Jev in Cursor
Cursor spricht MCP, also fügt sich Jev als Entscheidungstool ein. Füge den offenen jev-mcp-Server hinzu, und Cursors Agent kann mitten in der Aufgabe classify / score / check / gate / decide aufrufen — typisierte, kalibrierte Antworten in Millisekunden, kein langsamer, unparsebarer zweiter Modellaufruf.
Jedes Beispiel braucht einen jv_live_-Key. Hol dir einen auf der Pricing-Seite, exportiere ihn als JEV_API_KEY, und du bist startklar. Key holen →
Cursors Agent trifft bei der Arbeit viele kleine, strukturierte Entscheidungen — welche Datei, ist diese Änderung sicher, ist dieser Testfehler wichtig, welcher Ansatz gewinnt. In freiem Text sind diese langsam und inkonsistent. Jev gibt Cursor ein typisiertes Entscheidungstool, das es direkt aufrufen und verzweigen kann, sodass der Agent sein Modellbudget fürs eigentliche Coden aufspart.
Jev zu Cursor hinzufügen
Cursor liest MCP-Server aus der .cursor/mcp.json in deinem Projekt (oder global aus ~/.cursor/mcp.json). Füge jev-mcp hinzu — es läuft per npx direkt von GitHub, ohne Clone oder Build:
{
"mcpServers": {
"jev": {
"command": "npx",
"args": ["-y", "github:codaaiteam/jev-mcp"],
"env": { "TYPESAFE_API_KEY": "jv_live_..." }
}
}
}Lade Cursor neu und aktiviere den Server unter Settings → MCP. Die Jev-Tools erscheinen im Toolset des Agenten. Ein gehosteter jv_live_-Key routet automatisch zum Gateway — kein endpoint zu konfigurieren.
Was der Agent jetzt aufrufen kann
- jev_classify — einen Input in eine deiner Kategorien einordnen
- jev_score — auf einer von dir definierten geordneten Skala bewerten
- jev_check — ein kalibriertes Ja/Nein (noul) mit einer Wahrscheinlichkeit
- jev_gate — allow / confirm / block für eine riskante Aktion, bevor sie läuft
- jev_decide — viele typisierte Fragen in einem Roundtrip
Weil jede Antwort typisiert und kalibriert ist, verzweigt Cursor nach einer Wahrscheinlichkeit, statt seine eigene Prosa neu zu lesen — schnellere Schleifen, weniger Formatfehler und eine echte Schwelle, die du setzen kannst, wann automatisch weitergemacht vs. dich gefragt wird.
Konfigurationsreferenz
Die Key- und endpoint-Details — inklusive des Gehosteter-Key-Stolpersteins — stehen auf der Jev-MCP-Seite, da Cursor denselben jev-mcp-Server nutzt wie jeder andere MCP-Client.
FAQ
Wie füge ich Jev zu Cursor hinzu?
Füge jev-mcp in .cursor/mcp.json (Projekt) oder ~/.cursor/mcp.json (global) als npx-Befehl mit deinem TYPESAFE_API_KEY hinzu und aktiviere es unter Settings → MCP. Die Jev-Tools classify/score/check/gate/decide erscheinen im Toolset des Agenten.
Muss ich für Cursor etwas hosten?
Nein. jev-mcp läuft lokal via npx und ruft das gehostete Jev-Gateway auf; das Modell bleibt auf der Infrastruktur von TypeSafe. Du brauchst nur einen jv_live_-Key.
Warum Jev in Cursor statt eines weiteren Modellaufrufs?
Geschwindigkeit, Kosten und Zuverlässigkeit. Jev antwortet in 70–500ms zu etwa $0,001 pro Entscheidung mit kostenlosem Output und gibt einen typisierten Wert zurück, der nicht fehlerhaft sein kann — anders als ein langsamerer, teurerer LLM-Aufruf, der Prosa zurückgibt, die du neu parsen musst.
Siehe auch: Jev-MCP-Server (Konfig) · Claude-Code-Integration · Agent-Skill (alle Clients)
Probiere Jev, bevor du es einbindest
Führe eine echte, typisierte Entscheidung im Browser aus — kostenlos, ohne Anmeldung — und setze dann deinen Key in das Beispiel oben ein.