行话：本地 MCP 护栏和 AI 生成代码的审计工具
argot，由Get Tmonier开发，是一个开源的模型上下文协议服务器，充当AI编写代码的护栏。该工具从代码库的git历史中构建统计模型，以检测“外来”代码，并暴露MCP工具，如voice_context和check，以便AI代理可以按照库中的风格编写代码。它作为一个静态链接的Rust二进制文件运行，配有tree-sitter适配器，面向使用AI编码助手的开发者和工程团队。
该工具强制执行存储库的编码声音，以支持 AI 生成的贡献
该工具通过分析 git 历史和 AST 结构来建模存储库的历史模式，以决定生成的代码是否适合现有代码库。它识别出具体的偏差，例如未知的依赖关系、重复的助手或破损的分层。标记项目的示例包括：
- 在存储库中从未使用的依赖关系
- 复制现有工具的函数
- 违反既定模块边界的调用
评分强调统计一致性，而不是基于 LLM 的验证
该工具使用统计模型和 AST 模式对生成的代码进行评分，而不是查询第二个语言模型，这消除了额外的幻觉向量。该评分方法使结果反映存储库的频率和模式，而不是绝对的正确性；不寻常但正确的设计如果在历史上很少出现，可能得分较低。审计模式允许团队在强制更改之前检查 AI 已经引入的内容。
所有分析在本地运行，并与 MCP 主机和 CI 集成
该工具作为一个单一的静态链接 Rust 二进制文件发布，没有运行时依赖或遥测，因此分析在开发者的机器上执行。它与 MCP 主机（如 Claude Desktop）兼容，并提供需要 Node.js 的 npm/npx 安装路径。为了自动化，它发出 JSON 和 SARIF 输出，适合现有 CI 代码扫描管道。
适合使用 AI 助手的团队，但依赖于代表性历史和维护模型
将 AI 编码助手与存储库感知检查配对的团队获得了一个可重复的信号，以便在生成的代码偏离本地约定时进行识别。该工具为代理提供生成前的上下文，并对现有存储库进行零设置审计，但其有效性依赖于代表性的 git 历史。该项目由开发者作为单人努力进行维护，这可能会影响大型组织的支持和扩展时间表。
希望获得基于存储库的 AI 编辑指导的团队的实用选择
该工具是工程团队的务实选择，他们需要关于 AI 贡献的自动化、基于存储库的信号。将其评分视为上下文指导，而不是绝对正确，并在更改影响架构或安全性时与人工审查相结合。在一部分模块上试点，以校准阈值并确认标记的项目反映真实政策，然后再强制执行自动门。
