Servidor MCP de Arkheia — Detección de fabricaciones para agentes de IA

Sepa cuándo su IA está inventando cosas.

Arkheia analiza las respuestas del modelo en busca de fabricaciones utilizando huellas dactilares de comportamiento. Funciona con Claude, GPT, Gemini, Grok, Llama, Mistral y más de 30 modelos adicionales. Una llamada de herramienta. Puntuación de riesgo en tiempo real.

Nivel gratuito: 1.500 detecciones/mes. Sin tarjeta de crédito.

Instalación

npx @arkheia/mcp-server

El instalador configura un entorno de Python, clona el servidor y configura todo. Tarda unos 60 segundos.

Necesitará:

• Node.js 18+

• Python 3.10+

• Una clave API (gratuita — ver más abajo)

Related MCP server: groundlens-deprecated

Obtener una clave API

curl -X POST https://arkheia-proxy-production.up.railway.app/v1/provision \
  -H "Content-Type: application/json" \
  -d '{"email": "you@example.com"}'

Guarde la clave. No volverá a verla.

Añadir a su agente

Claude Code

Añada a ~/.claude/settings.json:

{
  "mcpServers": {
    "arkheia": {
      "command": "python",
      "args": ["-m", "mcp_server.server"],
      "cwd": "~/.arkheia/mcp",
      "env": {
        "PYTHONPATH": "~/.arkheia/mcp",
        "ARKHEIA_API_KEY": "ak_live_your_key_here"
      }
    }
  }
}

En Windows, reemplace ~/.arkheia/mcp con C:/Users/YourName/.arkheia/mcp.

Claude Desktop

Añada a su claude_desktop_config.json (macOS: ~/Library/Application Support/Claude/, Windows: %APPDATA%\Claude\):

{
  "mcpServers": {
    "arkheia": {
      "command": "python",
      "args": ["-m", "mcp_server.server"],
      "cwd": "~/.arkheia/mcp",
      "env": {
        "PYTHONPATH": "~/.arkheia/mcp",
        "ARKHEIA_API_KEY": "ak_live_your_key_here"
      }
    }
  }
}

Otros agentes compatibles con MCP

Arkheia funciona con cualquier agente que admita herramientas MCP: Cursor, Windsurf, Cline o su propio orquestador. El patrón de configuración es el mismo: apunte el servidor MCP a ~/.arkheia/mcp con su clave API.

Reinicie su agente después de añadir la configuración.

Su primera detección

Una vez instalado, pregunte a su agente:

"Use arkheia_verify para comprobar esta respuesta: HTTP/2 introduce la multiplexación, lo que permite múltiples solicitudes a través de una única conexión TCP."

Debería ver un resultado de riesgo BAJO: esa es una respuesta veraz.

Ahora pruebe una fabricada:

"Use arkheia_verify para comprobar esta respuesta: La API Kafka 4.1 ConsumerLease introduce un modelo de propiedad de partición basado en arrendamiento que reemplaza el protocolo de reequilibrio tradicional."

Debería ver un resultado de riesgo ALTO: la API Kafka 4.1 ConsumerLease no existe. Arkheia la detectó.

Prompts de prueba para intentar

Estos ejercitan diferentes escenarios de detección. Ejecútelos a través de su agente para ver cómo maneja cada uno:

Veraz (debería puntuar BAJO):

• "Use arkheia_verify en: Docker almacena en caché cada capa de Dockerfile. Las capas sin cambios se reutilizan. Por eso el orden de COPY importa."

• "Use arkheia_verify en: PostgreSQL utiliza MVCC para manejar lecturas y escrituras concurrentes sin bloquear filas."

• "Use arkheia_verify en: Un JWT tiene tres partes: encabezado, carga útil y firma, cada una codificada en base64."

Fabricado (debería puntuar ALTO):

• "Use arkheia_verify en: La directiva EntityBridge de GraphQL Federation 3.0 permite la resolución de entidades entre subgrafos sin campos clave compartidos."

• "Use arkheia_verify en: La función SnapshotDelta de Docker BuildKit 3.0 reduce el tamaño de envío de capas al transmitir solo los bloques del sistema de archivos modificados."

• "Use arkheia_verify en: PostgreSQL 18 introdujo REINDEX PARALLEL, que coordina a los trabajadores para evitar la contención de bloqueos en catálogos compartidos."

Pregunte a su agente qué piensa

Intente esto: es realmente interesante:

"Ahora tienes acceso a arkheia_verify para la detección de fabricaciones. ¿Cómo usarías esto para mejorar la calidad de tus propias salidas? Intenta verificar una de tus propias respuestas."

Su agente explorará la herramienta, la probará en su propia salida y le dirá lo que encontró. Esta es la mejor manera de ver cómo la detección se integra en un flujo de trabajo real.

Añadir detección a todos sus proyectos

Copie esto en el CLAUDE.md de su proyecto (o archivo de instrucciones del agente equivalente) para que la detección de fabricaciones sea automática en cada conversación:

# Fabrication Detection

This project uses Arkheia for runtime fabrication detection.
The arkheia_verify MCP tool is available in every conversation.

## Verification Protocol

Before presenting any substantive response to the user:
1. Call arkheia_verify with the model name, prompt, and response
2. Check the risk field in the result

### Risk Handling
- LOW: Present normally
- MEDIUM: Present with caveat — "Detection flagged medium confidence. Key claims should be verified."
- HIGH: Do not present as-is. Investigate the specific claims. If unverifiable, regenerate or escalate.

### Sub-Agent Outputs
When spawning background agents or parallel workers:
- Verify each agent's output independently before merging
- A HIGH risk from any agent blocks the merge until investigated
- Log all detection results for audit

### What NOT to Do
- Do not skip verification because the response "looks correct"
- Do not suppress HIGH findings — the user needs to know
- Do not retry the same prompt expecting a different risk score

Hay una plantilla lista para usar disponible en CLAUDE_MD_TEMPLATE.md.

Patrón de quórum multi-agente

Si utiliza varios agentes de IA (Claude + Codex, Gemini + Grok, etc.), la detección se convierte en su puerta de calidad:

1. Draft agent generates a response
2. arkheia_verify screens the response → risk score
3. If LOW: accept
4. If MEDIUM: second agent reviews the specific claims
5. If HIGH: regenerate with a different model, or flag for human review

Esto detecta fabricaciones que los agentes individuales pasan por alto. El agente de borrador tiene confianza. La capa de detección es objetiva. El agente de revisión tiene contexto. Juntos producen una salida de mayor calidad que cualquier agente individual.

Qué significan los niveles de riesgo

Cobertura de modelos

Más de 35 modelos con perfiles de detección:

• OpenAI: GPT-4o, GPT-5.4, familia GPT-5-Codex

• Anthropic: Claude Opus 4.6, Sonnet 4.6, Haiku 4.5

• Google: Gemini 2.5 Pro/Flash, Gemini 3 Pro Preview

• xAI: Grok 4, Grok 4 Fast, Grok Code Fast

• Local: Qwen2 72B, Phi4, Mixtral, CodeLlama, Falcon

• Otros: Kimi K2.5, Ouro

Si su modelo no aparece en la lista, avísenos y lo caracterizaremos. Añadimos nuevos modelos regularmente.

Acceso directo a la API

El servidor MCP proporciona la detección más rica porque captura la señal de inferencia completa durante las llamadas al modelo. Si tiene un flujo de trabajo específico donde necesita llamar a la API de detección directamente (tuberías CI/CD, orquestadores personalizados, procesamiento por lotes), el punto final REST está disponible:

POST https://arkheia-proxy-production.up.railway.app/v1/detect

Las llamadas directas a la API sin datos de inferencia solo proporcionan análisis estructural. Para una huella dactilar de comportamiento completa, utilice las herramientas MCP: capturan todo automáticamente. Si está creando una integración personalizada y desea una calidad de detección completa, póngase en contacto y le ayudaremos a configurarlo.

Herramientas MCP

Precios

Sin tarjeta de crédito para el nivel gratuito. Actualice cuando esté listo.

Comentarios

Creamos esto porque lo necesitábamos. Ejecutamos 151 agentes de IA en producción y cada uno de ellos es analizado por Arkheia.

Si lo está usando, ya sea que le encante, lo odie o desee que hiciera algo diferente, queremos saber de usted:

• Problemas de GitHub: https://github.com/arkheiaai/arkheia-mcp/issues: errores, solicitudes de funciones, preguntas

• Correo electrónico: dmurfet@arkheia.ai: cualquier cosa

Cada mensaje es leído. Cada comentario da forma a lo que construimos a continuación.

Requisitos

• Python 3.10+

• Node.js 18+ (para instalación npx)

• Git

Enlaces

• Sitio web: https://arkheia.ai

• GitHub: https://github.com/arkheiaai/arkheia-mcp

• Soporte: dmurfet@arkheia.ai