$ loading_
基于模型置信度自动分流回答，并支持本地模型生成委派与人工复核。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-confidence" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请将这个问答代理接入 mcp-confidence：当回答置信度高时直接回复，置信度中等时标记为需要核验，置信度低时转交人工，并给出分流阈值建议与返回格式。
返回一套按高、中、低置信度分流的规则、阈值建议，以及 accept、verify、ask-a-human 的输出结构示例。
为我的应用设计一个流程：优先由主模型回答；如果需要更可控的生成，就通过 mcp-confidence 的 MCP 服务委派给本地模型，并保留置信度分级结果与审计日志。
给出主模型与本地模型协同的流程说明，包含委派条件、置信度分层、日志字段和异常处理建议。
使用 mcp-confidence 为一组模型回答建立可靠性评估方案，基于 token logprobs 划分 accept、verify、ask-a-human 三类，并说明如何在测试中校准阈值。
输出一份可靠性评估与测试方案，包含分类标准、阈值校准方法、指标建议和示例结果格式。
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。
帮助 AI 代理验证身份、查询信任评分并跨平台建立信誉记录。
将摘要、代码补丁等低风险任务委派给低成本模型并由主代理复核。
在终端统一调用多家AI模型，完成文本、图像、视频生成与搜索对比。
在多家大模型与 MCP 服务间智能路由请求，并兼顾本地隐私记忆与嵌入处理。
通过对话检索文档并调用 MCP 工具，完成问答、分析与操作任务