OpenCode の Jev

OpenCode は MCP を話し、Jev はオープンな MCP server を提供します — なので両者をつなぐのは 1 コマンド。あなたの OpenCode agent は型付き判断ツールを得ます:タスク中に呼べる校正済みの choice / score / noul。

OpenCode はオープンソースのコーディング agent で、どの agent とも同様に、ループの驚くほど多くを小さく構造化された判断に費やします:これは正しいファイルか、このツール呼び出しは安全か、このテスト失敗は重要か、これらの手法のどれが勝つか。自由テキストの推論でやると遅く一貫しません。Jev は OpenCode に、ミリ秒で呼んで直接分岐できる型付き判断ツールを与えるので、agent はモデル予算を実際のコーディングに残せます。

Jev MCP server を追加

jev-mcp は npx で GitHub から直接動きます — clone も build も不要。OpenCode の MCP 設定をそれに向け、キーを設定します。

{
  "mcp": {
    "jev": {
      "type": "local",
      "command": ["npx", "-y", "github:codaaiteam/jev-mcp"],
      "environment": { "JEV_API_KEY": "jv_live_..." }
    }
  }
}

これで設定は全部です — jev-mcp は jv_live_ key を自動でホスト型ゲートにルーティングするので、endpoint もモデルも設定不要。OpenCode を再起動すれば Jev ツールが agent のツールセットに現れます。

agent に何を与えるか

読み込まれると、agent はプログラム的に行動できる判断が必要なときにいつでも Jev をツールとして呼べます:

• classify — 入力をあなたのカテゴリの 1 つに入れる
• score — あなたが定義した順序スケールで採点
• check — 確率付きの校正済み yes/no(noul)
• gate — リスクのある操作の実行前に allow / confirm / block

答えが型付き・校正済みなので、agent は自分の散文を読み返すのではなく確率に基づいて分岐します — ループが速く、フォーマットミスが少ない。校正済みの score は本物のしきい値も可能にします:確信が本当に低いときだけ人にエスカレートし、高ければ自動で進み、下でモデルが変わってもその挙動を安定に保ちます。

なぜ型付き判断が 2 回目の LLM 呼び出しに勝るのか

よくある代替は、agent に別の LLM を呼んで "決めさせる" ことです。動きますが、遅く(数秒)、高く(出力 100 万トークンあたり数ドル)、依然として解析すべき散文を返し — しかもフォーマットを幻覚しうる。Jev は 70–500ms、1 判断あたり約 $0.001、出力無料で答え、無効な型を物理的に出せません:choice はあなたの key の 1 つだけを返します。agent ループ内の高頻度の判断では、この差が急速に積み重なります。

注記

同じ jev-mcp server は Claude Code、Cursor、Codex、あらゆる MCP クライアントで動きます — その変種は Claude Code ガイド、クライアント非依存のインストールは agent-skill ページを参照。

よくある質問

関連: Claude Code 連携 · Agent skill(全クライアント) · jev-mcp とオープンソース