Agent Output Guard MCP

代理输出保护MCP服务器🛡️

 ](https://www.npmjs.com/package/@agenson-horrowitz/agent-output-guard-mcp)    

第一个专门为解决多代理系统中的协调失败而设计的MCP服务器。 由...建造 阿根森·霍洛维茨 MAST研究表明，36.9%的多智能体故障是协调故障。

🚨 多智能体协调危机

41%-86%的多智能体系统失败。 但以下是没有人谈论的： 36.9%的失败不是bug，而是协调故障。

• 特工A工作得很好✅
• 代理B工作得很好✅
• 他们互动时失败了 ❌

问题？ 在切换边界没有系统验证。

💡 为什么存在

当前的调试工具假定单个代理失败。但多智能体故障发生在 切换层 哪里：

• 数据格式与预期不符
• 内容产生幻觉或陈旧
• 语境在翻译中丢失
• 接收代理无法处理他们收到的东西

Agent Output Guard以零LLM成本（纯计算）解决了这个问题。

⚡ 主要特点

🛡️ 零LLM成本运营

• 纯计算算法
• 没有对语言模型的API调用
• 无需增加成本即可无限扩展
• 非常适合大量代理交互

📊 循证设计

• 基于MAST研究数据（1642条多智能体痕迹）
• 解决了36.9%的协调失败率
• 验证导致72-86%令牌重复的模式
• 解决实际问题，而不是理论问题

🎯 5个关键验证工具

1. JSON模式验证 -确保数据结构符合要求
2. 幻觉检测 -现场不确定性和制造标记
3. 数据新鲜度验证 -检查时间戳和过期指示器
4. 交叉引用检查 -跨多个代理源比较数据
5. 输出一致性评分 -计算总体可靠性指标

🚀 安装

Claude桌面配置

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "agent-output-guard": {
      "command": "npx",
      "args": ["@agenson-horrowitz/agent-output-guard-mcp"]
    }
  }
}

临床配置

添加到您的Cline MCP设置中：

{
  "mcpServers": {
    "agent-output-guard": {
      "command": "npx", 
      "args": ["@agenson-horrowitz/agent-output-guard-mcp"]
    }
  }
}

通过npm

npm install -g @agenson-horrowitz/agent-output-guard-mcp

通过MCPize（一键部署）

立即部署 MCPize 内置计费和身份验证功能。

🛠️ 工具参考

1. verify_json_schema

使用置信度评分根据预期模式验证代理数据。

{
  "data": {"user_id": "123", "score": 85.5},
  "schema": {
    "type": "object",
    "properties": {
      "user_id": {"type": "string"},
      "score": {"type": "number", "minimum": 0, "maximum": 100}
    },
    "required": ["user_id", "score"]
  },
  "strict_validation": false,
  "source_agent": "data_collector_v2"
}

退货：验证状态、置信度得分、详细错误、合规性指标。

2. detect_hallucination_markers

扫描试剂输出，查看不确定性模式和制造指标。

{
  "text": "I think the user probably wants to see their dashboard, but I'm not certain about the exact layout they prefer.",
  "content_type": "factual_response", 
  "sensitivity_level": "medium",
  "source_agent": "ui_recommendation_agent"
}

发现:

• 不确定性标记：“我认为”、“可能”、“也许”、“不确定”
• 制造标记：“我被告知”，“有人提到”，“据称”
• 标记不一致：“然而”、“但又一次”、“矛盾”
• 躲避标记：“无法验证”、“无法确认”、“受限”

3. validate_data_freshness

根据时间戳检查代理数据是否最新且有效。

{
  "data": {
    "stock_price": 142.50,
    "currency": "USD",
    "timestamp": "2026-04-02T09:00:00Z",
    "source": "market_data_api"
  },
  "timestamp_field": "timestamp",
  "max_age_hours": 1,
  "expected_update_frequency": "real-time",
  "source_agent": "market_data_fetcher"
}

验证：数据年龄、预期更新频率、过时指标。

4. cross_reference_check

比较来自多个代理的数据以检测不一致。

{
  "primary_data": {"temperature": 22.5, "humidity": 65, "location": "server_room"},
  "reference_data": [
    {
      "data": {"temperature": 22.3, "humidity": 66, "location": "server_room"},
      "source_agent": "sensor_backup_1",
      "confidence": 0.95,
      "timestamp": "2026-04-02T08:58:00Z"
    },
    {
      "data": {"temperature": 22.8, "humidity": 64, "location": "server_room"},
      "source_agent": "sensor_backup_2", 
      "confidence": 0.90,
      "timestamp": "2026-04-02T08:59:00Z"
    }
  ],
  "comparison_fields": ["temperature", "humidity"],
  "tolerance_level": "moderate"
}

退货：一致性得分、逐字段分析、差异细节。

5. output_consistency_score

计算代理输出的综合可靠性得分。

{
  "output": {
    "action": "send_email",
    "recipient": "user@example.com", 
    "subject": "Your daily report",
    "body": "Please find attached your daily analytics summary.",
    "attachments": ["report_2026_04_02.pdf"]
  },
  "expected_format": {
    "type": "object",
    "required": ["action", "recipient", "subject", "body"]
  },
  "historical_outputs": [
    {
      "output": {"action": "send_email", "recipient": "user@example.com", "subject": "Your weekly report"},
      "timestamp": "2026-03-26T09:00:00Z",
      "context": "weekly_report_generation"
    }
  ],
  "context": "daily_report_generation",
  "source_agent": "email_composer_v3"
}

分析：格式一致性、内部逻辑、历史模式、上下文恰当性。

🎯 多代理工作流集成

在代理输出保护之前

// Dangerous: Agent B trusts Agent A blindly
const userData = await agentA.getUser(userId);
await agentB.processUser(userData); // 36.9% failure rate

带有代理输出保护

// Safe: Validate before handoff
const userData = await agentA.getUser(userId);

const validation = await agentOutputGuard.verify_json_schema({
  data: userData,
  schema: userSchema,
  source_agent: "user_fetcher_v2"
});

if (validation.confidence_score > 0.8) {
  await agentB.processUser(userData); // Reliable handoff
} else {
  await handleValidationFailure(validation);
}

📊 性能和可靠性

LLM成本为零

• 纯计算验证
• 没有外部API依赖项
• 确定性结果
• 无增量成本的扩展

容量大

• 低于-100ms的响应时间
• 每秒处理数千次验证
• 内存高效算法
• 非常适合生产多代理系统

全面覆盖

• 数据结构：JSON模式验证，并提供详细的错误报告
• 内容质量：幻觉和不确定性检测
• 时间有效性：新鲜度和保质期检查
• 交叉验证：多源一致性验证
• 总体可靠性：整体输出质量评分

💰 定价

免费等级

• 2000次验证/月 -非常适合测试和开发
• 包括所有5个验证工具
• 社区支持

专业级别-每月6美元

• 20000次验证/月 -生产多智能体系统
• 优先支持
• 高级错误报告
• 使用情况分析

规模级别-每月19美元

• 100000次验证/月 -大规模代理部署
• SLA保证（99.9%正常运行时间）
• 自定义费率限制
• 专门的技术支持

超龄定价：超出计划限制的每次验证0.01美元

🔐 身份验证和支付

MCPize（推荐）

• 一键部署，内置计费功能
• 不需要API密钥管理
• 开发商获得85%的收入分成

API直接访问

• 在获取API密钥 agensonhorowitz.cc
• 条纹式计费
• 实时使用情况跟踪

加密货币小额支付

• 在Base链上使用USDC按验证付款
• x402协议集成
• 非常适合加密原生代理

📈 ROI计算器

协调失败的成本

• 调整时间：每次协调失败4-8小时@150美元/小时=600-1200美元
• 生产力损失：每次故障2-4个代理小时@50美元/小时=100-200美元
• 系统停机时间：业务影响可变，通常为1000美元

代理输出保护成本

• 专业级别：20000次验证每月6美元
• 每次验证：0.0003美元（几分之一）
• 收支平衡：每月只防止一次协调失败，这是值得的

典型投资回报率：第一个月内1000-5000%

🧪 测试与集成

本地测试

# Clone and test
git clone https://github.com/agenson-tools/agent-output-guard-mcp
cd agent-output-guard-mcp
npm install
npm run build
npm test

集成示例

克劳德桌面

{
  "mcpServers": {
    "agent-output-guard": {
      "command": "agent-output-guard-mcp"
    }
  }
}

自定义多代理系统

const { Client } = require('@modelcontextprotocol/sdk/client/index.js');

// Initialize guard client
const guard = new Client();
await guard.connect(transport);

// Use in agent handoffs
const validation = await guard.request({
  method: 'tools/call',
  params: {
    name: 'verify_json_schema',
    arguments: { data: agentOutput, schema: expectedSchema }
  }
});

🔧 API响应格式

所有工具都会返回一致、结构化的响应：

{
  "success": true,
  "confidence_score": 0.95,
  "validation_timestamp": "2026-04-02T09:12:00Z",
  "detailed_analysis": {
    "format_compliance": 1.0,
    "content_quality": 0.9,
    "freshness_score": 0.95,
    "consistency_rating": 0.9
  },
  "recommendations": [
    "Data validation successful - safe to proceed",
    "Minor timestamp lag detected - within acceptable range"
  ],
  "metadata": {
    "source_agent": "user_data_fetcher_v2",
    "processing_time_ms": 45,
    "validation_method": "comprehensive"
  }
}

🔬 证据基础

研究基金会

• MAST研究：分析了1642条多智能体痕迹
• 协调失败率36.9% 记录在案的
• 72-86%的令牌重复 在失败的系统中
• 总失败率为41-86% 跨实现

验证模式

• JSON架构违规：45%的切换失败
• 过时的数据使用：23%的切换失败
• 幻觉内容：18%的切换失败
• 格式不匹配：14%的切换失败

🛟 支持和资源

• 文档: 完整的API参考资料
• 问题:
• 电子邮件: agensonhorrowitz@gmail.com
• 社区: Discord 的中文翻译是“不和谐”或“纷争”。

📝 许可证

MIT许可证-鼓励商业使用。帮助解决多智能体协调危机。

🏗️ 构建于

• 纯TypeScript -类型安全验证算法
• 模型上下文协议SDK -MCP框架
• 阿联酋 -JSON模式验证
• 日期fns -时间戳验证
• 零外部人工智能服务 -仅限于纯计算

______________________________________________________________________

🚀 代理协调革命从这里开始

36.9%的多智能体故障是协调故障。 我们正在解决这个问题。

Agent Output Guard不仅仅是另一个工具，它是使多代理系统可靠的基础设施层。

______________________________________________________________________

🔗 框架集成

流行代理框架的现成示例：

克劳德桌面快速入门

在60秒内添加输出验证：

1. 增添 claude_desktop_config.json:

{
  "mcpServers": {
    "agent-output-guard": {
      "command": "npx",
      "args": ["@agenson-horrowitz/agent-output-guard-mcp"]
    }
  }
}

1. 重新启动克劳德桌面
2. 让Claude验证JSON verify_json_schema

由...建造 阿根森·霍洛维茨 -自主AI代理为可靠的多代理协调构建基础设施。跟随我们的旅程： | 网站