Reexpress MCP Server

重新表达模型上下文协议（MCP）服务器

用于在macOS（Tahoe 26或更高版本的苹果芯片）或Linux上运行的工具调用LLM（例如Claude Opus 4.7）和MCP客户端

视频概述\[^1\]： 这里


Screenshot image of the rendered HTML output from the Reexpress tool.

Re

Reexpress MCP Server是一个即插即用的解决方案，可以为您复杂的LLM管道添加最先进的统计验证，以及您日常使用LLM进行搜索和QA 软件开发和数据科学设置。这是您的人工智能工作流程的第一个可靠、统计稳健的人工智能第二意见。

只需安装MCP服务器，然后在聊天文本末尾添加Reexpress提示。调用LLM的工具（例如Anthropic的LLM模型Claude Opus 4.7）将使用提供的预训练Reexpress检查其响应 相似距离幅度（SDM）估计器，它整合了gpt-5.4-2026-03-05、gemini-3.1-pro-review和gemini-embedding-2，以及调用LLM的工具的输出，并根据OpenVerification1数据集的训练和校准示例数据库计算预测不确定性的稳健估计。Reexpress方法的独特之处在于，您可以轻松地使模型适应您的任务：在验证完成后，只需调用ReexpressAddTrue或ReexpressAddFalse工具，然后未来对Reexpress工具的调用将在计算验证概率时动态考虑您的更新。我们还包括模型的训练脚本，以便您在需要更实质性的更改时，或者您想使用替代的底层LLM时，可以运行完整的再培训。

\[！注意\] 除了根据您的指示为您（用户）提供对输出的有原则的置信度估计外，调用LLM的工具本身还可以使用验证输出逐步完善其答案，确定是否需要额外的外部资源或工具，或者是否已经陷入僵局，需要您进一步澄清或提供信息。这就是我们所说的 SDM验证推理 ---我们认为，人工智能工具包中的一项全新功能将为个人和企业的LLM和LLM代理开辟更广泛的用例。

数据仅通过标准的LLM API调用发送到Azure/OpenAI和Google，gemini-3.1-pro-preview调用通过API提供标准的网络搜索访问；SDM估计器的所有处理都在您的计算机上本地完成。Reexpress MCP有一个简单而保守但有效的文件访问系统：您可以通过文件访问工具ReexpressDirectorySet（）和ReexpressFileSet（）显式指定文件来控制哪些附加文件（如果有的话）被发送到LLM API。

2.3.0版本的新增功能预览

型号卡可用 这里.

2.3.0.prevision版本使用gpt-5.4-2026-03-05和gemini-3.1-pro-review作为模型集合，取代gpt-5.2-2025-12-11和gemini-3-pro-prove。此外，双子座嵌入-2取代了当地的花岗岩-3.3-8b指示模型。这大大简化了服务器的运行，因为您不再需要在本地运行数十亿参数的模型。

其他注释 changelog.md.

系统要求

MCP服务器在Linux和macOS上运行。主要要求是运行MCP服务器的机器需要能够在本地运行一个300万参数的小型PyTorch模型，因此计算要求最低。（如前所述：只有3 *百万* 参数；不是3 *十亿* 参数。该模型由gemini-embedding-2上的SDM激活和两个API语言模型的分类输出组成。)

安装

看 安装.md.

\[！提示\] 相对于其他MCP服务器，Reexpress MCP服务器的设置很简单，但我们假设您熟悉LLM、MCP和命令行工具。我们的目标受众是开发人员和数据科学家。只添加来自您信任的来源的其他MCP服务器，并记住其他MCP工具可能会以意想不到的方式改变我们MCP服务器的行为。

配置选项

看 CONFIG.md.

如何使用

看 文档/HOW_TO_USE.md.

使用工具调用的输出生成静态HTML

看 文档/OUTPUT_HTML.md.

指南

看 文档/指南.md.

常见问题

看 文档/FAQ.md.

培训和校准数据

看 文档/DATA.md.

OpenVerification评估1

看 文档/EVAL.md.

系统演示论文

我们的系统演示论文“可内省、可更新和不确定性感知的语言模型指令分类”的副本，特别关注Reexpress MCP服务器的2.1.0版本，包括在内 这里。包括用于复制分析的支持脚本 这里.

2.3.0版本的模型卡可供预览 这里.

引用

如果你觉得这个软件有用，可以考虑引用以下同行评审的论文：

@misc{Schmaltz-2025-SimilarityDistanceMagnitudeActivations,
      title={Similarity-Distance-Magnitude Activations}, 
      author={Allen Schmaltz},
      year={2025},
      eprint={2509.12760},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2509.12760},
      note={To appear in \emph{Findings of the Association for Computational Linguistics: ACL 2026}, San Diego, CA, USA.},
}

@misc{Schmaltz-2026-ReexpressMCPServer,
      title={Introspectable, Updatable, and Uncertainty-aware Classification of Language Model Instruction-following}, 
      author={Allen Schmaltz},
      year={2026},
      note={To appear in the \emph{1st ACM Conference on AI and Agentic Systems: Demos (ACM CAIS'26 Demos)}, San Jose, CA, USA.},
}

\[^1\]：自视频中使用v1.0.0以来，输出格式已更改。看 changelog.md.