аргот: Локальный MCP ограждение и инструменты аудита для AI-сгенерированного кода
argot, разработанный Get Tmonier, является сервером открытого протокола Model Context Protocol, который служит защитным барьером для кода, написанного ИИ. Этот инструмент строит статистическую модель из истории git репозитория, чтобы обнаруживать 'чужой' код, и предоставляет инструменты MCP, такие как voice_context и check, чтобы агенты ИИ могли писать в стиле репозитория. Он работает как статически скомпилированный бинарный файл на Rust с адаптерами tree-sitter, нацеливаясь на разработчиков и инженерные команды, использующие помощников по программированию на ИИ.
Инструмент обеспечивает соблюдение кодового голоса репозитория для AI-сгенерированных вкладов
Инструмент моделирует исторические паттерны репозитория, анализируя историю git и структуру AST, чтобы определить, подходит ли сгенерированный код для существующей кодовой базы. Он выявляет конкретные отклонения, такие как неизвестные зависимости, дублирующие вспомогательные функции или нарушенная структура слоев. Примеры отмеченных элементов включают:
- зависимости, которые никогда не использовались в репозитории
- функции, которые дублируют существующие утилиты
- вызовы, которые нарушают установленные границы модулей
Оценка акцентирует внимание на статистической согласованности, а не на проверке на основе LLM
Инструмент оценивает сгенерированный код с использованием статистических моделей и паттернов AST вместо запроса второй языковой модели, что исключает дополнительный вектор галлюцинации. Этот подход к оценке делает результаты отражающими частоту и паттерны репозитория, а не абсолютную правильность; необычные, но правильные дизайны могут получить низкий балл, если они исторически редки. Режим аудита позволяет командам проверять, что AI уже ввел, прежде чем вводить изменения.
Весь анализ выполняется локально и интегрируется с хостами MCP и CI
Инструмент поставляется как один статически скомпилированный бинарный файл Rust без зависимостей во время выполнения или телеметрии, поэтому анализ выполняется на машине разработчика. Он совместим с хостами MCP, такими как Claude Desktop, и предлагает путь установки npm/npx, который требует Node.js. Для автоматизации он выдает JSON и SARIF вывод, который подходит для существующих конвейеров сканирования кода CI.
Подходит для команд, использующих AI-ассистентов, но зависит от репрезентативной истории и модели обслуживания
Команды, которые сочетают AI-кодирующих ассистентов с проверками, осведомленными о репозитории, получают повторяемый сигнал о том, когда сгенерированный код отклоняется от местных конвенций. Инструмент предоставляет контекст до генерации агентам и нулевую настройку аудита для существующих репозиториев, но его эффективность зависит от репрезентативной истории git. Проект поддерживается разработчиком как усилие одного человека, что может повлиять на поддержку и сроки расширения для более крупных организаций.
Практичный выбор для команд, желающих получить руководство на основе репозитория по редактированию ИИ
Этот инструмент является прагматичным вариантом для инженерных команд, которым нужен автоматизированный сигнал на основе репозитория о вкладах ИИ. Рассматривайте его оценки как контекстуальное руководство, а не как окончательную правильность, и комбинируйте их с человеческим обзором, когда изменения затрагивают архитектуру или безопасность. Протестируйте его на подмножестве модулей, чтобы откалибровать пороги и подтвердить, что отмеченные элементы отражают реальную политику, прежде чем вводить автоматические ограничения.
