Groundcheck — 验证，无需模型参与

一个 MCP 连接器，用于检查某个主张的依据是否真实——引文确实在页面上、arXiv id 能解析、代码确实打印了声称的内容、数字是正确的——在验证路径中没有任何语言模型。适用于任何 MCP 宿主：Claude、Gemini 或其他。

为什么做这个，以及为什么难

如今内置在助手里的每一次"事实核查"最终都是问第二个模型第一个模型是否正确。这并没有验证任何东西——它只是转移了错误，因为检查者也会产生幻觉。真正困难且少有人尝试的是基于现实而非另一个模型意见的验证。这个工具做的就是这件事，而且只做这件事。

诚实地说明范围，因为过度声称会违背初衷。 Groundcheck 确认主张所依赖的证据是真实的，并且确实如引述所说。它不判断主张在语义上是否真实——"这段引文在引用的页面上"是可检查的；"该页面的论证是正确的"则不可检查，再多的假装也无济于事。每个工具返回三种判定之一，并且宁可返回 unverifiable 也不猜测：

Related MCP server: math-logic-mcp

工具

每个结果都是 {status, method, evidence, detail}——evidence 是找到的具体事物（引文、stdout、匹配行、计算值），因此判定是可审计的，而不是黑盒。

它抓住了作者自己工作中的错误

check_citation 的存在是因为看似合理但伪造的 arXiv id 不断溜进研究文稿——一个看起来正确却解析不到任何东西的 id。check_math 的存在是因为硬件演示文稿中把 3.7 × 1400 写成了 8880（实际是 5180）。check_repo 是个人资料 README 主张检查器的泛化，该检查器对照来源仓库验证每一个引用的数字。每个工具都是一次真实发生的失败，被转化成了检查。

有一个值得报告的诚实小插曲：在测试时，我假设 arXiv 2606.01992 是伪造的，预期返回 refuted——工具返回了 checked。工具是对的，我错了：这是一篇真实的 2026 年 6 月论文。验证器在我自己的错误假设面前完成了它的工作，这正是将验证基于来源而非直觉的全部意义。

使用

pip install -e .          # or: pip install -r requirements.txt
python -m pytest tests/   # 18 tests, no network needed (mocked transport)

Claude / Claude Code — 添加到你的 MCP 配置：

{
  "mcpServers": {
    "groundcheck": { "command": "python", "args": ["-m", "src.groundcheck.server"] }
  }
}

Gemini CLI / 任何 MCP 宿主 — 相同的 stdio 服务器；将宿主的 MCP 配置指向 python -m src.groundcheck.server。MCP 正是让一个连接器同时服务两者的原因。

安全

check_code 会执行你给它的代码，在子进程中。它使用列表形式的 subprocess（无 shell，因此没有可注入的内容）并在超时时终止，但不与网络或文件系统隔离。只传入你自己会运行的代码。其他四个工具是只读的（HTTP GET、文件读取、算术）。

限制

• 依据，而非真相。 有意为之——见上文"范围"。

• 引文匹配是精确的（空白规范化后）。 意思相同的转述会返回 refuted，因为"意思相同"需要判断者，而判断者正是本工具拒绝充当的角色。匹配字面文本。

• JS 渲染的页面。 check_quote 读取服务器提供的 HTML；由客户端 JavaScript 注入的引文不会被找到。它会安全失败（refuted），绝不会误报 checked。

• 仅支持 arXiv/Crossref 的引文。其他注册表尚未接入。

许可证

MIT — 见 LICENSE。