mcpField
J
jev-use

jev-use

ローカル
github.com/shitianfangAI・エージェント655 週間前に更新

jev-use について

jev-use は、Claude Code、Codex、pi が文章出力を必要としない判断の段階を Jev に委ねるための MCP サーバーです。はい/いいえ、単一選択、評価の型付き回答をバッチで返し、Jev が判断すべきでない場合は型付きのエスカレーションを返します。

主な機能

  1. 01はい/いいえ、単一選択、評価の型付き質問
  2. 021 回のツール呼び出しでのバッチ判断
  3. 03不確かな場合の理由付きエスカレーション
  4. 04コマンドラインからのインストールと環境確認
  5. 05直接利用できる JS ライブラリインターフェース

活用シーン

  1. 01コーディングエージェントの次の操作の迅速な判断
  2. 02コンテキスト圧縮時のメッセージ保持判断のバッチ処理
  3. 03シェルコマンド実行前のゲート処理

MCP 対応

jev-use は MCP サーバーとして動作し、バッチ判断の送信と、型付きの判定結果またはエスカレーション要求の取得のための 2 つのツールをクライアントに公開します。

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": {
"shitianfang-jev-use": {
"command": "npx",
"args": [
"-y",
"jev-use"
]
}
}
}
起動コマンドnpx -y jev-use

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
npmjev-use0.8.0

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

jev-use

英語 | 简体中文

Claude Code、Codex、pi が Jev と連携する最良の方法です。 テキスト出力が不要なタスクを Jev に任せれば、処理が速くなり、トークン数が減り、 タスクをより早く、より良い形で完了できます。

これにより、LLM と Jev は真の協力者になります。コンテンツを書く必要があるときは LLM が引き継ぎ、手順で必要なのが素早い判断だけなら、Jev が実行します。

デモ — 実際の実行、1×速度

経路案内タスク:Jev がクリックし、LLM が入力 — 10 回の判断(p50 274 ms) · 4 回の入力;Jev が誤ったルートを拒否し、LLM が書き直します
OpenStreetMap の経路案内:Jev が緑色で操作項目を選び、LLM が青色で場所を入力します。誤った 1809km のジオコーディング結果を Jev が拒否して LLM が修正し、最終的に実際の 3.7km の徒歩ルートになります
コンテキストの圧縮 — 200 件のメッセージを 7 回の呼び出しで判定し、LLM の 1 つの段落で削除対象のまとまりを置き換えます;想起 3/3
実際のトランスクリプトでコンテキストウィンドウが 94% まで埋まります。Jev が各メッセージを保持または削除に色分けし、LLM の要約段落が削除対象のブロックを置き換えます。ウィンドウは 44% になり、3 件の想起チェックに合格します
Pong:ボールの速度 = 判断レイテンシ — 20 秒間で Jev は 86 回判断するのに対し、通常の方法で呼び出した場合は 6 回(haiku)と 3 回(gemini);両方を enum で制約しても差は 3 倍です
3 つの Pong レーンで、ライブ実行を 1x で再生します。Jev のボールは判断ごとに約 224ms でフィールドを横切りますが、LLM のボールはゆっくり進みます
すべてのシェルコマンドをゲートする — 危険なコマンドを約 230 ms で理由とともに拒否し、LLM のトークンはゼロです
24 コマンドの開発セッションを 1x でゲートします。危険なコマンドは信頼度 1.00 で拒否され、安全なコマンドは許可されます

すべてのデモは bench/examples/ にある再実行可能なスクリプトです。 数値、方法論、ばらつき、注意事項のすべて: bench/RESULTS.md · 第三者による測定: docs/evidence.md。

インストール

npx -y jev-use install    # wires Claude Code, Codex, and pi — whichever it finds

エージェントの実行環境にキーを 1 つ設定します(キーなしでドライランする場合は JEV_BACKEND=mock を設定します)。

プロバイダー環境変数
TypeSafe 直接接続TYPESAFE_API_KEY
OpenRouterOPENROUTER_API_KEY
Vercel AI GatewayAI_GATEWAY_API_KEY

npx -y jev-use doctor で接続設定を確認できます。判定対象の状態は設定した プロバイダーに送られます。JEV_BACKEND=mock の場合はローカルにとどまります。ルーティングスキルと PreToolUse ゲートを含むプラグイン形式: harness/claude-code · harness/codex。

ライブラリとして使用

npm i jev-use — 判断処理経路に実行時依存関係はありません:

import { Jev, check, pick, rate } from "jev-use";

const jev = new Jev();

const { answers } = await jev.judge(state, {
  next: pick("Next action?", { merge: "all green", rerun: "looks flaky", hold: "needs attention" }),
  risk: rate("How risky?", ["routine", "worth a look", "incident"]),
  passed: check("Did the run fully succeed?"),
});
// answers.next → { answer: "merge", confidence: 0.93, confidenceFrom: "reported", escalate: false }

Jev が判断できない、または判断すべきでないものは、型付きの理由とともに escalate: true を付けて返されます。ツール、判定の形式、エスカレーションの契約、CLI: docs/reference.md。

読みやすい小ささ

ファイル役割
src/protocol.ts質問(check/pick/rate)、判定、エスカレーションの理由
src/dispatch.ts呼び出し前のルーティング:Jev に決して届かないもの
src/judge.tsスクリーニング → バックエンド → 判断に迷うものを返す;gate
src/jev.ts判定エンジン上の Jev クライアント
src/redact.tsゲート対象のアクションを送信する前に認証情報を削除
src/backends/TypeSafe、OpenRouter、Vercel、mock アダプター
src/server.ts2 つの MCP ツール
src/cli.tsinstall、serve、hook gate、doctor
skills/jev-use/SKILL.mdエージェントが従うルーティングルール

開発

$ npm run typecheck && npm test    # unit tests incl. per-provider wire fixtures
$ npm run smoke                    # real MCP client ↔ built CLI over stdio
$ node bench/run.mjs               # micro-benchmarks, your key and region

主に Claude Code を使って作成されています(AI による支援)。

MIT © shitianfang

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。