Salta l'installazione. Attivo in meno di 2 minuti.
Avvia una prova gratuita su cloud.anythingmcp.com, aggiungi Jev by TypeSafe con un clic, poi punta il tuo client AI (Claude, ChatGPT, Copilot o Cursor) all'endpoint MCP generato. Niente Docker, niente git clone, nessuna esperienza di sviluppo richiesta.
In breve
Decisioni sì/no, di classificazione e di valutazione veloci ed economiche per agenti AI con Jev, il modello System One di TypeSafe: risposte tipizzate con probabilità calibrate in circa 300 ms, invece di un paragrafo da interpretare.
Prova a chiedere
Prompt di esempio per Jev by TypeSafe
Clicca su un prompt per copiarlo. Incollalo in Claude, ChatGPT, Cursor, Gemini, Copilot o OpenClaw per eseguirlo contro questo connettore.
Claude è un'AI e può sbagliare. Verifica sempre le risposte.
💡 Niente installazione? Vai direttamente su cloud.anythingmcp.com. Accedi, clicca Connectors → Jev by TypeSafe, inserisci le credenziali, genera una MCP API key — fatto. Niente Docker, niente
git clone, niente server locale.
Jev by TypeSafe + Gemini
Decisioni sì/no, di classificazione e di valutazione veloci ed economiche per agenti AI con Jev, il modello System One di TypeSafe: risposte tipizzate con probabilità calibrate in circa 300 ms, invece di un paragrafo da interpretare.
Prerequisiti
Le istruzioni di setup complete sono incluse nel connettore stesso (visibili nello store quando lo selezioni). Le variabili d'ambiente richieste sono:
TYPESAFE_API_KEY
Step 1 — Ottieni le credenziali
Jev is a decision model, not a chat model. You give it state (the evidence) and one or more typed questions; it returns a number or an option with probabilities in about 300 ms. It never writes text. Use it when an agent needs a judgment it can branch on: is this urgent, which team owns it, how risky is it, does this reply answer the question, is this record a duplicate.
Start with jev_playbook. It costs no API call and explains how to phrase questions, what to put in state and how to read the probabilities.
Setup: create an API key at https://console.typesafe.ai and paste it into TYPESAFE_API_KEY. Jev is billed per input token (about $0.04 per million), output is free.
…(continued in the in-app connector instructions)
Step 2 — Installa l'adapter
curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d
Step 3 — Aggiungi il connettore in Gemini
Gemini CLI legge i server MCP da ~/.gemini/settings.json (o %APPDATA%\gemini\settings.json su Windows). Aggiungi:
{
"mcpServers": {
"anythingmcp": {
"httpUrl": "https://cloud.anythingmcp.com/mcp",
"headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
}
}
}
- Ottieni la tua MCP API key da AnythingMCP → MCP Servers → il tuo server → API keys.
- Salva il file e riavvia
gemini. - Esegui
/mcpnella Gemini CLI —Jev by TypeSafedovrebbe essere elencato come disponibile. - Vertex AI Studio: passa
https://cloud.anythingmcp.com/mcpnell'arraytoolsdella richiesta con lo stesso header Bearer.
Tool disponibili
| Tool | What it does |
|---|---|
jev_playbook | START HERE: returns, with NO API call, how to use Jev well: which question type to pick, how to structure state, how to write the question… |
jev_yes_no | Ask Jev ONE yes/no question about some evidence |
jev_classify | Ask Jev to pick ONE option from a set you define (routing, labelling, intent, triage) |
jev_rate | Ask Jev to place the evidence on an ordered scale you define (severity, lead fit, quality, sentiment) |
jev_ask | Full Jev API: ask SEVERAL typed questions about the same state in one call (answered in parallel, state billed once) |
jev_list_models | List the Jev model names your API key can use in the model field (aliases such as jev-latest and jev-preview, with release dates) |
FAQ
Gemini 1.5 Pro o 2.x supportano MCP? Sì — Gemini CLI ≥ 0.4 e la Vertex AI tools API accettano connettori MCP httpUrl con header Bearer.
Prossimi passi
Questa guida ti è stata utile?
