这是什么

技能 / 插件市场有一个信任问题：22,511 个技能普查发现 140,963 个问题，其中 36% 含提示注入。 元信 MCP 在「装之前」给你一个 确定性答案——与 yotta-verify CLI 同一套扫描，暴露成四个 MCP 工具，让任意 MCP 客户端（Claude / VS Code / Codex / Cursor 等）都能调用。

它是装前验证器，不是沙箱也不是运行时监控：只读文件、出报告；绝不执行被测代码、 扫描过程中不联网、绝不修复任何东西。

为什么用它

| 优势 | 说明 | |---|---| | 装前信任 | 任何技能 / MCP 服务器先给确定性 verdict，而不是「请相信我」 | | 零依赖 | Python 3.8+ 标准库；无守护进程 / 数据库 / 联网 | | 纯本地离线 | 扫描磁盘上的目录与 npm 包；不执行、不上传 | | 接入任意 MCP 客户端 | 标准 stdio MCP server——配置好 server，四个工具即出现 | | 家族协同 | 与元信 CLI 同一规则表（单源）；verdict 可与元审 / 元安合并 | | 开源 | MIT |

MCP 工具一览

| 工具 | 说明 | |---|---| | scan_skill | 装前扫描：target（目录 / .tgz / npm 包）→ verdict + 严重级统计 + 发现 | | generate_badge | audited 徽章：本地 SVG + shields.io URL；并入 validate / vetter / audit / version / tests | | gate_check | CI 闸门：最严重级超过 max_severity（默认 medium）即不过 | | get_report | 验证报告：Markdown 或 JSON，与 CLI 同格式 |

MCP 客户端配置

MCP 配置是可选项。AI 可以先展示目标配置文件、完整 mcpServers JSON 与影响，等你明确同意后再写入；你拒绝时不写，直接使用内置 CLI 扫描，结果一致。两种配置写法见 SKILL.md（本地 Python 或 npx）。

工具参考

scan_skill

安装前扫描一个技能目录 / 包。

| 参数 | 类型 | 必填 | 说明 | |---|---|---|---| | target | string | 是 | 技能目录路径、.tgz / .tar.gz 路径，或 npm 包名（自动 npm pack 到临时目录后扫描） |

返回 JSON：verdict、严重级统计、发现列表（提示注入 / 危险模式 / SKILL.md 完整性）。

generate_badge

生成 audited 徽章（本地 SVG + shields.io URL）。

| 参数 | 类型 | 说明 | |---|---|---| | target | string | 可选：扫描它来取得 verdict | | verdict | string | 可选：直接指定 verdict | | validate | string | 可选：pass / fail（validate-skill 结果） | | vetter / audit | string | 可选：要并入的 verdict | | version | string | 可选：版本标签。默认取 扫描引擎（yotta-verify）版本（如 0.1.1） | | tests | integer | 可选：引擎测试数 | | out | string | 可选：将 SVG 写入该路径 |

注意：徽章的 version 段反映的是包内 扫描引擎（yotta-verify）的版本，可能与 MCP 包版本不同。 想显示别的版本请传 version。

gate_check

CI 装前闸门。

| 参数 | 类型 | 说明 | |---|---|---| | target | string | 必填：要扫描的目录 / 包 | | max_severity | string | 可选：info / low / medium / high / critical（默认 medium） |

返回 pass、verdict、worst、max_severity 与退出码 code。

get_report

生成验证报告。

| 参数 | 类型 | 说明 | |---|---|---| | target | string | 必填：要扫描的目录 / 包 | | format | string | 可选：json / markdown（默认 markdown） | | out | string | 可选：将报告写入该路径 |

边界

这是本地、离线、静态扫描：

• 目录扫描完全离线——内容绝不离开你的机器。
• npm 包扫描只是把公开包下载到临时目录（随后删除）；不上传你的内容，也不执行被扫包代码。
• 不做动态分析、不修复任何东西、不代替你的最终决策。把 verdict 当作强信号，安装与否请自行确认。
• 只扫描你有权评估的目标。

技能安装

该包还带一份 SKILL.md，让智能体学会如何在用户明确同意后配置与使用这个 MCP server。以下四种方式任选 （技能文件一律从 npm 获取；GitHub 无代理较慢）。

方式一：npm 一行装（推荐）

# 可选国内加速：npm config set registry https://registry.npmmirror.com
npx -y @yottameta/yotta-verify-mcp --agent <智能体名称>     # 装到指定智能体默认用户级技能目录
npx -y @yottameta/yotta-verify-mcp --dir <技能目录>        # 指到技能目录本身（如 ~/.codex/skills）

• --agent <name> 自动装到该智能体默认用户级目录；--list 可查看各智能体默认目录。
• --dir <路径> 装到指定目录。
• 不带参数运行即启动 MCP server：npx -y @yottameta/yotta-verify-mcp。

方式二：git clone（开发者 / 有 git 环境）

git clone https://github.com/YottaMeta/yotta-verify-mcp.git <智能体的技能目录>/yotta-verify-mcp

方式三：GitHub 下载压缩包（手动 / 无 git 环境）

在 GitHub 仓库 YottaMeta/yotta-verify-mcp 点 Code → Download ZIP，解压后把 yotta-verify-mcp 文件夹放进智能体技能目录。

方式四：install.sh（多智能体一键脚本）

bash install.sh --agent <name>   # 装到指定智能体默认用户级目录
bash install.sh --dir <path>     # 装到指定目录
bash install.sh --list           # 列出智能体 -> 默认目录

开发与校验

仓库校验包含 MCP 引擎测试与文档授权边界回归：

# MCP 引擎用例（Python 3.8 / 3.13）
python scripts/test_yotta_verify_mcp.py

# 文档授权边界回归
node --test test/docs-consent.test.js

# 直接跑 MCP server 用于调试
python scripts/yotta_verify_mcp.py

参考资料：references/trust-checklist.md（MCP 服务器 / 插件装前信任清单）。

许可证

MIT © YottaMeta —— 见 LICENSE。