Skip to main content
Glama

crs-mcp

ci MCP status License

编写补丁的智能体无法给自己的作业打分。

立即试用,无需安装: 打开浏览器演示 并点击 加载一个伪造品 —— 检查器会在客户端拒绝它。

一个 MCP 服务器,为 AI 编码智能体提供一个它们无法绕过的判定表面。智能体提出一个防护;本工具决定该防护是否真正可靠,并在不可靠时返回一个具体的反例。

pip install "crs-mcp@git+https://github.com/nickharris808/crs-mcp@main"

预发布版本。 PyPI 名称已保留,即将发布;在此之前,上面一行是有效的安装方式。已在 CI 中针对 Linux、macOS 和 Windows 进行测试。

30 秒快速入门

将其添加到 Claude Desktop(claude_desktop_config.json)或 Cursor:

{
  "mcpServers": {
    "crs": {
      "command": "crs-mcp"
    }
  }
}

然后询问你的智能体:"我在这次读取之前添加了一个边界检查 1 + payload <= record_len。请根据 3 + payload <= record_len 对其进行认证。"

{
  "verdict": "PROVEN_UNSOUND",
  "summary": "The guard admits 509 state(s) the safety property forbids (out of 65,536). Example: {'record_len': 1, 'payload': 0}.",
  "detail": {
    "over_acceptance": 509,
    "box_volume": 65536,
    "counterexample": {"record_len": 1, "payload": 0},
    "hit_probability": 0.0077667236328125,
    "expected_draws_to_hit": 128.75442043222003
  }
}

这是一个真实的反例:在 payload=0, record_len=1 时,防护通过而安全属性不成立。智能体无法反驳它,你也不能。

Related MCP server: Chiasmus

三种判定

判定

含义

CERTIFIED

在整个声明的盒子上,不允许任何禁止状态。

PROVEN_UNSOUND

至少有一个——并附带一个具体的反例。

OUT_OF_SCOPE

盒子太大,无法通过枚举判定。未得出任何判定。

OUT_OF_SCOPE 是重要的一种。它不是失败,也绝对不是通过。智能体会将"无错误"解读为"已批准"并提交;工具描述旨在对抗这种解读,explain_refusal 返回的散文明确写着 "不要将此视为批准"。一个只返回绿色的工具比没有工具更糟糕。

工具

工具

用途

certify_guard

该防护在声明的盒子上是否可靠,以及可靠程度如何?

decide_guard

相同的判定,但不计数——在不可靠的防护上快得多

count_exploitability

确切有多少状态逃逸,以及一个示例

verify_certificate

重新检查 certkit 证书,而不信任其生产者

explain_refusal

将判定转化为散文,包括它未确立的内容

verify_certificate 额外返回 certificate_verdict,即 certkit 自身的 ACCEPTED / REFUSED / UNVERIFIED。未能通过检查的证书被报告为 OUT_OF_SCOPE,绝不会是 PROVEN_UNSOUND:糟糕的证明是证据的缺失,而不是不可靠的证据。只有计数状态才能证明防护不可靠,这正是 certify_guard 所做的。

decide_guard:更早得到相同答案

大多数时候,智能体问的是 这安全吗?,而不是 有多不安全?。decide_guard 在第一个逃逸状态处停止,而不是计数整个区域。在一个不可靠的防护上测量:

盒子

certify_guard(计数)

decide_guard(首个见证)

倍数

payload=0:255, record_len=0:255

0.15 ms

0.0131 ms

11x

payload=0:4095, record_len=0:4095

2.29 ms

0.0134 ms

171x

payload=0:65535, record_len=0:65535

36.72 ms

0.0129 ms

2,843x

使用 exploit-counter 仓库中的 python benchmarks/decide_vs_count.py 重新生成,计数发生在该仓库中。差距随盒子增大而增大,因为计数枚举了整个违规区域,而判定在第一个逃逸状态处停止。

判定结果相同——一个测试断言它们在 150 个随机规格上一致。可靠的防护无论哪种方式成本相同,因为完整枚举确实是确立可靠性所必需的。

结果不携带 over_acceptance 字段。没有计数任何内容,因此在那里报告一个数字(即使是零)将是分析未产生的数字。

它如何判定,以及诚实的限制

认证通过穷举整数计数在您声明的盒子上进行。这对该盒子是可靠且完备的——并且对盒子之外一无所知,这就是为什么盒子是必需参数而不是从上下文推断出来的。

计数器枚举除最宽变量之外的每个变量,最宽变量以闭式求解。因此成本是其他范围的乘积,上限适用于该乘积——而不是盒子体积。限制为 500,000 个枚举点。在本机上测量:

盒子

体积

枚举数

判定

时间

payload=0:255, record_len=0:255

65,536

256

CERTIFIED

0 ms

payload=0:65535, record_len=0:65535

4,294,967,296

65,536

CERTIFIED

30 ms

payload=0:499999, record_len=0:10^9

5.0 × 10^14

500,000

CERTIFIED

227 ms

payload=0:500000, record_len=0:10^9

5.0 × 10^14

500,001

OUT_OF_SCOPE

0 ms

三个变量,0:699 每个

343,000,000

490,000

CERTIFIED

212 ms

三个变量,0:800 每个

513,922,401

641,601

OUT_OF_SCOPE

0 ms

毫秒列来自一台机器,在您的机器上会有所不同;python benchmarks/ceiling.py 将在您的机器上重新生成此表。体积、枚举数和判定是精确且与机器无关的。

上限内的每个判定都在四分之一秒内完成,因此智能体调用不会停滞。以前并非如此:对最坏情况的分析显示约 70% 的时间花在 Python 的 Fraction 类型上,因此 exploit-counter 现在在每项系数都是整数(每个边界关系都是)时运行纯整数内循环。整数是有理数的子集,因此这是相同的算术——而不是更快的近似——test_integer_and_rational_paths_agree 检查两个实现是否一致。

在最密集的形状上,1,491.2 ms → 244.6 ms;在所有三个测量形状中,中位数为 6.06x,观察到 3.55x–10.25x。每个形状进行十一次配对重复,每次计数位相同。使用 make bench-fast-path 重新生成;数字来自已提交的 artifacts/crs/bench_fast_path.json,而不是此页面。引用中位数——范围随机器负载和问题形状而变化,因此窄带将是误导性的数字。

使用 python benchmarks/ceiling.py 重现——该脚本生成此表,上述数字是其真实输出。计时取决于机器;判定和枚举数则不是。

有两个后果值得明确说明,因为它们是人们猜错的地方——也因为本 README 的早期版本两者都错了:

  • 跨越完整 2^32 的双变量盒子被判定,在不到半秒内。本 README 之前声称它会被拒绝。

  • 缩小最宽变量没有帮助。 它已经是自由的。如果您得到 OUT_OF_SCOPE,请缩小其他变量之一;拒绝消息会指出哪个变量是自由的。

在三个或更多变量中判定完整的 32 位域需要不枚举的决策过程——一种无求解器的消元方法,带有可重放的证书。该过程不是本包的一部分。 此层级为您提供可枚举盒子上的真实判定,以及无法枚举盒子上的诚实拒绝。

如果您需要对完整机器字域进行判定,那是商业产品。

工具拒绝回答的内容

只有当问题可能以另一种方式出现时,判定才有价值。以下输入被拒绝为 OUT_OF_SCOPE 而不是回答:

输入

拒绝原因

包含一个点的盒子,例如 {"p": [0,0], "r": [0,0]}

无论防护多么不可靠,那里"未发现逃逸"都是真的。

反向范围,例如 {"p": [10,2]}

盒子为空,因此零计数是空洞的。

命名盒子未声明的变量的原子

该变量无界;它过去会引发 KeyError。

无法解析的防护或安全原子

格式错误的输入是带原因的拒绝,绝不是回溯。

每个拒绝都指出违规变量并说明要更改什么。

从 Python 使用

工具层与传输无关,因此您可以在没有 MCP 的情况下调用它:

from crs_mcp import certify_guard

v = certify_guard(
    domain=[{"coeff": {"payload": -1}}, {"coeff": {"payload": 1}, "const": -255}],
    guard=[{"coeff": {"payload": 1, "record_len": -1}, "const": 19}],
    safety=[{"coeff": {"payload": 1, "record_len": -1}, "const": 3}],
    box={"payload": [0, 255], "record_len": [0, 255]},
)
print(v.verdict)  # CERTIFIED

原子接受普通整数(模型可能产生的)或磁盘上 certkit 格式的 [分子, 分母] 对。

不在 MCP 上?工具仍然有效

MCP 是本包围绕构建的传输,但工具只是接受 JSON 并返回 JSON 的函数。它们不需要框架——甚至不需要服务器:

from crs_mcp import call, openai_tools, anthropic_tools, json_schemas

call("decide_guard", {"guard": [...], "safety": [...], "box": {...}})   # run one, no server
openai_tools()       # OpenAI function-calling schema, for `tools=`
anthropic_tools()    # Anthropic tool-use schema (input_schema, not parameters)
json_schemas()       # standalone JSON Schema documents, one per tool
python -m crs_mcp.adapters anthropic > tools.json    # paste into an agent config

LangChain 用户获得 crs_mcp.adapters.langchain_tools()。LangChain 不是本包的依赖项;该函数在调用时导入它,如果缺失则引发带有安装说明的异常,而不是静默返回部分集成。

所有这些都从一个目录(crs_mcp.catalog)生成,该目录不导入标准库之外的任何内容——模式过去位于 MCP 服务器模块内部,因此除非安装了 mcp,否则无法访问。

描述是承重的。 每个描述都说明判定未确立什么,因为将 OUT_OF_SCOPE 读作"未发现问题"的智能体会合并不安全的代码。一个丢弃这些句子但保留名称和模式的适配器看起来完全正确,因此存在 check_descriptions_intact(),并且每个适配器的输出都针对它进行测试。没有适配器将 OUT_OF_SCOPE 映射为布尔值、分数或通过。

支持的 MCP 版本

已验证 mcp 1.9.0 至 1.29.0,并固定为 >=1.9.0,<2.0.0。

mcp 2.0.0 更改了服务器装饰器 API(Server.list_tools 不再存在),尚未支持——CI 在 2.0.0 发布当天捕获了这一点。2.x 支持被跟踪为未来工作,而不是在此声明。

范围

  • 仅限线性整数算术。 非线性项、堆形状和别名不在片段内。工具不会假装不是。

  • 计数是可触发性的,不是严重性。 它限制了在均匀采样下禁止状态的可达性。它不是 CVSS,也不是可利用性声明。

  • CERTIFIED 限于盒子。 它是真实域上的真实证明,并且对该域之外的一切保持沉默。

相关

测试

pip install -e ".[dev]"
pytest

252 个测试。test_tools.py 覆盖判定语义;test_server.py 通过已注册的处理程序执行真实的 tools/list 和 tools/call 往返调用,因为一个工具函数完美但处理程序注册错误的服务器,会在另一个文件的每个测试中都通过。

test_adversarial.py 包含最重要的那些测试。它的判定基准只有一句话——任何输入都不得产生一个看起来自信但实际错误的答案——并且它专门攻击 CERTIFIED,因为那是智能体读作"已批准,提交它"的词。它还承载着差分测试:certkit 和 exploit-counter 是同一问题的两个独立实现(理性反驳算术 vs. 整数枚举),并且两者都在每个输入上与暴力破解交叉验证。它们之间的分歧意味着出错的那一方存在健全性缺陷。

文档

SCOPE.md

每个判定确立了什么,以及它没有确立什么

benchmarks/ceiling.py

重新生成上面的决策上限表

certkit 的 TUTORIAL

端到端的完整示例

certkit 的 TROUBLESHOOTING

工具包中的每一个错误字符串

工具包的其余部分

certkit

证书格式和独立检查器

exploit-counter

如果防护不健全,恰好有多少状态逃逸

crs-mcp

AI 编码智能体通过 MCP 调用的判定表面

soundnessbench

为上述所有内容评分的基准

certkit-action

在你的 CI 中运行检查

pytest-mutation-verified

证明你的回归测试确实能够失败

cve-proof-corpus

六个带有机器可验证证明的真实 CVE

在浏览器中试用

无需安装;观看伪造被拒绝


封闭核心

这些包是检查那一半。它们刻意不包含证明搜索,这正是它们小到足以被审计的原因——这也意味着上游必须有东西来产生证书。

对于覆盖完整机器字域的义务,枚举无法扩展,因此需要一种不枚举的判定过程:无求解器消元,发出可重放的证书。那个引擎、从反驳中推导出最小防护的修复合成器,以及驱动它们的进化搜索不在本仓库中,可商业获取。

这种划分是刻意的、永久的。检查器是免费的,而且永远免费——一个你无法独立验证的证书毫无价值,所以对验证收费会破坏这种格式。需要花钱的是大规模地产生证书。

许可证

客户端和工具层采用 Apache-2.0。

快速路径数据是如何得出的

上面引用的加速是 6.06x 中位数,观测范围 3.55x–10.25x,每种形状 11 次配对重复。它之所以达到这个数字,是因为先错了两次,而记录就保留在这里——在结果下方,想要审计这个数字的读者可以找到它,而不是放在数字本身前面。

  • 已撤回——6.18x。 样本太小,不足以支撑与之一起引用的区间。

  • 2026-07-31 更正——2026-07-30 的更正本身没有依据。 之前于 2026-07-30 发布的数字(1,698.7 ms -> 245.7 ms,中位数 6.82x(范围 6.65-6.98x),7 次配对重复)不出现在任何产物中,而且算术对不上: 1,698.7 / 245.7 = 6.91,不是 6.82。引用的区间也比每个测量到的形状都更窄——与被取代的 6.18x 数字所携带的 n 太小错误相同。

  • 当前数字是 make bench-fast-path(artifacts/crs/bench_fast_path.json)的已提交输出:每种形状 11 次配对重复,每次重复计数逐位相同,区间引用自实际观测到的数据,而不是其中的子集。

由此得出的规则是:本仓库中的性能声明必须能由已提交的测试工具重新生成,区间必须来自测量结果,而不是来自最好的几个数据点。

许可证、引用、贡献

Apache-2.0(LICENSE)。如果你在发表的工作中使用它,CITATION.cff 中有机器可读的引用元数据——GitHub 的"引用此仓库"按钮会读取它。

  • CONTRIBUTING.md — 内部规则,以及变更不得破坏的一个不变量。

  • ARCHITECTURE.md — 模块图和信任边界所在的位置。

  • TROUBLESHOOTING.md — 与它实际打印的错误消息对应。

  • SECURITY.md — 一个接受错误内容的检查器是这里最严重的严重性等级。


认证发现 的一部分——十个基于同一个不对称性构建的产物:检查证明是廉价且可审计的,因此产生证明的那个东西不必被信任。

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      B
      maintenance
      MCP server that gives LLMs access to formal verification via Z3 and SWI-Prolog, plus tree-sitter-based source code analysis. Translates natural language problems into formal logic using a template-based pipeline, verifies results with mathematical certainty, and analyzes call graphs for reachability, dead code, and impact analysis.
      205 npm
      219
      Apache 2.0
    • A
      license
      Not graded
      quality
      D
      maintenance
      MCP server for fts-gate. It enables verification of FTS executable specifications through proof-carrying checks, exposing tools to run gate checks (fts_gate_check) and list available morphisms (fts_morphisms_list), with rejection of invalid proofs via structural logical fallacy detection.
      BSD 2-Clause "Simplified"
    • A
      license
      Not graded
      quality
      D
      maintenance
      A verification infrastructure and MCP server that specializes in refutation (negation) rather than generation, providing tools for counterexample search, Lean verification, and audit chains with a 4-value verdict system.
      MIT