NiazMorshed2007/jev-review
中文学习卡：jev-review
一、一句话定位
本地运行的 MCP 服务器，为 AI 编码代理（如 Claude Code、Codex、Cursor、OpenCode）提供持续、结构化的软件质量评分反馈，但代理仍自行诊断和修改代码。
二、核心技术/架构亮点
1. 纯本地 MCP 服务器：基于 stdio 传输，无托管后端、无数据库、无遥测，仅通过 API Key 直接调用 Jev 远程服务。
2. 单一聚焦工具：仅导出 `jev_review` 一个 MCP 工具，输入 task/diff/files，输出多维度的数值评分（1–10）并附带置信度与简单提示。
3. 多维度独立评估：评估 15 个基础维度（正确性、复杂度、可读性、模块性、测试质量、安全性等）及 4 个条件维度，不产生总分。
4. 智能差值反馈：支持传入前次评估结果，返回维度 delta、改进/退化、未修复弱点，辅助代理迭代优化。
5. 轻量集成：通过 `npx plugins add` 一键配置主流客户端，亦可手动配置 MCP JSON。
三、适用场景与目标用户
- 场景：AI 编码代理（Coding Agent）实施非平凡代码变更过程中的质量检查，每次变更后快速获得结构化信号。
- 用户：已使用 Claude Code / Codex / Cursor / OpenCode 的开发者或团队，希望为 AI 产出增加客观质量指标，而不依赖主观审查。
四、可动手动作
1. 获取 API Key：前往 TypeSafe Console 注册并复制密钥，设置环境变量 `JEV_API_KEY`。
2. 快速安装（以 Claude Code 为例）：
```bash
npx plugins add NiazMorshed2007/jev-review --target claude-code
```
重启客户端，运行 `/mcp` 确认连接。
3. 手动配置（适用于不支持的客户端或开发调试）：
- 克隆仓库后，在客户端 MCP 配置中添加：
```json
{
"mcpServers": {
"jev-review": {
"type": "stdio",
"command": "node",
"args": ["/absolute/path/to/jev-review/dist/server.js"],
"env": { "JEV_API_KEY": "${env:JEV_API_KEY}" }
}
}
}
```
4. 使用示例：告知代理“用 jev-review 审查当前变更”，代理会自动调用 `jev_review` 并获取多维评分进行改进。
5. 借鉴思路：若暂无 Jev API Key，可参考其“本地 MCP + 结构化信号”架构，为自定义质量工具设计类似模式。
五、学习优先级：P1（排期尝试）
理由：该工具提供了一种新颖的“AI 辅助质量反馈”模式，但依赖外部 API 和特定客户端生态，适合短中期内验证其对 AI 编码代理产出的实际提升效果，无需立即深度研究。⌂