argot: Lokal MCP skyddsräcke och revisionsverktyg för AI-genererad kod
argot, utvecklad av Get Tmonier, är en öppen källkod Model Context Protocol-server som fungerar som en skyddsräls för AI-skriven kod. Verktyget bygger en statistisk modell från ett repositories git-historik för att upptäcka 'främmande' kod och exponerar MCP-verktyg som voice_context och check så att AI-agenter kan skriva i-repo stil. Det körs som en statiskt länkad Rust-binär med tree-sitter-adaptrar, riktad mot utvecklare och ingenjörsteam som använder AI-kodningsassistenter.
Verktyget upprätthåller en repositories kodningsröst för AI-genererade bidrag
Verktyget modellerar en repositories historiska mönster genom att analysera git-historik och AST-struktur för att avgöra om genererad kod passar in i den befintliga kodbasen. Det identifierar konkreta avvikelser såsom okända beroenden, duplicerade hjälpmedel eller brutna lager. Exempel på flaggade objekt inkluderar:
- beroenden som aldrig används i repo
- funktioner som replikerar befintliga verktyg
- anrop som bryter mot etablerade modulgränser
Poängsättning betonar statistisk konsistens snarare än LLM-baserad verifiering
Verktyget poängsätter genererad kod med hjälp av statistiska modeller och AST-mönster istället för att fråga ett andra språkmodell, vilket eliminerar en extra hallucinationsvektor. Denna poängsättningsmetod gör att resultaten återspeglar repositories frekvens och mönster, inte absolut korrekthet; ovanliga men korrekta designer kan få låga poäng om de historiskt sett är sällsynta. Granskningsläge låter team inspektera vad AI redan har introducerat innan förändringar genomförs.
All analys körs lokalt och integreras med MCP-värdar och CI
Verktyget levereras som en enda statiskt länkad Rust-binär utan körningsberoenden eller telemetri, så analysen körs på utvecklarens maskin. Det är kompatibelt med MCP-värdar som Claude Desktop och erbjuder en npm/npx installationsväg som kräver Node.js. För automatisering avger det JSON och SARIF-utdata, vilket passar in i befintliga CI-kodskanningspipelines.
Passar team som använder AI-assistenter, men beror på representativ historia och underhållsmodell
Team som kombinerar AI-kodningsassistenter med repositories medvetna kontroller får en upprepbar signal för när genererad kod avviker från lokala konventioner. Verktyget ger förgenereringskontext till agenter och en noll-installation granskning för befintliga repositories, men dess effektivitet beror på representativ git-historik. Projektet underhålls av utvecklaren som en enmansinsats, vilket kan påverka stöd- och utvidgningstidslinjer för större organisationer.
Praktiskt val för team som vill ha repository-baserad vägledning om AI-redigeringar
Verktyget är ett pragmatiskt alternativ för ingenjörsteam som behöver en automatiserad, repository-baserad signal om AI-bidrag. Behandla dess poäng som kontextuell vägledning snarare än definitiv korrekthet, och kombinera dem med mänsklig granskning när ändringar påverkar arkitektur eller säkerhet. Testa det på en delmängd av moduler för att kalibrera trösklar och bekräfta att flaggade objekt återspeglar verklig policy innan automatiska portar verkställs.
