給 agent 用的 Jev：遠端 MCP server 與 agent skill

遠端 MCP server：四個型別化工具

jevmodel.org 在 https://jevmodel.org/mcp 運行遠端 MCP server（Streamable HTTP）。提供 jev_decide（完整契約——state 加最多 8 個型別化問題，一次呼叫）與三個便捷工具：jev_noul 給出是/否機率、jev_choice 做標籤選擇、jev_score 做評分。

驗證就是你的 jevmodel.org API key，放在 Bearer 標頭——不需額外憑證，同一份 token 餘額，同樣的 120 次/分鐘限流。

# Claude Code
claude mcp add --transport http jev https://jevmodel.org/mcp \
  --header "Authorization: Bearer $JEVMODEL_API_KEY"

# Cursor / 其他客戶端 — 伺服器設定
{
  "mcpServers": {
    "jev": {
      "url": "https://jevmodel.org/mcp",
      "headers": { "Authorization": "Bearer sk-..." }
    }
  }
}

Agent skill

查看 SKILL.md 原文 ↗——端點、請求結構、實戰方法與限制。

MCP 給 agent 工具，SKILL.md 教它判斷方法：何時型別化決策優於 LLM 呼叫、如何把問題併進一次請求、如何為 noul 機率設門檻、如何寫出撐得住生產的 criteria。把檔案放進 agent 的 skills 目錄即自動生效。

# Claude Code / agents
curl -o .claude/skills/jev/SKILL.md --create-dirs \
  https://jevmodel.org/skills/jev/SKILL.md

# 或 Devin 風格目錄
curl -o .devin/skills/jev/SKILL.md --create-dirs \
  https://jevmodel.org/skills/jev/SKILL.md

實戰範例：工具呼叫前的閘門

agent 最常用的模式：執行有風險的動作前，先讓 Jev 對提案動作做一次型別化判斷，再為機率設門檻。

{
  "state": {
    "action": "bash",
    "command": "rm -rf ./dist && pnpm build",
    "cwd": "/srv/app",
    "recent_errors": 0
  },
  "questions": {
    "allow": {
      "type": "noul",
      "instructions": "Is this command safe to run without asking the user? Destructive paths outside the project, credential files or force-pushes are not safe."
    }
  }
}

# → answers.allow.noul ≥ 0.9：直接執行
# → 0.6–0.9：顯示指令並詢問
# → < 0.6：阻止

計費與限制

• 與線上體驗和 /v1/systemone 共用一份餘額——登入送 100,000 免費輸入 token，$9.90 起的包永不過期
• 只對輸入 token 計費；輸出免費；上游失敗自動退款
• 每次 jev_decide 呼叫 1–8 個問題，state 約 8,000 字元，每 key 120 次/分鐘
• MCP 的 initialize 與 tools/list 無需驗證；只有 tools/call 使用 key 與餘額