Token导航 LogoToken导航TokenDH.com
Driftguard MCP logo
开发工具未说明官方级别未说明来源级核验

Driftguard MCP

MCP Server

driftguard-mcp是一个实时AI会话漂移监控工具,用于监测Claude Code、Gemini CLI、Codex CLI和Cursor等AI CLI工具的会话质量,防止因上下文窗口过载导致的性能下降。

工具数

3

提示词数

0

GitHub Stars

7

资源数

0
TypeScriptClaude开发工具ClaudeCursor

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

jschoemaker

提供方

jschoemaker

最后核验

2026/5/17 20:23

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

详细介绍

漂流卫士mcp

用于Claude Code、Gemini CLI、Codex CLI和Cursor的实时AI对话漂移监视器。

长时间的人工智能会话会降级——模型会填充其上下文窗口,开始重复自己,并失去对您最初要求的跟踪。driftguard-mcp直接读取您的会话文件,测量实际预测的信号,并告诉您何时重新开始。

没有浏览器。没有API密钥。没有UI。作为MCP服务器,您的AI CLI可以在会话中期调用。

______________________________________________________________________

安装

npm install -g driftguard-mcp
driftguard-mcp setup

setup 自动配置计算机上所有支持的AI CLI。 运行AI CLI后,您必须重新启动它 --MCP服务器仅在启动时加载。

Manual config

克劳德代码-- ~/.claude.json

{
  "mcpServers": {
    "driftguard": {
      "command": "driftguard-mcp",
      "env": { "DRIFTCLI_ADAPTER": "claude" }
    }
  }
}

Gemini CLI-- ~/.gemini/settings.json

{
  "mcpServers": {
    "driftguard": {
      "command": "driftguard-mcp",
      "env": { "DRIFTCLI_ADAPTER": "gemini" }
    }
  }
}

Codex CLI-- ~/.codex/config.toml

[mcp_servers.driftguard]
command = "driftguard-mcp"
env.DRIFTCLI_ADAPTER = "codex"

光标-- ~/.cursor/mcp.json

{
  "mcpServers": {
    "driftguard": {
      "command": "driftguard-mcp",
      "env": { "DRIFTCLI_ADAPTER": "claude" }
    }
  }
}
DRIFTCLI_ADAPTER 告诉driftguard-mcp要读取哪个CLI的会话。 driftguard-mcp setup 自动设置。

______________________________________________________________________

用法

从任何会话调用这些工具:

  • get_drift() --检查会话是否降级
  • get_handoff() --写a handoff.md 继续新的会议
  • get_trend() --用火花线记录满分历史

______________________________________________________________________

它是什么样子的

健康会话:

✅  Context is healthy.

  Context depth         ███░░░░░░░   28
  Repetition            ██░░░░░░░░   15

Score: 12/100 · 14 messages
Session size: 56,210 input tokens total

需要重置的会话:

⚠️  Start fresh now — context is full and responses are repeating heavily.

  Context depth         █████████░   88
  Repetition            ████████░░   72
  Length collapse       █████░░░░░   48

Score: 84/100 · 67 messages
Session size: 176,432 input tokens total

→ Call get_handoff() to get a structured prompt for writing handoff.md before starting fresh.

分数以简单的英语推荐领先。最重要的两个条——上下文深度和重复——总是会出现。其他人只有在做出有意义的贡献时才会表现出来。

看实际效果

![driftguard-mcp demo](https://www.youtube.com/watch?v=NQcMkPxkcho)

______________________________________________________________________

交接工作流程

当漂移较高时,呼叫 get_handoff()AI写了一个 handoff.md 在项目根目录中使用其完整会话上下文:

## What we accomplished
Implemented JWT authentication with refresh token rotation. Added middleware,
updated the user model, wrote integration tests. All tests passing.

## Current state
Auth flow is working end-to-end. Rate limiting is stubbed but not implemented.
The `/refresh` endpoint has a known edge case with concurrent requests (see TODO in auth.ts:142).

## Files modified
- src/middleware/auth.ts — JWT verify + refresh logic
- src/models/user.ts — added refreshToken field + index
- src/routes/auth.ts — /login, /logout, /refresh endpoints
- tests/integration/auth.test.ts — 14 new tests

## Open questions / next steps
- Implement rate limiting on /login (decided on: 5 attempts per 15 min)
- Fix concurrent refresh edge case
- Add token blacklist for logout

## Context for next session
Using jsonwebtoken@9, refresh tokens stored in DB (not Redis — decision was made
to keep it simple for now). Access token TTL: 15min. Refresh TTL: 7 days.

负载 handoff.md 在你的下一次会议开始时。您可以在不失去上下文的情况下继续。

______________________________________________________________________

它衡量什么

权重根据两个公共数据集进行实证校准: LMSYS-Chat-1M (100万个真实会话——考虑转弯深度的行为)和 聊天机器人竞技场 (33K个人类偏好对——人类判断哪种对话更好):

因素重量它测量什么
上下文深度已使用30%%的上下文窗口--所有适配器的实际令牌计数
重复25%3-gram在最近的响应中重叠——模型回收自己的输出
目标距离22%词汇偏离了你的既定目标——Arena数据中最强的成对信号
不确定性信号12%自我纠正密度(“我错了”,“让我纠正一下”)
反应长度崩溃8%反应越来越短——症状可靠,短期会话无法衡量
置信度漂移3%对冲语言趋势(早期与晚期反应)

上下文深度与真实长会话的转折指数(LMSYS)有+0.80的相关性。在Arena成对比较中,目标距离和重复是失败模型的最强预测因素。权重之和为1.00。

______________________________________________________________________

get_drift() 选项

传递可选 goal 将目标距离测量锚定到特定目标的字符串:

get_drift({ goal: "build a JWT authentication system" })

没有它,目标距离返回0(没有锚=没有测量)。

______________________________________________________________________

配置

driftguard mcp在两个地方查找配置,合并在一起:

  • 全球的: ~/.driftclirc
  • 每个项目: .driftcli 在项目根中

两者都是JSON格式。所有字段都是可选的。

{
  "preset": "coding",
  "warnThreshold": 60
}

预设

预设最适合
coding重点编码会议
research研究或规划——高度重视目标一致性
brainstorm头脑风暴——放松重复和信心惩罚
strict所有六个因素权重相等

所有选项

密钥默认值描述
preset--命名重量预设
weights--按因素权重覆盖,应用于预设值之上
warnThreshold60警告的分数阈值
storage.enabledtrue持续漂移快照 get_trend()
storage.directory~/.driftcli/history覆盖快照存储路径
sessionResolution.cacheTtlMs5000会话文件缓存TTL(ms)

环境变量

变量描述
DRIFTCLI_ADAPTER固定到特定CLI: claude, gemini,或 codex.自动设置 setup.
DRIFTCLI_SESSION_ID强制特定会话UUID(仅限Claude代码)。
DRIFTCLI_HOME覆盖主目录以查找会话文件。

______________________________________________________________________

CLI监视器

实时终端仪表板,每3秒轮询一次:

driftguard-mcp watch

______________________________________________________________________

支持的CLIs

CLI状态
克劳德代码✅ 支持——真实代币计数,200k窗口
Gemini CLI✅ 支持——真实代币计数,1M窗口
Codex CLI✅ 支持--真实令牌计数,会话JSONL的运行时窗口
光标✅ 支持(监控克劳德代码/双子座/代码会议)

______________________________________________________________________

如果driftguard mcp有用 帮助别人找到它。

目录标签

目录标签

TypeScriptClaude开发工具AI监控本地部署会话分析性能优化CLI工具

支持客户端

ClaudeCursor

接入字段

传输方式(transport,传输协议)

未说明

鉴权方式(authType,认证方式)

token

工具数量(toolCount,工具数)

3

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

未说明token部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

仍需确认:installCommand

来源信息

继续浏览同类 MCP