MCP-сервер Reexpress (Model-Context-Protocol)

Для LLM с поддержкой вызова инструментов (например, Claude Opus 4.5 или Sonnet 4.5) и MCP-клиентов, работающих на macOS (Sequoia 15 или новее на Apple silicon) или Linux

Видеообзор[^1]: Здесь

MCP-сервер Reexpress — это готовое решение для добавления передовой статистической верификации в ваши сложные конвейеры LLM, а также в повседневное использование LLM для поиска и контроля качества в сферах разработки программного обеспечения и анализа данных. Это первая надежная, статистически обоснованная «вторая пара глаз» для ваших ИИ-рабочих процессов.

Просто установите MCP-сервер, а затем добавьте промпт Reexpress в конец вашего текста чата. LLM с поддержкой вызова инструментов (например, модель Claude Opus 4.5 от Anthropic) проверит свой ответ с помощью предоставленного предварительно обученного оценщика Similarity-Distance-Magnitude (SDM) от Reexpress, который объединяет gpt-5.2-2025-12-11, gemini-3-pro-preview и granite-3.3-8b-instruct (запускается локально), вместе с выводом от LLM, и вычисляет надежную оценку прогностической неопределенности на основе базы данных обучающих и калибровочных примеров из набора данных OpenVerification1. Уникальность метода Reexpress заключается в том, что вы можете легко адаптировать модель к своим задачам: просто вызовите инструменты ReexpressAddTrue или ReexpressAddFalse после завершения верификации, и будущие вызовы инструмента Reexpress будут динамически учитывать ваши обновления при расчете вероятности верификации. Мы также включили скрипты обучения для модели, чтобы вы могли выполнить полную переобучение, когда потребуются более существенные изменения или вы захотите использовать другие базовые LLM.

[!NOTE] Помимо предоставления вам (пользователю) принципиальной оценки уверенности в ответе с учетом ваших инструкций, сама LLM с поддержкой вызова инструментов может использовать результат верификации для постепенного уточнения своего ответа, определения того, нужны ли ей дополнительные внешние ресурсы или инструменты, или же она зашла в тупик и ей нужно попросить вас о дополнительных разъяснениях или информации. Это то, что мы называем рассуждением с верификацией SDM — совершенно новая возможность в инструментарии ИИ, которая, по нашему мнению, откроет гораздо более широкий спектр вариантов использования для LLM и ИИ-агентов как для частных лиц, так и для предприятий.

Данные отправляются только через стандартные вызовы API LLM в Azure/OpenAI и Google, при этом вызовы gemini-3-pro-preview получают стандартный доступ к веб-поиску через API; вся обработка для оценщика SDM выполняется локально на вашем компьютере. Reexpress MCP имеет простую и консервативную, но эффективную систему доступа к файлам: вы контролируете, какие дополнительные файлы (если таковые имеются) отправляются в API LLM, явно указывая файлы с помощью инструментов доступа к файлам ReexpressDirectorySet() и ReexpressFileSet().

Что нового в версии 2.1.0

Версия 2.1.0 использует gpt-5.2-2025-12-11 и gemini-3-pro-preview в качестве ансамбля моделей, заменяя gpt-5-2025-08-07 и gemini-2.5-pro. Дополнительные примечания в changelog.md.

Related MCP server: File Convert MCP Server

Системные требования

MCP-сервер работает на Linux и macOS. Основное требование заключается в том, что машина, на которой запущен MCP-сервер, должна иметь возможность локально запускать ibm-granite/granite-3.3-8b-instruct (через библиотеку HuggingFace transformers). Это принимает на вход два коротких объяснения модели и одно краткое резюме и требует генерации только 1 токена, поэтому вычислительные требования на практике относительно скромные.

Установка

См. INSTALL.md.

[!TIP] MCP-сервер Reexpress прост в настройке по сравнению с другими MCP-серверами, но мы предполагаем некоторое знакомство с LLM, MCP и инструментами командной строки. Наша целевая аудитория — разработчики и специалисты по анализу данных. Добавляйте другие MCP-серверы только из источников, которым вы доверяете, и помните, что другие инструменты MCP могут неожиданным образом изменить поведение нашего MCP-сервера.

Параметры конфигурации

См. CONFIG.md.

Как использовать

См. documentation/HOW_TO_USE.md.

Генерация статического HTML с выводом вызова инструмента

См. documentation/OUTPUT_HTML.md.

Руководства

См. documentation/GUIDELINES.md.

Часто задаваемые вопросы (FAQ)

См. documentation/FAQ.md.

Данные для обучения и калибровки

См. documentation/DATA.md.

Оценка по OpenVerification1

См. documentation/EVAL.md.

Статья с демонстрацией системы

Копия нашей статьи с демонстрацией системы «Introspectable, Updatable, and Uncertainty-aware Classification of Language Model Instruction-following», которая фокусируется, в частности, на версии 2.1.0 MCP-сервера Reexpress, включена здесь. Вспомогательные скрипты для воспроизведения анализа включены здесь.

Цитирование

Если вы находите это программное обеспечение полезным, рассмотрите возможность цитирования следующих рецензируемых статей:

@misc{Schmaltz-2025-SimilarityDistanceMagnitudeActivations,
      title={Similarity-Distance-Magnitude Activations}, 
      author={Allen Schmaltz},
      year={2025},
      eprint={2509.12760},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2509.12760},
      note={To appear in \emph{Findings of the Association for Computational Linguistics: ACL 2026}, San Diego, CA, USA.},
}

@misc{Schmaltz-2026-ReexpressMCPServer,
      title={Introspectable, Updatable, and Uncertainty-aware Classification of Language Model Instruction-following}, 
      author={Allen Schmaltz},
      year={2026},
      note={To appear in the \emph{1st ACM Conference on AI and Agentic Systems: Demos (ACM CAIS'26 Demos)}, San Jose, CA, USA.},
}

\