Correctover/mcp-server

# Correctover MCP 服务器

面向 AI 的 MCP 可靠性层
其他工具只负责传递信息。我们负责验证内容。

## 这是什么？ Correctover 是**首个实时验证 AI 输出的 MCP server**。 当所有其他 MCP server 将您的 AI 工具连接到数据源时，Correctover 却处于执行路径中，确保每个 LLM 响应在到达您的编辑器之前都是**正确、完整且可靠的**。 ``` Your AI Tool (Cursor/Claude Desktop/Windsurf) │ ▼ ┌─────────────────────────────────┐ │ Correctover MCP Server │ │ │ │ ① Route → picks best provider │ │ ② Execute → calls LLM API │ │ ③ Verify → 6-dim check │ ← This is what nobody else does │ ④ Heal → auto-fix or failover │ │ ⑤ Deliver → verified output │ │ │ └─────────────────────────────────┘ │ ▼ LLM Providers (OpenAI / Anthropic / DeepSeek / ...) ``` ## 为什么您需要它 AI API 的失败往往不只是 HTTP 500。最糟糕的失败是**隐性的**： - 响应看起来有效，但包含幻觉数据 - JSON 输出在对象中间被截断 - Provider 随着时间的推移悄无声息地降低输出质量 - Token 使用量在没有警告的情况下激增 **Correctover 能捕获所有这些问题。** 每个响应都会通过 6 维度验证： | 维度 | 检查内容 | |-----------|---------------| | **结构 (Structure)** | 响应包含有效的 choices 和非空内容 | | **模式 (Schema)** | 结束原因 (Finish reason) 有效，输出格式完整 | | **延迟 (Latency)** | 响应时间在可接受的范围内 | | **成本 (Cost)** | Token 使用量合理（无失控计费） | | **身份 (Identity)** | 响应角色正确（是 assistant，而不是 system/user） | | **完整性 (Integrity)** | 无截断，无破损的 JSON，无不完整的数据 | 如果验证失败，Correctover 会**自动重试或故障转移** 到另一个 provider —— 然后再次进行验证。这不是简单的重试。这是**经过验证的故障转移**。 ## MCP 协议兼容性 本 server 实现了 **Model Context Protocol** 规范版本 `2025-11-25`，通过 stdio 传输使用 JSON-RPC 2.0。 协议层使用适配器模式 —— 未来添加新的传输类型（WebSocket, gRPC）不会影响核心验证引擎。我们密切关注 MCP 规范的更新，并在每个协议版本发布时测试兼容性。 **支持的功能：** - ✅ 基于 stdio 的 JSON-RPC 2.0 - ✅ `initialize` / `tools/list` / `tools/call` / `notifications` - ✅ 多工具支持（chat, verify, providers, health） - 🔜 WebSocket 传输（已规划） - 🔜 流式工具结果（已规划） ## 安装 ### 单行 JSON 配置 添加到您的 MCP 客户端配置（例如 `~/.cursor/mcp.json`）中： ``` { "mcpServers": { "correctover": { "command": "npx", "args": ["-y", "correctover-mcp-server"], "env": { "OPENAI_API_KEY": "sk-...", "DEEPSEEK_API_KEY": "sk-...", "ANTHROPIC_API_KEY": "sk-ant-..." } } } } ``` 就是这样。无需部署 server。无需安装依赖。无需管理配置文件。 ### 从源码构建 ``` git clone https://github.com/Correctover/mcp-server.git cd mcp-server go build -o correctover-mcp-server . # 然后在你的 MCP config 中： # "command": "/path/to/correctover-mcp-server" ``` ### VS Code 扩展 安装 Correctover VS Code 扩展以获得原生的编辑器体验： 1. 从 [发布页面](https://github.com/Correctover/mcp-server/releases) 下载 `.vsix` 文件或从源码构建 2. 在 VS Code 中，按 `Ctrl+Shift+P` → `Extensions: Install from VSIX...` 3. 选择 `correctover-vscode-1.0.0.vsix` 4. 打开命令面板并运行 **Correctover: Start MCP Server** 5. 在 VS Code 设置 (`correctover.*Key`) 中配置 API 密钥 6. 打开 **Correctover** 侧边栏查看实时仪表板 **功能：** - 从命令面板启动/停止/重启 MCP server - 包含健康状态、统计信息和 provider 状态的实时仪表板 - 状态栏指示器 - 直接在 VS Code 设置中配置 provider - 启动时自动运行（可配置） ## 支持的 Provider 通过环境变量配置 provider。只有配置过的 provider 才会处于活动状态。 | Provider | API Key 环境变量 | Base URL 覆盖 | 默认模型 | |----------|------------|-------------------|---------------| | OpenAI | `OPENAI_API_KEY` | `OPENAI_BASE_URL` | gpt-4o-mini | | Anthropic | `ANTHROPIC_API_KEY` | `ANTHROPIC_BASE_URL` | claude-3-haiku-20240307 | | DeepSeek | `DEEPSEEK_API_KEY` | `DEEPSEEK_BASE_URL` | deepseek-chat | | Moonshot | `MOONSHOT_API_KEY` | `MOONSHOT_BASE_URL` | moonshot-v1-8k | | Zhipu AI | `ZHIPU_API_KEY` | `ZHIPU_BASE_URL` | glm-4-flash | | Alibaba Qwen | `DASHSCOPE_API_KEY` | `DASHSCOPE_BASE_URL` | qwen-turbo | | SiliconFlow | `SILICONFLOW_API_KEY` | `SILICONFLOW_BASE_URL` | deepseek-ai/DeepSeek-V3 | | Groq | `GROQ_API_KEY` | `GROQ_BASE_URL` | llama-3.1-8b-instant | | Together AI | `TOGETHER_API_KEY` | `TOGETHER_BASE_URL` | meta-llama/Llama-3-8b-chat-hf | **BYOK (Bring Your Own Key)：** 您的 API 密钥保留在您的本地机器上。Correctover 直接连接到 provider —— 无代理，无中间人，无数据泄露。 ## 工具 ### `chat` 发送带有自动验证和自我修复功能的聊天消息。 **参数：** - `messages` (必填)：OpenAI 格式的对话消息 - `model`：模型名称或使用 `"auto"` 进行自动选择 - `provider`：强制指定特定的 provider - `temperature`：采样温度 - `max_tokens`：最大响应 token 数 - `system_prompt`：前置的 System prompt **返回：** LLM 响应 + 一份显示哪些维度通过/失败的验证报告。 ### `health` 检查哪些 provider 处于活动状态且准备就绪。 ### `providers` 列出所有受支持的 provider 及其配置详细信息。 ### `stats` 显示会话统计信息：总调用次数、验证通过率、故障转移次数。 ## 示例输出 每次 `chat` 调用都会返回一份验证报告： ``` ╔══════════════════════════════════════╗ ║ Correctover Validation Report ║ ╠══════════════════════════════════════╣ ║ Provider: deepseek ║ ║ Latency: 847ms ║ ║ Model: deepseek-chat ║ ║ Score: 6/6 ║ ║ Passed: true ║ ╠══════════════════════════════════════╣ ║ ✅ structure PASS ║ ║ ✅ schema PASS ║ ║ ✅ latency PASS ║ ║ ✅ cost PASS ║ ║ ✅ identity PASS ║ ║ ✅ integrity PASS ║ ╠══════════════════════════════════════╣ ║ ✓ All dimensions passed ║ ╚══════════════════════════════════════╝ ``` ## 工作原理 1. **路由 (Route)** — 根据优先级和健康状态选择最佳的可用 provider 2. **执行 (Execute)** — 将请求发送给选定的 provider 3. **验证 (Verify)** — 跨 6 个维度对响应进行验证 4. **修复 (Heal)** — 如果验证失败：自动使用相同的 provider 重试，或故障转移到下一个 provider，然后重新验证 5. **交付 (Deliver)** — 返回经验证的响应以及完整的验证报告 这是应用于 LLM API 可靠性的 **MAPE-K 控制循环** (Monitor-Analyze-Plan-Execute-Knowledge)，以亚毫秒级的决策开销实时运行。 ## 这适合谁？ - 使用 Cursor/Claude Desktop 并希望获得更可靠 AI 响应的**开发者** - 正在构建 AI 驱动应用且需要输出保证的**团队** - 处于受监管行业（金融、法律、医疗保健）的**企业**，在这些行业中，AI 输出错误会产生实际后果 - **任何**厌倦了静默错误的 AI 输出破坏其工作流程的**人** ## 常见问题解答 **问：这与 LiteLLM / OpenRouter 有什么不同？** 答：它们只负责路由请求。我们不仅路由还验证输出。可以把这看作是普通配送服务与带有质量检测的配送服务之间的区别。 **问：你们会存储我的 API 密钥吗？** 答：不会。密钥保留在您的机器上。我们直接连接到 provider。零代理，零数据收集。 **问：这能与 Cursor 一起使用吗？** 答：可以。将上面的 JSON 配置添加到 `~/.cursor/mcp.json` 并重启 Cursor 即可。大功告成。 **问：如果我只有一个 provider 怎么办？** 答：仍然有效。您将获得对每个响应的 6 维度验证。当您以后添加更多 provider 时，故障转移功能就会启动。 ## 需要帮助集成？ 如需团队部署、自定义验证规则或专属支持： 📧 **hello@correctover.com** ## 许可证 Apache-2.0 ## 项目地图 ``` correctover/ ├── main.go # MCP Server 入口 ├── go.mod # Go 模块 ├── smithery.yaml # Smithery 部署 ├── glama.json # Glama.ai 注册 │ ├── mcp/ # MCP 协议实现 ├── provider/ # 9 LLM Provider 管理 ├── validator/ # 6 维契约验证 ├── registry/ # MCP Registry 配置 ├── sdk/ # Python SDK（编译分发版） ├── vscode-extension/ # VS Code Extension ├── web/ # Web Demo（地球可视化/控制台） ├── video/ # Remotion 品牌宣传视频 ├── marketing/ # BD 营销内容（文章/邮件/社媒/GEO） │ ├── articles/ # 博客文章 │ ├── emails/ # BD 获客邮件 │ ├── social/ # 社交媒体 │ ├── geo/ # GEO 优化 │ └── scripts/ # 自动化脚本 ├── docs/ # 技术文档 & API 示例 ├── scripts/ # CI/构建脚本 └── .github/workflows/ # GitHub Actions ```

因为故障转移只是切换。Correctover 负责验证。™

标签：AI可靠性工程, DLL 劫持, LLM验证, MCP Server, 大语言模型, 日志审计, 漂移检测, 自我修复