Jev Review

技能简介

Jev Review 是一款本地运行的 MCP（Model Context Protocol）服务器插件，专为 AI 编程 Agent（Claude Code、Codex、Cursor、OpenCode）提供持续、结构化的代码质量评估服务。该插件由 AI 代码质量平台 TypeSafe（typesafe.ai）提供支持，无需注册账号、无托管后端、无遥测数据上传，所有 API 调用均直接发送至 Jev 服务器，API Key 完全保留在用户本地机器。

Jev Review 的核心价值在于：它不替代 AI Agent 做代码决策，而是提供多维度质量信号（正确性、复杂度、可修改性、模块化、测试、安全等），让 Agent 在编程过程中拥有客观的质量反馈，从而主动改进代码质量，而非在 Code Review 环节才发现问题。

核心能力

• 多维度质量评分：提供正确性（Correctness）、复杂度（Complexity）、可修改性（Changeability）、模块化（Modularity）、测试（Tests）、安全（Security）等独立维度的评分信号，而非单一的百分制总分
• 无托管后端：API Key 始终保留在本地，不经过任何第三方代理或托管服务，无数据泄露风险
• 主流 Agent 全覆盖：支持 Claude Code、Codex、Cursor、OpenCode 四大主流 AI 编程工具，安装方式统一
• 结构化评分输出：返回 Score（分数）、Choice（选择判断）和 Noul（空值判断）三类决策，而非自由文本评审，便于 Agent 程序化处理
• 持续集成工作流：支持在每次实现切片后、质量改进后和最终交付前进行评分，形成持续反馈循环
• 增量对比：自动记录上次评分，Agent 可对比维度变化（如"可读性 6.3 → 8.1"）判断改进效果

安装配置

环境要求

• Node.js 20 或更高版本
• Jev API Key（从 TypeSafe Console 获取：https://console.typesafe.ai/）
• Claude Code / Codex / Cursor / OpenCode 任一编程工具

获取 Jev API Key

1. 访问 https://console.typesafe.ai/ 注册账号
2. 在控制台中创建新的 API Key
3. 在终端中设置环境变量：export JEV_API_KEY="your-key"

安装 Jev Review MCP 插件

# 一键安装（自动识别并配置到目标 Agent）
npx plugins add NiazMorshed2007/jev-review

# 指定目标 Agent（支持 claude-code / codex / cursor）
npx plugins add NiazMorshed2007/jev-review --target claude-code

# 手动 MCP 配置方式
claude mcp add --scope user jev-review -- node /path/to/jev-review/dist/server.js

各平台手动配置参考

Claude Code：在 ~/.claude.json 的 mcpServers 节点添加 "jev-review": { "command": "node", "args": ["/绝对路径/dist/server.js"] }

Cursor：在 ~/.cursor/mcp.json 添加服务器配置，重启后生效

Codex：在 ~/.codex/config.toml 的 [mcp_servers.jev-review] 添加配置

OpenCode：在 ~/.config/opencode/opencode.json 中添加 skills 和 mcp 配置

使用步骤

基础使用流程

1. 设置 API Key：在终端执行 export JEV_API_KEY="your-key"，确保 GUI 应用也能访问该环境变量（macOS 下可能需要通过 launchctl setenv 暴露给 GUI 程序）
2. 安装插件：运行 npx plugins add NiazMorshed2007/jev-review --target claude-code
3. 重启 Agent：关闭并重新启动你的编程工具，使 MCP 插件加载
4. 验证连接：运行 /mcp 命令，确认 jev-review 已连接
5. 发起评审：在实现一个功能切片后，向 Agent 说"请使用 jev-review 评估当前代码质量"
6. 查看评分结果：Agent 会调用 jev_review 工具，获取各维度评分和置信度
7. 根据反馈改进：Agent 根据评分识别薄弱维度（如复杂度 6.3），主动重构并重新评分验证

进阶使用：持续质量追踪

• 建立基线：首次评审建立质量基线，记录各维度初始分数
• 增量改进：每次改进后重新评分，观察维度变化（如可读性从 5.1 提升至 7.8）
• 最终验收：交付前进行最终评审，确认所有关键维度达到预期水平

适用场景

• 功能开发过程中：在实现每个功能切片后主动获取质量反馈，而非等到人工 Code Review 才发现问题
• 代码重构阶段：重构前后进行评分对比，量化重构效果（如圈复杂度下降、模块化提升）
• AI Agent 编程辅助：为 AI Agent 提供客观的质量信号，使其具备自我评估和主动改进能力
• 团队代码质量基线建立：个人开发者或小团队建立代码质量基线，形成可量化的质量标准

适用人群

• AI 编程工具重度用户：使用 Claude Code、Codex、Cursor、OpenCode 等工具的开发者，期望在编程过程中获得持续质量反馈
• 关注代码质量的个人开发者：希望量化代码质量，主动发现潜在缺陷和可改进点
• 小型团队：没有专职 QA 或人工 Code Review 资源，希望借助 AI 工具维持代码质量基线
• 追求工程化实践的开发者：对 TDD、重构、持续改进有追求，需要具体维度的质量数据支撑决策

工作原理

Jev Review 的技术架构分为三个层次：

MCP 传输层：作为本地 MCP 服务器运行，通过 stdio 与各编程 Agent 通信。Agent 调用 jev_review 工具时，请求通过 MCP 协议发送至本地 Node.js 进程。

本地处理层：接收 Agent 的评审请求后，Jev Review 读取目标代码的 Diff 和相关上下文，构造标准化的评审请求，直接发送至 Jev API（https://api.typesafe.ai/eval）。

Jev 评估层：Jev 是 TypeSafe 开发的代码质量评估引擎，返回结构化的多维度评分（Score/Choice/Noul 三类决策），Jev Review 将其转换为维度分数、置信度和改进提示，返回给 AI Agent。

整个过程中，Jev API Key 仅在本地使用，不经过任何第三方中转。Jev Review 本身不存储任何代码或评审记录。

官方链接

• GitHub 仓库：https://github.com/NiazMorshed2007/jev-review
• TypeSafe Console（获取 API Key）：https://console.typesafe.ai/
• Jev 官网：https://typesafe.ai/