mcpField
Q
qc-validator

qc-validator

本地服务
github.com/mdfifty50-boopAI 与智能体027 周前更新
代码仓库

关于 qc-validator

qc-validator 是用于运行时检查 AI Agent 输出的 MCP 服务。它可按可配置标准评分、评估幻觉风险、检查范围合规性，并按 Agent 跟踪验证结果。

主要功能

  1. 01按可配置标准评估输出
  2. 02评估幻觉风险
  3. 03检查范围与格式要求
  4. 04记录各 Agent 的验证结果
  5. 05分析失败模式与趋势
  6. 06生成跨 Agent 质量报告

适用场景

  1. 01依据任务标准审查 Agent 输出
  2. 02根据提供的来源文本核对声明
  3. 03限定主题和必需章节
  4. 04长期跟踪 Agent 质量

MCP 相关

它向 MCP 客户端提供输出验证、风险检查、记录和报告工具，并提供包含质量指标的仪表板资源。

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": {
    "mdfifty50-boop-qc-validator": {
      "command": "npx",
      "args": [
        "-y",
        "qc-validator-mcp"
      ]
    }
  }
}
启动命令npx -y qc-validator-mcp

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
npmqc-validator-mcp0.1.3

工具

6

收录的工具列表 · 更新于 3 周前

参数类型必填说明
outputstring是要验证的 Agent 输出文本
criteriaobject是要检查的质量标准
criteria.max_lengthnumber否输出的最大字符数
criteria.required_keywordsarray否输出中必须出现的关键词
criteria.forbidden_patternsarray否不得出现的正则表达式模式或字符串
criteria.factual_claims_countnumber否触发高密度标记前允许的事实性声明数量上限
task_descriptionstring是描述 Agent 被要求执行的任务

详细介绍

qc-validator-mcp

对 AI Agent 输出进行运行时质量验证。检测幻觉、确保范围合规并为输出质量评分——全部通过 MCP 完成。

安装

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

工具

validate_output

根据可配置的标准为 Agent 输出评分：长度限制、必需关键词、禁止模式和事实性声明密度。

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

评估幻觉可能性。提供源文本时，检查句子级别的依据；未提供源文本时，标记包含大量具体数字、日期和 URL 的输出。

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

根据范围约定验证输出——包括允许／禁止的话题、字数限制和必需章节。

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

存储验证结果，以便按 Agent 跟踪趋势。

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

分析特定 Agent 的常见失败模式。

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

查看所有已验证 Agent 的质量仪表板——无需任何参数。

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

资源

  • qc://dashboard — 所有已验证 Agent 的质量指标

架构

  • 纯 Node.js ES 模块
  • 内存中的 Maps（无外部依赖）
  • 通过 @modelcontextprotocol/sdk 使用 stdio 传输
  • 无需任何配置

许可证

MIT

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。