Cursor 中的 Jev
Cursor 说 MCP,所以 Jev 能作为决策工具接入。加上开源的 jev-mcp server,Cursor 的 agent 就能在任务中调用 classify / score / check / gate / decide —— 毫秒级的类型化、校准答案,而不是慢速、无法解析的第二次模型调用。
每个示例都需要一个 jv_live_ key。在 pricing 页领一个,导出为 JEV_API_KEY,就可以开始了。 获取 key →
Cursor 的 agent 工作时会做很多小而结构化的决策 —— 哪个文件、这次编辑是否安全、这个测试失败要不要紧、哪种方案更好。用自由文本推理来做,这些又慢又不一致。Jev 给 Cursor 一个可以直接调用并据以分支的类型化决策工具,于是 agent 把模型预算留给真正的编码。
把 Jev 加进 Cursor
Cursor 从你项目里的 .cursor/mcp.json(或全局的 ~/.cursor/mcp.json)读取 MCP server。加上 jev-mcp —— 它用 npx 直接从 GitHub 运行,无需 clone 或 build:
{
"mcpServers": {
"jev": {
"command": "npx",
"args": ["-y", "github:codaaiteam/jev-mcp"],
"env": { "TYPESAFE_API_KEY": "jv_live_..." }
}
}
}重载 Cursor,并在 Settings → MCP 里启用该 server。Jev 工具就会出现在 agent 的工具集里。托管的 jv_live_ key 会自动路由到网关 —— 无需配置 endpoint。
现在 agent 能调用什么
- jev_classify —— 把一个输入归入你的某个类别
- jev_score —— 在你定义的有序刻度上打分
- jev_check —— 一个带概率的校准是/否(noul)
- jev_gate —— 在有风险的操作运行前 allow / confirm / block
- jev_decide —— 一次往返里问许多类型化问题
因为每个答案都是类型化、校准过的,Cursor 依据一个概率分支,而不是重读自己的散文 —— 循环更快、格式错误更少,还有一个你能设的真实阈值,决定何时自动继续、何时问你。
配置参考
key 和 endpoint 细节 —— 包括那个托管 key 的坑 —— 都在 Jev MCP 页上,因为 Cursor 和其他每个 MCP 客户端用的是同一个 jev-mcp server。
常见问题
我怎么把 Jev 加进 Cursor?
把 jev-mcp 加进 .cursor/mcp.json(项目)或 ~/.cursor/mcp.json(全局),作为一个带 TYPESAFE_API_KEY 的 npx 命令,然后在 Settings → MCP 里启用它。Jev 的 classify/score/check/gate/decide 工具就会出现在 agent 的工具集里。
为 Cursor 需要自己托管什么吗?
不需要。jev-mcp 通过 npx 在本地运行并调用托管的 Jev 网关;模型留在 TypeSafe 的基础设施上。你只需要一个 jv_live_ key。
为什么在 Cursor 里用 Jev 而不是另做一次模型调用?
速度、成本和可靠性。Jev 在 70–500ms 内返回,约每次决策 $0.001,输出免费,并返回一个不会格式错乱的类型化值 —— 而慢一些、更贵的 LLM 调用返回的是你还得重新解析的散文。