Verified Regex Generator

MCP → Verified Regex Generator. Пользователь описывает шаблон на простом английском. LLM генерирует регулярное выражение. Агент генерирует реальные примеры строк (положительные и отрицательные), проверяет регулярное выражение на них с помощью настоящего движка re и повторяет итерации, если оно неверно. Регулярные выражения печально известны тем, что выглядят правильными, но содержат тонкие ошибки — проверка здесь и есть главная ценность, а не генерация.

Работает на Groq (по умолчанию openai/gpt-oss-120b) — быстро и подходит для бесплатного тарифа, так что публичная демонстрация обходится дёшево.

Это не «попросить LLM дать регулярное выражение и надеяться». Это замкнутый цикл проверки:

description  ──►  LLM writes a candidate regex
                        │
description  ──►  LLM writes real test strings (incl. tricky near-misses)
                        │
                        ▼
              Python's `re` engine checks the candidate
              against every test string — ground truth,
              not the model's opinion of itself
                        │
              ┌─────────┴─────────┐
          all pass             something failed
              │                     │
              ▼                     ▼
           done               feed the exact failures
                               back to the model, try again

Демо

Реальный запуск: «номер телефона в США» → агент пишет 16 тестовых строк, предлагает кандидатное регулярное выражение, проверяет его на настоящем движке re в Python и сходится к проверенному шаблону за 2 итерации.

Related MCP server: EvalView

Что здесь есть

• regex_agent/core.py — собственно цикл агента (не зависит от транспорта). Всё остальное — тонкая обёртка вокруг него.

• mcp_server/ — настоящий MCP сервер, предоставляющий generate_verified_regex как инструмент, так что его можно использовать напрямую из Claude Desktop или Claude Code.

• web/ — демо на FastAPI + vanilla-JS с двумя частями:

1. Живое анимированное представление рассуждений агента: тестовые примеры, каждое кандидатное регулярное выражение и таблица прохождения/непрохождения для каждой итерации.

2. Живой тестер в стиле regex101 ниже — редактируемое поле шаблона с флагами (g/i/m/s/full-match), подсветка совпадений в реальном времени на вашей тестовой строке, список совпадений с группами захвата и разбор регулярного выражения по токенам на простом английском (всё на стороне клиента, без API-вызовов). Он автоматически заполняется тем, что только что проверил агент, но работает и отдельно для любого регулярного выражения, которое вы вставите, — полезно, даже если вы уже знаете регулярные выражения и просто хотите проверить одно.

Клиент MCP не требуется — работает в браузере.

Установка

pip install -r requirements.txt
cp .env.example .env   # then add your GROQ_API_KEY

Запуск веб-демо

cd web
python server.py

Откройте http://127.0.0.1:8000.

Запуск MCP-сервера

Добавьте это в конфигурацию вашего MCP-клиента (например, claude_desktop_config.json в Claude Desktop или .claude/settings.json для Claude Code):

{
  "mcpServers": {
    "verified-regex-generator": {
      "command": "python",
      "args": ["/absolute/path/to/2 project/mcp_server/server.py"]
    }
  }
}

Затем попросите Claude что-нибудь вроде «Используй verified regex generator, чтобы создать мне регулярное выражение для номера телефона в США.» — он вызовет инструмент, который выполнит полный цикл «генерация → тестирование → проверка» на стороне сервера и вернёт JSON-отчёт.

Почему это хороший пример

Большинство демо «ИИ пишет код» останавливаются на генерации. Это же рассматривает первый ответ LLM как гипотезу, а не как ответ — и заявляет об успехе только после проверки по эталону (настоящий движок регулярных выражений, на реальных строках, включая состязательные почти-совпадения, которые предлагает сама модель). Этот цикл — генерация → проверка → пересмотр — является основным паттерном надёжных агентных инструментов, и он достаточно мал, чтобы прочитать его целиком в regex_agent/core.py.