mcpField
M
mcp-factcheck

mcp-factcheck

本地服务
github.com/carlisia开发工具348 周前更新

关于 mcp-factcheck

mcp-factcheck 是用于核验 MCP 相关代码和内容的 MCP 服务,面向开发者及技术写作者。它通过语义搜索对照多个版本的官方规范,并验证复合主张。

主要功能

  1. 01按规范核验 MCP 内容
  2. 02语义搜索规范条目
  3. 03拆分并验证复合主张
  4. 04提供修正建议和置信度
  5. 05支持多个规范版本

适用场景

  1. 01检查教程中的 MCP 技术描述
  2. 02核验代码是否符合规范
  3. 03快速确认单条 MCP 事实

MCP 相关

该服务向 MCP 客户端提供内容核验、快速事实核查、规范搜索和版本查询工具,并提供内容迁移提示词。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"carlisia-mcp-factcheck": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"OPENAI_API_KEY",
"ghcr.io/carlisia/mcp-factcheck:v1.0.0"
],
"env": {
"OPENAI_API_KEY": "<OPENAI_API_KEY>"
}
}
}
}
启动命令docker run -i --rm -e OPENAI_API_KEY ghcr.io/carlisia/mcp-factcheck:v1.0.0
需要配置的环境变量
OPENAI_API_KEY密钥OpenAI API key for embedding generation and content validation

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
ocighcr.io/carlisia/mcp-factcheck:v1.0.0

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

MCP Fact-Check MCP 服务

一个 MCP 服务,用于根据官方 Model Context Protocol (MCP) 规范验证代码或内容,确保技术准确性并防止错误信息传播。

📦 在 MCP Registry 中查看 - 已在官方 MCP Registry 中提供

📋 查看项目路线图 - 查看计划中的功能和开发进度

🏗️ 设计文档 - 技术设计和实现细节

概述

MCP Fact-Check MCP 服务通过将内容与官方规范进行比对,帮助确保在编写代码或撰写 MCP 相关内容时的技术准确性。它使用:

  • 语义搜索,借助 OpenAI embeddings 查找相关规范章节
  • AI 驱动的验证,检测不准确之处并提出修正建议
  • 复合声明分解,验证包含多个断言的复杂陈述
  • 支持多个规范版本(draft、2025-06-18、2025-03-26、2024-11-05)

功能

提供的 MCP 工具
  1. check_mcp_claim - 全面验证 MCP 相关内容

    • 验证包含多个声明的内容(文档、教程、项目符号列表)
    • 自动拆分复合声明(例如,“X and Y”),以准确验证
    • 提供逐步验证工作流
    • 识别缺失的最佳实践以及情态动词问题
    • 返回经过修正的内容及置信度评分
  2. check_mcp_quick_fact - 快速核查单条 MCP 声明

    • 验证单句或快速提问
    • 返回简洁的 ✓/✗ 结论及说明
    • 使用积极的搜索策略确保准确性
    • 非常适合“Does MCP support X?”这类问题
  3. search_spec - 使用语义相似度搜索 MCP 规范

    • 返回最相关的规范章节
    • 支持所有规范版本
  4. list_spec_versions - 列出可用的 MCP 规范版本

    • 显示版本日期和说明
    • 标明当前版本
可用的 MCP 提示词
  1. migrate-mcp-content - 指导在不同 MCP 规范版本间迁移内容

    • 首先根据源规范验证内容
    • 识别不同规范版本之间的变更
    • 提供逐步迁移指导
    • 适用于任何类型的 MCP 相关内容
    • 修正或提出建议时保留原文的语气、风格和表达方式

    参数:

    • current_version(必填):源 MCP 规范版本(例如,“2024-11-05”、“2025-06-18”)
    • target_version(必填):要迁移至的目标 MCP 规范版本(例如,“draft”)
    • update_scope(可选):决定迁移的调整力度
      • critical_only:仅修复关键错误和不兼容变更(尽量少改动)
      • enhancement_focused:修复问题、提升清晰度并遵循最佳实践
      • comprehensive:全面审查,进行所有改进并增强清晰度
      • 默认值:comprehensive

安装

MCP Fact-Check 服务可通过 Model Context Protocol 注册表获取。可直接从 MCP 客户端安装:

适用于 Claude Desktop 和其他 MCP 客户端:

  • 在客户端的服务市场中搜索“mcp-factcheck”
  • 点击安装
  • 根据提示提供 OpenAI API 密钥

完成!服务将自动配置并可供使用。

**面向开发者:**如果需要从源代码构建或为项目做贡献,请参阅 INSTALL.md 了解开发环境设置说明。

可观测性
使用 Arize Phoenix 进行可视化追踪

如需使用美观且专为 AI 打造的追踪可视化界面,请设置 Arize Phoenix:

  1. 安装并启动 Phoenix:
# Install Phoenix
pipx install arize-phoenix

# Start Phoenix server
phoenix serve
  1. 更新 Host 配置,将追踪数据发送到 Phoenix:
{
  "mcpServers": {
    "mcp-factcheck": {
      "command": "/path/to/bin/mcp-factcheck-server",
      "args": [
        "--data-dir",
        "/path/to/data/embeddings",
        "--telemetry",
        "--otlp-endpoint",
        "http://localhost:6006"
      ],
      "env": {
        "OPENAI_API_KEY": "your-api-key"
      }
    }
  }
}
  1. 查看追踪数据: http://localhost:6006

在 Phoenix 中可以看到:

  • 美观且专为大模型应用设计的界面
  • 完整的验证流水线时间线,视觉层次清晰
  • 嵌入生成性能和 OpenAI API 调用追踪
  • 带相似度分数的向量搜索可视化
  • 每个分块的验证置信度和质量指标
  • OpenAI API 使用情况的成本追踪(或用于嵌入输入内容/代码的其他大模型)
  • 简洁直观的导航,专注于 AI 工作流

Phoenix 专为 AI/ML 可观测性而设计,与传统追踪工具相比,使用体验友好得多。

开发

构建
# Build all components
go build -o bin/mfc ./cmd/server
go build -o bin/specloader ./utils/cmd

# Run tests
go test ./...
更新规范

项目包含所有版本预先提取的 MCP 规范和嵌入。要查看草案规范的上次更新时间,请参阅 data/SPEC_METADATA.json:

# View draft update information
cat data/SPEC_METADATA.json | jq '.specs.draft'

更新草案规范:

./bin/specloader spec --version draft
./bin/specloader embed --version draft
./bin/specloader embed --version draft-fine

添加新的规范版本:

./bin/specloader spec --version 2025-12-15
./bin/specloader embed --version 2025-12-15
./bin/specloader embed --version 2025-12-15-fine

所有规范提取日期和源提交都会自动记录在 data/SPEC_METADATA.json 中。

测试工具

使用随附的测试客户端测试服务:

# Build test client
go build -o bin/factcheck-curl ./cmd/factcheck-curl

# Test tools
./bin/factcheck-curl --cmd ./bin/mfc --data-dir ./data/embeddings tools/list
./bin/factcheck-curl --cmd ./bin/mfc --data-dir ./data/embeddings tools/call validate_content '{"content":"MCP is a protocol"}'

# Test prompts
./bin/factcheck-curl --cmd ./bin/mfc --data-dir ./data/embeddings prompts/list

# Get migration prompt with minimal parameters
./bin/factcheck-curl --cmd ./bin/mfc --data-dir ./data/embeddings prompts/get migrate-mcp-content '{"current_version":"2024-11-05","target_version":"draft"}'

# Get migration prompt with all parameters
./bin/factcheck-curl --cmd ./bin/mfc --data-dir ./data/embeddings prompts/get migrate-mcp-content '{
  "current_version": "2024-11-05",
  "target_version": "2025-06-18",
  "update_scope": "critical_only"
}'

架构

完整的架构文档请参阅 DESIGN.md。

环境变量

  • OPENAI_API_KEY - 嵌入生成和内容验证所必需
  • GITHUB_TOKEN - 可选;提取规范时可提高 GitHub API 速率限制

许可证

MIT 许可证。详情请参阅 LICENSE。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。