Jev MCP Skill 技能

技能简介

Jev MCP 是 jkudish 开发维护的 MCP（Model Context Protocol）服务器，将 TypeSafe 公司推出的 Jev 判断模型封装为一组标准 MCP 工具，供 AI 编程助手直接调用。Jev 模型专注于结构化决策判断，能够以极低成本（每条决策仅几厘钱）和极低延迟（150~500 毫秒）返回带概率分布和置信度评分的结构化判断结果，帮助 AI Agent 在代码审查、内容过滤、候选排序、分类标注等场景中做出可验证、可分支的确定性决策，而非依赖 LLM 生成自由文本后再做解析。

核心能力

Jev MCP 提供 10 个独立判断工具，覆盖 AI 编程和文本处理全流程：jev_verify（索赔验证）、jev_screen（内容过滤）、jev_find（语义查找）、jev_rerank（重排序）、jev_classify（批量分类）、jev_decide（选项决策）、jev_compare（关系比较）、jev_extract（字段提取）、jev_review（Diff 评分）和 jev_gate（合并门控）。每个工具均返回标准 JSON 结构，包含概率分布、置信度评分和可操作建议，无需 LLM 解析非结构化文本。

安装配置

前置要求： Node.js 20 及以上版本；TypeSafe API Key（从 console.typesafe.ai/settings/keys 获取）。

npm 安装：

npx -y @jkudish/jev-mcp

Claude Code 配置：

claude mcp add jev -- npx -y @jkudish/jev-mcp

Codex 配置（~/.codex/config.toml）：

[mcp_servers.jev]
command = "npx"
args = ["-y", "@jkudish/jev-mcp"]

环境变量： 需要在 MCP 客户端启动环境中传递 TYPESAFE_API_KEY，部分 MCP 客户端会过滤环境变量，可显式传入。

使用步骤

第一步：安装并注册 MCP 服务器 在终端执行 npx -y @jkudish/jev-mcp，然后在 AI 编程助手中执行对应客户端的 MCP 注册命令（见上方配置）。

第二步：获取 TypeSafe API Key 访问 console.typesafe.ai/settings/keys 创建密钥，将密钥配置到环境变量或 MCP 客户端配置中。

第三步：发起第一个判断任务 向 AI 助手描述判断需求，例如：「使用 jev_verify 验证这段 PR 描述是否与提交记录一致」。

第四步：解析返回结果 Jev MCP 返回结构化 JSON，包含每个判断的 verdict（verified/contradicted/unsupported）、confidence（置信度 0~1）和 action（auto/review），AI 助手可直接基于这些字段执行分支逻辑。

第五步：在工作流中嵌入门控 使用 jev_gate 工具在 CI/CD 流水线中设置质量门禁，确保 AI 生成的代码在合并前通过 spec 匹配、测试覆盖和影响范围三重验证。

适用场景

代码审查自动化： 在 Pull Request 中使用 jev_verify 逐条核对代码变更与 PR 描述的一致性，使用 jev_review 对 Diff 进行正确性、规格匹配和测试缺口三维评分。

RAG 内容质量过滤： AI 抓取网页内容后，使用 jev_screen 判断页面是否存在提示注入攻击风险，置信度低的页面直接跳过，避免污染上下文。

多候选语义排序： 在知识库检索结果中使用 jev_rerank 对所有候选文档进行语义相关性评分，替代传统的向量相似度排序。

分类与标注批处理： 使用 jev_classify 批量将工单、消息或文档分配到预定义标签集，适用于支持工单分发和收件箱分类。

适用人群

AI 编程助手重度用户；需要在大规模代码审查中引入 AI 判断的开发团队；在 RAG 流程中关注内容质量的 AI 应用工程师；希望在 CI/CD 中建立 AI 可验证质量门禁的 DevOps 工程师。

工作原理

Jev MCP 通过 stdio 协议与 AI 编程助手通信，将用户传入的自然语言问题转换为 Jev API 的结构化请求，API 返回 JSON 格式的判断结果（概率分布 + 置信度），MCP 服务器将结果透传给 AI 助手。Jev 模型本身是针对判断任务专门微调的小模型，而非通用 LLM，因此在判断任务上速度极快、成本极低。

官方链接

• GitHub：https://github.com/jkudish/jev-mcp
• npm：https://www.npmjs.com/package/@jkudish/jev-mcp
• TypeSafe 官网：https://typesafe.ai
• TypeSafe 控制台（获取 API Key）：https://console.typesafe.ai/settings/keys