Reexpress 模型上下文协议 (MCP) 服务器

适用于支持工具调用的 LLM（例如 Claude Opus 4.5 或 Sonnet 4.5）以及在 macOS（Sequoia 15 或更高版本，Apple 芯片）或 Linux 上运行的 MCP 客户端

视频概览[^1]：点击此处

Reexpress MCP 服务器是一个即插即用的解决方案，旨在为您的复杂 LLM 流水线以及日常用于软件开发和数据科学场景的搜索与问答 LLM 使用中，添加最先进的统计验证功能。它是您的 AI 工作流中第一个可靠且具有统计稳健性的 AI 第二意见。

只需安装 MCP 服务器，然后将 Reexpress 提示词添加到聊天文本末尾即可。支持工具调用的 LLM（例如 Anthropic 的 LLM 模型 Claude Opus 4.5）将使用预训练的 Reexpress 相似度-距离-幅度 (SDM) 估计器来检查其响应。该估计器集成了 gpt-5.2-2025-12-11、gemini-3-pro-preview 和 granite-3.3-8b-instruct（本地运行），并结合工具调用 LLM 的输出，针对 OpenVerification1 数据集中的训练和校准示例数据库，计算出预测不确定性的稳健估计值。Reexpress 方法的独特之处在于，您可以轻松地根据任务调整模型：只需在验证完成后调用 ReexpressAddTrue 或 ReexpressAddFalse 工具，后续对 Reexpress 工具的调用就会在计算验证概率时动态考虑您的更新。我们还提供了模型的训练脚本，以便在需要更实质性的更改或希望使用其他底层 LLM 时，您可以进行完整的重新训练。

[!NOTE] 除了为您（用户）提供基于指令的输出置信度原则性估计外，支持工具调用的 LLM 本身还可以利用验证输出逐步优化其答案，确定是否需要额外的外部资源或工具，或者是否已陷入僵局并需要向您寻求进一步的澄清或信息。这就是我们所说的基于 SDM 验证的推理——这是 AI 工具包中一项全新的功能，我们认为它将为个人和企业用户开启更广泛的 LLM 和 LLM 代理应用场景。

数据仅通过标准的 LLM API 调用发送至 Azure/OpenAI 和 Google，其中 gemini-3-pro-preview 调用通过 API 获得标准的网络搜索访问权限；SDM 估计器的所有处理过程均在您的计算机上本地完成。Reexpress MCP 拥有一个简单、保守但有效的文件访问系统：您可以通过文件访问工具 ReexpressDirectorySet() 和 ReexpressFileSet() 显式指定文件，从而控制哪些额外文件（如果有）被发送到 LLM API。

2.1.0 版本的新功能

2.1.0 版本使用 gpt-5.2-2025-12-11 和 gemini-3-pro-preview 作为模型集成，取代了 gpt-5-2025-08-07 和 gemini-2.5-pro。更多说明请参阅 changelog.md。

Related MCP server: File Convert MCP Server

系统要求

该 MCP 服务器可在 Linux 和 macOS 上运行。主要要求是运行 MCP 服务器的机器需要能够本地运行 ibm-granite/granite-3.3-8b-instruct（通过 HuggingFace transformers 库）。它以两个简短的模型解释和一个简短的摘要作为输入，且仅需生成 1 个 token，因此在实践中计算需求相对适中。

安装

请参阅 INSTALL.md。

[!TIP] 与其他 MCP 服务器相比，Reexpress MCP 服务器的设置非常简单，但我们假设您对 LLM、MCP 和命令行工具有一定的了解。我们的目标受众是开发人员和数据科学家。请仅添加来自您信任来源的其他 MCP 服务器，并请记住，其他 MCP 工具可能会以意想不到的方式改变我们 MCP 服务器的行为。

配置选项

请参阅 CONFIG.md。

如何使用

请参阅 documentation/HOW_TO_USE.md。

使用工具调用输出生成静态 HTML

请参阅 documentation/OUTPUT_HTML.md。

指南

请参阅 documentation/GUIDELINES.md。

常见问题解答

请参阅 documentation/FAQ.md。

训练和校准数据

请参阅 documentation/DATA.md。

OpenVerification1 评估

请参阅 documentation/EVAL.md。

系统演示论文

我们的系统演示论文《Introspectable, Updatable, and Uncertainty-aware Classification of Language Model Instruction-following》（重点介绍了 Reexpress MCP 服务器 2.1.0 版本）的副本包含在此处。用于复现分析的支持脚本包含在此处。

引用

如果您觉得此软件有用，请考虑引用以下同行评审论文：

@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.},
}

\