jev-mcp — Giudizi tipizzati Jev come strumenti MCP

Lo sviluppatore definisce componenti e azioni consentiti, vincolando l'interfaccia al proprio catalogo e schema. Il compositore sperimentale del playground valuta i componenti candidati con typesafe-ai/jev mentre costruisce la specifica UI.

Istruzioni, strumenti, skill, canali e pianificazioni sono in directory convenzionali, facilitando ispezione ed estensione del progetto. evaluate usa l'autenticazione dei modelli di eve per valutare domande tipizzate sullo stato, con Jev come impostazione predefinita.

Fornisce convenzioni e strumentazione per tracciare applicazioni IA, incluse chiamate ai modelli, recupero e strumenti esterni. L'integrazione TypeSafe registra systemOne come span con input/output JSON, modello e token; gli esempi coprono Choice, Noul e Score.

LocalJev converte richieste tipizzate in prompt di classificazione DiffusionGemma e verifica le probabilità generate. Il servizio Bun restituisce il formato Jev tramite un backend chat standard compatibile OpenAI. Eseguilo con Bun e un server oMLX, poi indirizza i client SDK TypeSafe all’API locale.

Web Search Plus aggiunge ricerca ed estrazione di pagine a Hermes, con instradamento e ripiego tra fornitori configurati. Installa il plugin e un fornitore di ricerca, poi attiva Jev con setup --jev e installa typesafe-sdk.

pg-jev filtra, ordina e classifica righe PostgreSQL con condizioni SQL in linguaggio naturale. Jev valuta righe in lotti; le funzioni SQL restituiscono booleani, probabilità, scelte e punteggi. Servono PostgreSQL 14–17, plpython3u, accesso superutente e chiave TypeSafe.