Reexpress 모델-컨텍스트-프로토콜(MCP) 서버

도구 호출 LLM(예: Claude Opus 4.5 또는 Sonnet 4.5) 및 macOS(Apple 실리콘 기반 Sequoia 15 이상) 또는 Linux에서 실행되는 MCP 클라이언트용

동영상 개요[^1]: 여기

Reexpress MCP 서버는 복잡한 LLM 파이프라인뿐만 아니라 소프트웨어 개발 및 데이터 과학 환경에서의 검색 및 QA를 위한 일상적인 LLM 사용에 최첨단 통계적 검증을 추가할 수 있는 드롭인 솔루션입니다. 이는 AI 워크플로우를 위한 최초의 신뢰할 수 있고 통계적으로 강력한 AI 제2의 의견(second opinion)입니다.

MCP 서버를 설치한 후 채팅 텍스트 끝에 Reexpress 프롬프트를 추가하기만 하면 됩니다. 그러면 도구 호출 LLM(예: Anthropic의 LLM 모델 Claude Opus 4.5)이 제공된 사전 학습된 Reexpress 유사도-거리-크기(SDM) 추정기를 사용하여 응답을 확인합니다. 이 추정기는 gpt-5.2-2025-12-11, gemini-3-pro-preview 및 granite-3.3-8b-instruct(로컬 실행)를 앙상블하고, 도구 호출 LLM의 출력과 함께 OpenVerification1 데이터셋의 학습 및 보정 예제 데이터베이스를 기반으로 예측 불확실성에 대한 강력한 추정치를 계산합니다. Reexpress 방식의 독특한 점은 작업에 맞게 모델을 쉽게 조정할 수 있다는 것입니다. 검증이 완료된 후 ReexpressAddTrue 또는 ReexpressAddFalse 도구를 호출하기만 하면, 향후 Reexpress 도구 호출 시 업데이트 사항이 검증 확률 계산에 동적으로 반영됩니다. 또한 모델 학습 스크립트도 포함되어 있어, 더 실질적인 변경이 필요하거나 다른 기반 LLM을 사용하려는 경우 전체 재학습을 수행할 수 있습니다.

[!NOTE] 사용자에게 지침에 따른 출력 신뢰도에 대한 원칙적인 추정치를 제공할 뿐만 아니라, 도구 호출 LLM 자체가 검증 출력을 사용하여 답변을 점진적으로 개선하거나, 추가적인 외부 리소스나 도구가 필요한지 판단하거나, 막다른 골목에 다다랐을 때 사용자에게 추가 설명이나 정보를 요청해야 하는지 결정할 수 있습니다. 이것이 바로 우리가 **SDM 검증을 통한 추론(reasoning with SDM verification)**이라고 부르는 것으로, 개인과 기업 모두를 위해 LLM 및 LLM 에이전트의 활용 범위를 훨씬 더 넓혀줄 AI 툴킷의 완전히 새로운 기능입니다.

데이터는 표준 LLM API 호출을 통해서만 Azure/OpenAI 및 Google로 전송되며, gemini-3-pro-preview 호출은 API를 통해 표준 웹 검색 액세스 권한을 부여받습니다. SDM 추정기를 위한 모든 처리는 사용자의 컴퓨터에서 로컬로 수행됩니다. Reexpress MCP는 간단하고 보수적이지만 효과적인 파일 액세스 시스템을 갖추고 있습니다. 사용자는 ReexpressDirectorySet() 및 ReexpressFileSet() 파일 액세스 도구를 통해 파일을 명시적으로 지정함으로써 어떤 추가 파일(있는 경우)이 LLM API로 전송될지 제어할 수 있습니다.

버전 2.1.0의 새로운 기능

버전 2.1.0은 모델 앙상블로 gpt-5.2-2025-12-11 및 gemini-3-pro-preview를 사용하여 gpt-5-2025-08-07 및 gemini-2.5-pro를 대체합니다. 자세한 내용은 changelog.md를 참조하세요.

Related MCP server: File Convert MCP Server

시스템 요구 사항

이 MCP 서버는 Linux 및 macOS에서 실행됩니다. 주요 요구 사항은 MCP 서버를 실행하는 머신이 (HuggingFace transformers 라이브러리를 통해) ibm-granite/granite-3.3-8b-instruct를 로컬에서 실행할 수 있어야 한다는 것입니다. 이 모델은 두 개의 짧은 모델 설명과 하나의 짧은 요약을 입력으로 받아 1개의 토큰만 생성하면 되므로, 실제 컴퓨팅 요구 사항은 비교적 적습니다.

설치

INSTALL.md를 참조하세요.

[!TIP] Reexpress MCP 서버는 다른 MCP 서버에 비해 설정이 간단하지만, LLM, MCP 및 명령줄 도구에 대한 어느 정도의 친숙함을 가정합니다. 우리의 주요 타겟은 개발자와 데이터 과학자입니다. 신뢰할 수 있는 출처의 MCP 서버만 추가하고, 다른 MCP 도구가 예기치 않은 방식으로 우리 MCP 서버의 동작을 변경할 수 있음을 유념하세요.

구성 옵션

CONFIG.md를 참조하세요.

사용 방법

documentation/HOW_TO_USE.md를 참조하세요.

도구 호출 출력으로 정적 HTML 생성

documentation/OUTPUT_HTML.md를 참조하세요.

가이드라인

documentation/GUIDELINES.md를 참조하세요.

FAQ

documentation/FAQ.md를 참조하세요.

학습 및 보정 데이터

documentation/DATA.md를 참조하세요.

OpenVerification1에 대한 평가

documentation/EVAL.md를 참조하세요.

시스템 시연 논문

Reexpress MCP 서버 버전 2.1.0에 중점을 둔 시스템 시연 논문 "Introspectable, Updatable, and Uncertainty-aware Classification of Language Model Instruction-following"의 사본은 여기에 포함되어 있습니다. 분석을 복제하기 위한 지원 스크립트는 여기에 포함되어 있습니다.

인용

이 소프트웨어가 유용하다고 생각되면 다음 동료 심사를 거친 논문을 인용하는 것을 고려해 보세요:

@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.},
}

\