frame-check-mcp
Frame Check
Sehen Sie, was Ihnen ein Dokument vorenthält.
Frame Check ist ein Werkzeug zur strukturellen Framing-Analyse. Es benennt, welche Perspektiven ein Dokument einnimmt, welche es auslässt und wie es den Leser positioniert. Numerische Behauptungen werden, sofern Abdeckung vorhanden ist, mit maßgeblichen Quellen abgeglichen.
Quickstart (MCP-Server)
Das PyPI-Paket frame-check-mcp ist der Model Context Protocol-Server. Er läuft lokal und stellt jedem MCP-kompatiblen KI-Client (Claude Desktop, Cursor, Cline, Continue.dev usw.) eine deterministische strukturelle Framing-Analyse als Werkzeug zur Verfügung.
pip install frame-check-mcpVerweisen Sie dann Ihren MCP-Client auf den installierten Einstiegspunkt. Fügen Sie für Claude Desktop Folgendes zu claude_desktop_config.json hinzu:
{
"mcpServers": {
"frame-check": {
"command": "frame-check-mcp"
}
}
}Starten Sie den Client neu. Dann in jedem Gespräch: "Can you frame-check this document?" Vollständige Installations- und Verifizierungsdetails finden Sie in MCP_SERVER.md.
Related MCP server: Analysis MCP
Was es tut
Übergeben Sie ein Dokument und Frame Check liefert:
Ein strukturelles Framing-Profil: Welche der fünf analytischen Perspektiven (Ursachen, Risiken, Stakeholder, Trends, Unsicherheit) das Dokument abdeckt, welche es auslässt und die Dichte der jeweiligen Perspektive.
Sprachliche und epistemische Haltung: Wie das Dokument den Leser positioniert und welcher Anteil der Behauptungen Quellen zugeschrieben wird.
Zeitliche Ausrichtung: Ob das Dokument seine Schlussfolgerungen auf historische Daten, den aktuellen Stand oder Prognosen stützt.
Übereinstimmungen mit dem Frame Vocabulary Standard: Benannte Frame-Muster, deren regelbasierte Signale auf den Text reagieren, jeweils mit Identifikationshinweisen und ausgearbeiteten Beispielen. Übereinstimmungen sind auf Kandidatenebene; die Präzision gegenüber einer Kennzeichnung durch mehrere Quellen ist ein aktives Forschungsgebiet.
Verifizierung des Quellennetzwerks: Numerische Behauptungen werden anhand von SEC EDGAR, FRED, Weltbank, REST Countries, Alpha Vantage und Wolfram Alpha überprüft, sofern diese Anbieter eine Abdeckung bieten.
Eine optionale KI-Erzählung, die das Framing auf Prosaebene interpretiert. Deutlich gekennzeichnet, damit Leser die Interpretation des Sprachmodells nicht mit deterministischer Messung verwechseln.
Ansatz
Strukturelle Messung ist die Basis. Jede Framing-Behauptung, die das Werkzeug aufstellt, wird aus deterministischen Musterabgleichen berechnet und liefert für denselben Input immer das gleiche Ergebnis. KI-gestützte Interpretation ist als Anreicherung verfügbar, wenn ein API-Schlüssel konfiguriert ist, wird jedoch als solche gekennzeichnet und niemals hinter der strukturellen Ebene verborgen.
Die Verifizierung ist begrenzt. Das Werkzeug verifiziert numerische Behauptungen nur anhand von Anbietern mit echter Abdeckung für den jeweiligen Behauptungstyp und zeigt seine eigenen Kalibrierungsergebnisse (Präzision, Recall, F1 pro Anbieter) an, anstatt Urteile ohne Beweise zu fällen.
Die Erkennung benannter Muster ist eine separate Zuverlässigkeitsebene neben dem strukturellen Profil. Detektor F1 = 0,36 gegenüber Experten-Labelern in einer vorregistrierten Validierung, unterhalb der nützlichen Schwelle von 0,4. Der Wechsel zur Darstellung von Konstrukt-Ehrlichkeit (Markierungen für Untererfassung, Dichte-Vorbehalte, Vertrauenszustände) anstelle von selbstbewussten Labels ist der tragende Anspruch bei v0; eine Studie zur Lesehilfe (Track B, vorregistriert) testet, ob diese Darstellung einem Leser tatsächlich hilft, Framing zu erkennen, das er sonst übersehen würde.
Ehrliche Grenzen und erwartete gegnerische Lesarten sind in ANTICIPATED_CRITIQUES.md katalogisiert.
Dokumentation
METHODOLOGY.md— vollständiges Methodik-Papier (v0.2 Entwurf)MCP_SERVER.md— MCP-Server-Referenz (Werkzeuge, Ressourcen, Prompts)MCP_CLIENT_CONFORMANCE_v1.md— 32/32 Konformitäts-Roundtrips gegen das installierte WheelFRAME_DIVERGENCE_v1.mdundFRAME_DIVERGENCE_v2.md— Divergenz-Architekturdata/frame_library/— FVS-Katalog mit 20 Einträgen und ausgearbeiteten BeispielenANTICIPATED_CRITIQUES.md— selbst aufgeführte gegnerische LesartenVALIDATION_PROGRAM.md— Beobachtungs- + formale Validierungspläne
Tests ausführen
pip install -r requirements.txt
python3 run_tests.py49 Testsuiten, ca. 3 Minuten. Beinhaltet 63 gegnerische Dispatcher-Tests in test_mcp_adversarial.py sowie die Abdeckung der V4.2-Engine + Klassifikator.
Lizenz
Apache-2.0 für Code; CC-BY-4.0 für die FVS-Bibliothek und ausgearbeitete Beispiele (siehe NOTICE für die Aufzählung pro Verzeichnis).
Zitierung
Wenn Frame Check in Ihrer Arbeit nützlich ist, siehe CITATION.cff für die zitierfähige Form. Frame Check wurde von Lovro Lucic verfasst; die namentliche Autorenschaft ist das primäre Glaubwürdigkeitskapital des Projekts gemäß der Disziplin der Konstrukt-Ehrlichkeit.
Mitwirken
Sign-off-by-DCO erforderlich gemäß CONTRIBUTING.md. Governance gemäß GOVERNANCE.md (BDFL-Modell mit benannten Erzwingungsfunktionen für Entscheidungen zur Kanon-Förderung). Einbindung externer Gutachter gemäß REVIEWERS.md.
Probleme
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Tools
Related MCP Servers
- AlicenseBqualityDmaintenanceEnables analysis of claims, validation of sources, and detection of manipulation using multiple epistemological frameworks to ensure credible and ethical information.323MIT
- Flicense-qualityDmaintenanceProvides cognitive tools for critical thinking and multi-perspective analysis of current affairs through structured prompts, including claim deconstruction, perspective comparison, and analysis through 9 analytical lenses (historical, economic, geopolitical, etc.).1

Kluster.ai Verify MCPofficial
Alicense-quality-maintenanceEnables fact-checking of AI responses against reliable sources and validation of responses against document content to ensure accuracy and reliability.- AlicenseBqualityDmaintenanceEnables working with large documents of any size by intelligently segmenting them and using TF-IDF search to retrieve only relevant fragments, preventing context window saturation. Provides 31 domain-agnostic tools for document ingestion, semantic analysis, epistemological validation, and extraction verification across formats like PDF, EPUB, and HTML.31MIT
Related MCP Connectors
Verify claims with verdict, confidence & cited sources; batch verify, source checks, daily brief.
Fact-check claims against independent sources — fast verdict or deep multi-step investigation.
Real-time fact-check, citation verification, and source-freshness for AI agents.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/lluvr/frame-check'
If you have feedback or need assistance with the MCP directory API, please join our Discord server