$ loading_
为结构化输出执行安全不变量校验，防止模型擅自填写锁定字段
复制安装指令，让 AI 自动完成配置 · 推荐新手
"invarianteval-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 check_invariants 校验这份结构化提取结果，确认所有锁定字段都未被模型自动填写，并返回违规项列表。
返回确定性的校验结果，指出是否存在违反不变量的字段及相关问题。
请调用 list_invariants，列出当前可用的不变量检查项，方便我选择要应用的规则。
返回可用不变量列表，帮助用户了解支持哪些安全校验。
在提交结果前，先用 check_invariants 检查输出中所有需要人工确认的锁定字段，确保模型没有越权填写。
输出一份审核结果，用于判断哪些字段可以保留、哪些需要人工处理。
开发者或研究人员在让 AI 提取结构化结果后，可用它做确定性校验，确保关键字段符合安全不变量。尤其适合不能接受模型擅自补全的场景。
当某些字段必须由人工确认后才能填写时，这个工具可检查模型是否越权自动填入锁定字段。这样能在提交或入库前拦截风险结果。
产品经理或开发团队可以把它接入 AI 工作流，对结构化输出执行统一的不变量检查。它适合用作高风险任务的安全审计环节。
它用于对结构化输出执行安全不变量检查。重点是确保被锁定的字段不会在没有人工确认的情况下被模型自动填写。
给定描述中提到它提供两个工具：check_invariants 和 list_invariants。前者用于执行校验，后者用于列出可用不变量。
当前素材没有提供安装方法、运行时要求或密钥信息。更多细节见源码仓库。
可对财务报表执行勾稽与加总校验，快速发现数据一致性问题。
为 AI 代理校验行为契约并对比回归，发现关键规则退化
用于校验 AI 代理输出质量，识别幻觉并检查是否超出范围
帮助团队评估 AI 安全分类器在拆分、混淆与多智能体攻击下的鲁棒性。
用 AI 按可定制规则校验 JSON 与 SQL schema，发现命名、结构和迁移风险问题。
帮助用户分析合同安全评分与风险点，识别危险条款并给出修改建议。