索赔MCP服务器

Name: 索赔MCP服务器
Author: AdamGustavsson

作者：AdamGustavsson8 星标更新：2025-11-03

安装使用来源：spider==github.com

项目介绍

Claimify: 基于研究的事实主张提取通过MCP

“Claimify”方法的实现，用于从文本中提取可验证的事实主张，以本地模型上下文协议（MCP）服务器的形式提供。此工具实现了学术论文《有效提取和评估事实主张》（Metropolitansky & Larson, 2025）中详细描述的多阶段事实主张提取方法。

阅读论文

论文中的提示已修改以适用于结构化输出。这不是官方实现。

概述

Claimify 使用复杂的四阶段流水线从文本中提取可验证的、去上下文化的事实主张：

句子分割：将文本拆分为带有上下文的独立句子
选择：筛选出包含可验证命题的句子，排除意见和推测
消歧：解决歧义或丢弃无法澄清的句子
分解：将句子分解为原子的、自包含的事实主张

该工具仅使用 OpenAI 的结构化输出功能以提高可靠性，并通过模型上下文协议公开其功能，使其可用于兼容 MCP 的客户端，如 Cursor 和 Claude Desktop。

特性

基于研究的方法论：实现同行评审的 Claimify 方法
结构化输出：使用 OpenAI 的结构化输出以获得可靠且类型安全的响应
MCP 集成：无缝集成到开发环境中
强大的解析能力：处理各种文本格式，包括列表和段落
上下文感知：使用周围的句子来解决歧义
多语言支持：在提取主张时保留原始语言
资源存储：自动将提取的主张作为 MCP 资源存储，便于检索
详细的日志记录：详细记录所有 LLM 调用、响应及流水线阶段
生产就绪：包括错误处理、监控和配置管理

要求

OpenAI API：需要一个 OpenAI API 密钥（如果您的 MCP 主机不支持采样，例如 GitHub Copilot 在 vsCode 中）
兼容模型：必须使用支持结构化输出的模型：
- gpt-4o（推荐）
- gpt-4o-mini（更快更便宜）
Python 3.10+：为了正确的类型提示和 Pydantic 支持

快速开始

1. 安装

# 克隆仓库
git clone <repository-url>
cd ClaimsMCP

# 创建并激活虚拟环境
python -m venv claimify-env
source claimify-env/bin/activate  # 在 Windows 上：claimify-env\Scripts\activate

# 安装依赖项
pip install -r requirements.txt

# 下载所需的 NLTK 数据（首次运行时会自动下载）
python -c "import nltk; nltk.download('punkt_tab')"

2. 配置

在项目根目录创建一个 .env 文件：

# 复制示例文件
cp env.example .env

编辑 .env 并添加您的 API 密钥：

# API 密钥
OPENAI_API_KEY="your-openai-api-key-here"

# LLM 配置
LLM_MODEL="gpt-4o-2024-08-06"  # 支持结构化输出的模型

# 日志配置
LOG_LLM_CALLS="true"   # 设置为 "false" 以禁用日志
LOG_OUTPUT="stderr"    # "stderr" 或 "file" - 日志发送位置
LOG_FILE="claimify_llm.log"  # 当 LOG_OUTPUT="file" 时使用

MCP 客户端配置

对于 Cursor

打开 Cursor 并导航至 设置 > MCP
点击“添加一个新的全局 MCP 服务器”
将以下配置添加到您的 MCP 设置文件中（通常位于 ~/.cursor/mcp.json）：

{
  "mcpServers": {
    "claimify-local": {
      "command": "/path/to/your/claimify-env/bin/python",
      "args": [
        "/path/to/your/project/claimify_server.py"
      ]
    }
  }
}

替换路径为您 Python 可执行文件和服务器脚本的实际绝对路径

“Claimify 提取服务器”现在应该出现在您的 MCP 启用聊天中的连接工具列表中。

使用示例

配置完成后，您可以在您的 MCP 客户端中使用该工具：

使用提取主张工具

使用提示

服务器提供了两个提示，帮助验证和记录提取的主张：

1. 验证单个主张 (`verify_claim`)

提供了一个预构建的提示，指示 LLM 根据外部来源验证单个事实主张。

参数：

claim_text（必需）：要检查的去上下文化的事实主张。

行为：

指示 LLM 搜索权威来源（学术出版物、信誉良好的新闻机构、官方组织）。
返回三种状态之一：
- VERIFIED：主张由可靠的来源明确支持（至少提供三个带有 URL 的参考文献 + 解释）
- UNCERTAIN：主张可能是正确的但缺乏精确度，存在歧义或证据有限/冲突
- DISPUTED：主张被可靠来源证明是错误的或矛盾的
来源不得伪造；优先考虑主要参考文献。

示例检索（概念性 – 实际调用取决于客户端 API）：

get_prompt(name="verify_claim", arguments={"claim_text": "Python 最早在 1991 年公开发布。"})

示例预期 LLM 响应格式：

**主张**：Python 最早在 1991 年公开发布。

**状态**：IN_PROGRESS

[经过研究...]

**主张**：Python 最早在 1991 年公开发布。

**状态**：VERIFIED

**证据**：
- 来源 1：[Python.org 发布历史](https://www.python.org/doc/versions/) - 官方 Python 发布历史页面确认了最初的公开发布时间
- 来源 2：[计算机历史博物馆](https://www.computerhistory.org/collections/catalog/102726710) - 档案引用了 Python 的早期开发
- 来源 3：[维基百科 - Python](https://en.wikipedia.org/wiki/Python_(编程语言)) - 百科全书条目引用了原始发布时间

如果不确定：

**主张**：斯德哥尔摩有 800,000 居民。

**状态**：UNCERTAIN

**证据**：
- 来源 1：[瑞典统计局](https://www.scb.se/en/) - 报告根据测量城市本身、市镇还是大都市区而提供的不同人口数字

**分析**：
该主张缺乏对所引用的“斯德哥尔摩”定义的具体性（城市本身约 975k，市镇约 975k，或大都市区约 1.6M，截至 2023 年）。800,000 的数字可能在某些定义和特定时间段内是准确的，但在没有时间和地理上下文的情况下，完全验证是不可能的。

如果反驳：

**主张**：地球是平的。

**状态**：DISPUTED

**分析**：
这一主张与压倒性的科学证据相矛盾。地球的球形已被卫星图像、太空任务和数世纪的天文观测证实。可靠的来源普遍拒绝这一主张。

2. 创建主张报告 (`create_claims_report`)

生成一个初始的 CLAIMS.md 文件，其中所有主张均标记为 TODO。然后可以逐步验证这些主张，更新它们的状态：TODO → IN_PROGRESS → VERIFIED/UNCERTAIN/DISPUTED。

流程：

初始创建：所有主张最初状态为 TODO
验证期间：更新每个主张为 IN_PROGRESS
验证后：更新为 VERIFIED、UNCERTAIN 或 DISPUTED，并附上证据

参数：

无（将提取资源附加到 VS Code 的上下文中）

行为：

从附加到上下文的提取资源中解析所有主张
创建一个所有主张标记为 TODO 的 CLAIMS.md 文件
提供一个模板结构，准备进行逐步验证

示例用法： 当在 VS Code 中查看提取资源时，将其附加到提示上下文中。提示将生成一个初始的 CLAIMS.md 文件，准备好进行验证。

初始 CLAIMS.md 结构：

# 主张报告

**提取 ID**：extraction_1_1730678400
**生成时间**：2025-11-03
**总主张数**：5
**待办事项**：5
**正在进行**：0
**已验证**：0
**不确定**：0
**反驳**：0

---

## 主张

### 主张 1
**文本**：苹果公司成立于 1976 年。

**状态**：TODO

---

### 主张 2
**文本**：史蒂夫·乔布斯共同创立了苹果公司。

**状态**：TODO

---
...

验证更新后：

### 主张 1
**文本**：苹果公司成立于 1976 年。

**状态**：VERIFIED

**证据**：
- 来源 1：[维基百科 - 苹果公司](https://en.wikipedia.org/wiki/Apple_Inc.) - 表明公司在 1976 年成立
- 来源 2：[苹果官方](https://www.apple.com/about/) - 公司历史确认 1976 年成立
- 来源 3：[大英百科全书](https://www.britannica.com/topic/Apple-Inc) - 百科全书条目验证了成立年份

---

### 主张 2
**文本**：斯德哥尔摩有 800,000 居民。

**状态**：UNCERTAIN

**证据**：
- 来源 1：[瑞典统计局](https://www.scb.se/en/) - 根据定义报告不同的数字

**分析**：
该主张缺乏对所引用的地理定义和时间周期的具体性。截至 2023 年，人口在城市本身（约 975k）、市镇（约 975k）和大都市区（约 1.6M）之间显著变化。800k 的数字可能在历史上对于某些定义是准确的。

---

### 主张 3
**文本**：该公司发明了智能手机。

**状态**：DISPUTED

**分析**：
虽然苹果公司通过 2007 年的 iPhone 推广了智能手机，但它并没有发明智能手机。早期设备如 IBM Simon（1994 年）和黑莓设备（2000 年代初）早于 iPhone。该主张混淆了创新/推广与发明。

---
...

注意：服务器仅提供提示；外部搜索取决于客户端/模型的能力。

示例 1：简单的事实文本

输入："美国国旗包含 50 颗星和 13 条横杠。"
输出：[
  "美国国旗包含 50 颗星 [代表 50 个州] 和 13 条横杠 [代表最初的 13 个殖民地]。",
  "美国国旗设计于 1777 年",
  "美国国旗已经修改了 27 次"
]

示例 2：事实与意见混合

输入："苹果公司成立于 1976 年，由史蒂夫·乔布斯、史蒂夫·沃兹尼亚克和罗纳德·韦恩共同创立。这家公司极其创新，拥有世界上最好的产品。"
输出：[
  "苹果公司成立于 1976 年，由史蒂夫·乔布斯、史蒂夫·沃兹尼亚克和罗纳德·韦恩共同创立。"
]

（注意：关于“极其创新”和“拥有世界上最好的产品”的主观内容被过滤掉）

示例 3：多语言支持

输入："String-systemet 是一个获奖的图标，结合了优雅和极简的设计以及广泛的色彩和尺寸选择。Nisse Strinning 早在 1949 年就创造了第一个架子。"
输出：[
  "String-systemet [一种搁板系统] 是一个获奖的图标 [在设计领域]",
  "String-systemet 结合了优雅和极简的设计以及广泛的色彩和尺寸选择",
  "Nisse Strinning 在 1949 年创造了第一个 String 搁板 [String-systemet]"
]

（注意：内容保留原始瑞典语，并在括号中添加了上下文解释）

访问提取的主张作为资源

每次提取都会生成两种类型的资源：

聚合提取资源 (claim://extraction_<n>_<timestamp>)
- 包含元数据（时间戳、预览、问题）和完整的主张列表
- 返回 JSON 格式
单个主张资源 (claim://<slug>)
- 每个主张可通过唯一的 slug（从主张文本派生的 URL 安全标识符）访问
- 返回纯文本（主张本身）

聚合提取 JSON 示例

{
  "id": "extraction_1_1730678400",
  "timestamp": "2025-11-03T14:30:00.123456",
  "question": "苹果的历史是什么？",
  "text_preview": "苹果公司成立于 1976 年，由史蒂夫·乔布斯...",
  "claims": [
    "苹果公司成立于 1976 年，由史蒂夫·乔布斯、史蒂夫·沃兹尼亚克和罗纳德·韦恩共同创立。"
  ],
  "claim_count": 1
}

URI：claim://apple-inc-was-founded-in-1976-by-steve-jobs

单个主张资源示例

URI 模式：claim://<slug>

示例：

claim://apple-inc-was-founded-in-1976-by-steve-jobs-steve-wozniak-and-ronald
claim://stockholm-is-the-capital-of-sweden
claim://python-was-first-publicly-released-in-1991

内容：主张本身的纯文本（无 JSON 包装）

单个主张资源的好处：

直接访问：通过 slug 检索任何主张
简单格式：纯文本，无需解析
唯一标识符：每个主张都有一个稳定的、可读的 URI
易于引用：直接链接到单个主张

项目结构

ClaimsMCP/
├── README.md                    # 此文件
├── requirements.txt             # Python 依赖项
├── env.example                  # 环境配置模板
├── claimify_server.py          # 主 MCP 服务器脚本
├── llm_client.py               # 使用结构化输出支持的 LLM 客户端
├── pipeline.py                 # 核心主张提取流水线
├── structured_models.py        # 结构化输出的 Pydantic 模型
├── structured_prompts.py       # 优化的结构化输出提示
├── setup.py                    # 包设置配置
├── test_claimify.py            # 主张提取流水线的测试套件
└── LICENSE                     # Apache 2.0 许可证

架构

该系统遵循模块化架构，采用结构化输出：

MCP 服务器：通过模型上下文协议公开主张提取工具
ClaimifyPipeline：使用结构化输出编排多阶段提取过程
LLMClient：使用结构化输出和 Pydantic 模型处理与 OpenAI API 的通信
结构化模型：定义每个阶段预期响应格式的 Pydantic 模型
阶段函数：选择、消歧和分解的单独函数
提示管理：简化并优化用于结构化输出的提示

结构化输出的优势

实现使用 OpenAI 的结构化输出功能，提供：

类型安全性：响应自动验证为 Pydantic 模型
可靠性：不再出现正则表达式解析失败或畸形 JSON
显式拒绝：基于安全性的拒绝可程序检测
一致性：保证符合预期的响应模式
性能：减少了重试逻辑和错误处理的需求

配置选项

环境变量	描述	默认值	选项
`LLM_MODEL`	使用的具体模型	`gpt-4o-2024-08-06`	支持结构化输出的模型
`OPENAI_API_KEY`	OpenAI API 密钥	无	您的 API 密钥
`LOG_LLM_CALLS`	启用所有 LLM 交互的详细日志	`true`	`true`, `false`
`LOG_OUTPUT`	日志输出位置	`stderr`	`stderr`, `file`
`LOG_FILE`	日志文件名（当 LOG_OUTPUT=file 时使用）	`claimify_llm.log`	任意文件名

故障排除

常见问题

“模型不支持结构化输出”错误
- 确保您正在使用兼容的模型：gpt-4o-2024-08-06，gpt-4o-mini 或 gpt-4o
- 更新您的 .env 文件：LLM_MODEL=gpt-4o-2024-08-06
“API 密钥未设置”错误
- 确保您的 .env