MCP MeasureMCP Measure

索引已觀測

ai-vendor-data-trust-index

Source-cited data-handling comparison of 11 AI vendors: training, retention, opt-out.

我該用這個嗎

品質與安全性

A
說明品質
100%
結構描述完整度
90%
命名品質
100%
汙染風險
100%
權限相符程度
100%
協定合規性
100%

根據工具定義與協定合規性的自動化分析。

上下文成本

~233Token（工具定義）
~336 B典型回應大小
極小的注意力影響（128k 上下文的 0.18%）

這是每次將伺服器的工具載入模型上下文時所消耗的約略 token 數量。數量越高，可用於其他工作的注意力就越少。

安裝

一鍵安裝

將以下內容加入你的 `claude_desktop_config.json` 檔案：

{
  "mcpServers": {
    "ai-vendor-data-trust-index": {
      "url": "https://trust.oscar-lopez.com/mcp"
    }
  }
}

遠端端點

https://trust.oscar-lopez.com/mcpstreamable-http

它能做什麼

工具清單

工具（3）

🟢 唯讀🟡 寫入🔴 刪除⚪ 未知
🟢get_ai_vendor_trust_headline(vendor)

FREE. Plain-language, source-cited verdict on how an AI vendor handles your data (trains-on-data, zero-retention, opt-out).

輸入結構描述

{
  "type": "object",
  "properties": {
    "vendor": {
      "type": "string",
      "description": "vendor id, e.g. 'openai-api', 'anthropic-api'"
    }
  },
  "required": [
    "vendor"
  ]
}
🟢get_ai_vendor_trust_compare(field)

FREE. Compare one data-trust field (default trains_on_your_data) across all tracked vendors, with citations.

輸入結構描述

{
  "type": "object",
  "properties": {
    "field": {
      "type": "string",
      "description": "field key, e.g. 'trains_on_your_data'"
    }
  }
}
🟢get_ai_vendor_trust(vendor)

PAID (x402). Full source-cited data-trust record for one vendor: every field, quote, source URL, confidence, date.

輸入結構描述

{
  "type": "object",
  "properties": {
    "vendor": {
      "type": "string"
    }
  },
  "required": [
    "vendor"
  ]
}

社群

為此伺服器評分

證據

近期觀測

已驗證未記錄版本3 個工具
已驗證未記錄版本3 個工具