mcpField
G
gutsy

gutsy

本地服务
github.com/kouhxpAI 与智能体03 周前更新

关于 gutsy

gutsy 是一个本地 MCP 服务,在编码 Agent 执行高风险操作前提供基于概率的第二意见。它在 CPU 上运行 gutsy 模型,不调用 API,并建议继续、向用户确认或阻止;它不构成安全边界。

主要功能

  1. 01本地 CPU 推理
  2. 02操作意图与安全概率估计
  3. 03继续、确认或阻止建议
  4. 04可配置的决策阈值
  5. 05可选 Claude Code hook

适用场景

  1. 01检查拟执行的强制推送
  2. 02删除文件前进行评估
  3. 03部署前加入确认步骤
  4. 04发送或发布前提示确认

MCP 相关

向 MCP 客户端提供 `gut_check` 工具,接收操作和上下文并返回建议。该服务与本地 gutsy 推理运行时通信。

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": {
"kouhxp-gutsy": {
"command": "uvx",
"args": [
"gutsy-mcp"
],
"env": {
"GUTSY_URL": "<GUTSY_URL>",
"GUTSY_INFERENCE_DIR": "<GUTSY_INFERENCE_DIR>",
"GUTSY_PROCEED_MIN": "<GUTSY_PROCEED_MIN>",
"GUTSY_BLOCK_MIN": "<GUTSY_BLOCK_MIN>"
}
}
}
}
启动命令uvx gutsy-mcp
需要配置的环境变量
GUTSY_URLURL of the local gutsy-inference server
GUTSY_INFERENCE_DIRDirectory with models.json; if set, gutsy-mcp starts gutsy-inference itself
GUTSY_PROCEED_MINMinimum P(proceed) and P(intended) to recommend proceeding
GUTSY_BLOCK_MINMinimum P(block) to recommend blocking

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
pypigutsy-mcp0.1.2

工具

1

收录的工具列表 · 更新于 2 周前

参数类型必填说明
actionstring是
contextstring否
user_requeststring否

详细介绍

gutsy-mcp

为编码 Agent 提供本地的直觉判断。在 Claude Code、Codex、Cursor 或 Copilot 执行 rm -rf、强制推送、部署或发送内容之前,它会调用 gut_check,获取经过校准的概率,判断该操作是否符合预期且安全,并得到一条建议: proceed(继续)、confirm(先询问用户)或 block(阻止)。

使用 gutsy(0.8B,775 MB GGUF)在你的 CPU 上运行。 不调用 API、无需为每次调用付费、结果确定,而且代码不会离开本机。

它是什么,不是什么

这是一个快速的第二意见,只在必要时增加操作阻力。它不是安全边界:Agent 决定是否调用它,也会编写它看到的上下文;而 0.8B 模型不擅长处理模棱两可的情况和多步骤规则(参见模型卡)。请保持常规权限设置。默认阈值并未针对你的工作流进行调优;请记录概率并进行调整。

1. 启动 gutsy 运行时

git clone https://github.com/kouhxp/gutsy
pip install -e gutsy/gutsy-inference
hf download kouhxp/gutsy --include "gutsy-0.8b-v04*" --local-dir gutsy/gutsy-inference/models
cd gutsy/gutsy-inference && cp models.example.json models.json
gutsy-inference check && gutsy-inference serve     # http://127.0.0.1:8765

或者设置 GUTSY_INFERENCE_DIR=/path/to/gutsy/gutsy-inference,gutsy-mcp 就会在首次使用时启动运行时。

2. 添加 MCP 服务

Claude Code:

claude mcp add gutsy -- uvx gutsy-mcp

Cursor(.cursor/mcp.json)/ Claude Desktop:

{ "mcpServers": { "gutsy": { "command": "uvx", "args": ["gutsy-mcp"] } } }

VS Code(.vscode/mcp.json):

{ "servers": { "gutsy": { "type": "stdio", "command": "uvx", "args": ["gutsy-mcp"] } } }

Codex(~/.codex/config.toml):

[mcp_servers.gutsy]
command = "uvx"
args = ["gutsy-mcp"]

然后告诉 Agent 何时使用它(CLAUDE.md、AGENTS.md、.cursor/rules):

删除文件、重写 Git 历史、强制推送、操作数据库、部署、发布或发送任何内容之前,请调用 gut_check。如果返回的结果不是 proceed,请停下来询问我。

3. 可选:使用 Claude Code 钩子强制执行

只有 Agent 记得调用时,MCP 工具才会运行。无论如何,该钩子都会针对每条看起来有风险的 Bash 命令运行。它只能询问或拒绝,无法自动批准。

uv tool install gutsy-mcp      # puts gutsy-hook on PATH

.claude/settings.json:

{
  "hooks": {
    "PreToolUse": [
      { "matcher": "Bash", "hooks": [{ "type": "command", "command": "gutsy-hook", "timeout": 60 }] }
    ]
  }
}

默认情况下,block 会变成确认提示;设置 GUTSY_HOOK_ALLOW_DENY=1 可直接拒绝。

工具

gut_check(action, context="", user_request="") 返回:

{
  "recommendation": "confirm",
  "reason": "Not confident enough to proceed without the user.",
  "p_intended": 0.41,
  "p_reversible": 0.08,
  "verdict_probabilities": {"proceed": 0.22, "confirm": 0.61, "block": 0.17},
  "reject": 0.04,
  "confidence": 0.42
}
环境变量默认值
GUTSY_URLhttp://127.0.0.1:8765运行时 URL
GUTSY_INFERENCE_DIR允许 gutsy-mcp 启动运行时
GUTSY_MODEL运行时默认值来自 models.json 的模型名称
GUTSY_PROCEED_MIN0.85
GUTSY_BLOCK_MIN0.50
GUTSY_API_KEY如果你运行 serve --api-key-env

许可证:Apache 2.0。

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。