストがある場合は、文単位で根拠を確認します。ソースがない場合は、具体的な数値、日付、URLが多い出力にフラグを付けます。

Params: output, source_text (optional), claim_count (default 5)
Returns: { risk_level, unsupported_claims[], confidence, suggestion }
check_scope_compliance

スコープ契約(許可・禁止されるトピック、単語数の制限、必須セクション)に照らして出力を検証します。

Params: output, scope { allowed_topics[], forbidden_topics[], max_words, required_sections[] }
Returns: { compliant, violations[], scope_utilization_percent }
log_validation

エージェントごとの傾向を把握できるよう、検証結果を保存します。

Params: agent_id, output_hash, score, pass, issues_count
Returns: { logged, agent_id, total_validations }
get_failure_patterns

特定のエージェントでよく見られる失敗パターンを分析します。

Params: agent_id
Returns: { total_validations, pass_rate, avg_score, most_common_issues[], trend }
generate_quality_report

検証済みのすべてのエージェントを対象に、品質ダッシュボードを生成します。パラメーターは不要です。

Returns: { total_agents, overall_pass_rate, agents[], worst_performers[], best_performers[], recommendations[] }

リソース

  • qc://dashboard — 検証済みのすべてのエージェントの品質指標

アーキテクチャ

  • Pure Node.js ES modules
  • In-memory Maps(外部依存関係なし)
  • @modelcontextprotocol/sdk を介した stdio トランスポート
  • 設定不要

ライセンス

MIT

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。