嗨,Cursor 社群!首先聲明,這不是銷售或廣告,我甚至還沒開啟支付處理功能,目前正在驗證概念驗證。因此,所有方案(最高至 Scale)都可 100% 免費試用,且您的客戶資料絕不會離開您的機器。我今年 15 歲,過去幾個月一直在開發 Wallras (https://wallras.com)。
Wallras 是一個單容器、自託管的透明代理(用於 base_url 替換,約 3-5 毫秒的開銷),它位於您的 AI 應用程式與 OpenAI、Anthropic、Gemini、Ollama 或 vLLM 之間,並搭配專為 Cursor 設計的零依賴 MCP 伺服器(wallras-mcp)。
Wallras 如何與 Cursor 協作:透過單一提示詞代理設定(llms.txt),您可以將 Cursor 指向 https://wallras.com,並連接零依賴的 Python MCP 伺服器(wallras-mcp)。它能實現自主偵錯與評估,Cursor 可以直接在您的編輯器中檢查即時漂移警報、提取失敗的追蹤記錄、比較提示詞版本,並執行迴歸資料集(預設為唯讀,可選擇啟用 --enable-writes)。
此外,提示詞發布也受到把關,Cursor 只有在提示詞變更通過您的迴歸測試套件後,才能將其推廣到生產環境。
代理在幕後檢查的項目包括:靜默模型替換與漂移雷達,它使用排列校準的 PSI 和 Jensen-Shannon 散度來捕捉上游 API 何時悄悄改變模型行為或拒絕率飆升,而不會因正常的溫度變化而發送誤報。另一個是 Logprob 信賴度不匹配,當模型在文字中聽起來有 95% 的把握,但實際的 token 機率卻只是猜測時,它會進行標記。
Wallras 100% 本地化且經過安全強化,它運行在您自己的 SQLite 或 Postgres 資料庫上,並可選用 AES-256-GCM 加密。此外,它還具備防篡改的雜湊鏈(零覆蓋刪除)、Sigstore 簽名的 Docker 映像、366 個自動化攻擊/單元測試,並在 Mozilla Observatory 和 SSL Labs 上獲得 A+ 評分。
直接連結:首頁與快速入門:https://wallras.com,文件與 MCP 設定(llms.txt):wallras.com。我需要協助的地方是,我是在一個沒有大量生產流量或高額 API 預算的基本環境下開發這個工具的。我非常感謝 Cursor MCP 使用者能就工具架構、上手流程,或任何在實際工作負載中出現的問題提供回饋!