slop_status檢查 app 及 Pro 狀態
在 agent 開始工作流程前，確認 app 已安裝、binary 可執行，並且 Pro 已啟用。
查看 payload 及結果
工具輸入
{}結果形狀
{
"pro": true,
"version": "1.1.1"
}裝置端 AI 偵測器評分
適用於 Claude、Codex 及 Cursor 的 AI 內容偵測 MCP
Slop or Not MCP server 讓 Claude, Codex, Hermes Agent, OpenClaw, Cursor 及其他 agent 在你的 Mac 上呼叫本機 AI 文字偵測器、AI 圖片偵測器、可讀性分析器及清理工具。
將你的 MCP client 指向內置的 slop mcp command。有了 Pro，Claude、Codex、Hermes Agent、OpenClaw、Cursor 及其他 agent 就可以持續執行本機檢查，無需按每次呼叫計算 API 用量。
- 本機 stdio server
- 你的 MCP client 會啟動內置的 slop binary，並透過 stdio 與它通訊。
- 六個工具
- 狀態、文字偵測、可讀性、清理、圖片偵測及原始圖片評分。
- 無限次裝置端檢查
- MCP 伺服器隨 Pro 附上。沒有每日檢查次數上限，亦沒有逐次呼叫計費，所以代理可以按需要重複執行文字、圖像、可讀性同清理檢查。
Client 設定
如何將 Slop or Not 加到 MCP client？
安裝 Mac app，啟用 Pro，然後使用適用於你 client 的 app-bundle 程式碼片段。Claude、Codex、Hermes Agent、OpenClaw 和 Cursor 全部指向同一個本地伺服器。只需設定一次，之後每個 agent 會話都會重用該設定，無需重新安裝，亦無需重新登入。
Claude Code
將 Slop or Not 加為 user-scoped stdio server，重新啟動 Claude Code，然後用 /mcp 驗證。
claude mcp add --transport stdio --scope user SlopOrNot -- "/Applications/Slop Or Not.app/Contents/MacOS/slop" mcpClaude Desktop
喺 ~/Library/Application Support/Claude/claude_desktop_config.json 使用此 JSON 結構，然後完全結束 Claude Desktop 再重新啟動。
{
"mcpServers": {
"SlopOrNot": {
"command": "/Applications/Slop Or Not.app/Contents/MacOS/slop",
"args": ["mcp"]
}
}
}Codex
喺終端機執行 codex mcp add，或者自行將伺服器加入 ~/.codex/config.toml。重新啟動 Codex，等佢讀取新嘅 MCP 伺服器清單。
codex mcp add SlopOrNot -- '/Applications/Slop Or Not.app/Contents/MacOS/slop' mcp想直接編輯檔案？改為將以下內容加入 ~/.codex/config.toml：
[mcp_servers.SlopOrNot]
command = "/Applications/Slop Or Not.app/Contents/MacOS/slop"
args = ["mcp"]Hermes Agent
在你的 Hermes Agent config 中將 Slop or Not 加為 MCP server，然後重新啟動 Hermes Agent，讓它可以呼叫本機工具。
mcp_servers:
SlopOrNot:
command: "/Applications/Slop Or Not.app/Contents/MacOS/slop"
args: ["mcp"]OpenClaw
向 OpenClaw MCP CLI 註冊 Slop or Not，然後執行 mcp doctor 並加上 --probe，以確認伺服器有回應。
openclaw mcp set slopornot '{"command":"/Applications/Slop Or Not.app/Contents/MacOS/slop","args":["mcp"]}'
openclaw mcp doctor slopornot --probeCursor
將這段加入 ~/.cursor/mcp.json 作為全域 server，或加入專案根目錄的 .cursor/mcp.json 作為單一專案設定。
{
"mcpServers": {
"SlopOrNot": {
"command": "/Applications/Slop Or Not.app/Contents/MacOS/slop",
"args": ["mcp"]
}
}
}工具參考
Slop or Not MCP server 提供哪些工具？
server 提供六個 agent 常用的檢查工具：狀態、文字偵測、可讀性、清理、圖片偵測，以及原始圖片評分。
以下每個結果都係真實輸出，喺 2026 年 8 月由 Slop or Not 1.1.1 Mac 版擷取，並喺有標記嘅地方加以節錄。
detect_text偵測 AI 文字
使用裝置上 AI 文字偵測模型為段落評分，並回傳判定、分數、語言、句子數量及可讀性指標。
查看 payload 及結果
工具輸入
{
"text": "<text>",
"include_readability": true,
"language_code": "en",
"locale": "en-US"
}結果形狀
{
"kind": "result",
"verdict": "most_likely_real",
"score": 0.1259,
"language": "en",
"sentence_count": 2,
"generator": null,
"input_truncated": false,
"readability": {
"language": "en",
"language_confidence": 0.9998,
"scores": [
{ "kind": "fleschReadingEase", "value": 50.85, "label": "Fairly difficult", … },
{ "kind": "fleschKincaidGradeLevel", "value": 16.97, … }
],
"word_count": 87,
"sentence_count": 2,
"avg_words_per_sentence": 43.5,
"warnings": [ … ],
"full": { "consensus": { … }, "genre": { … }, "grade_label": { … }, … }
}
}analyze_readability分析可讀性
計算閱讀程度指標，不執行 AI 偵測。
查看 payload 及結果
工具輸入
{
"text": "<text>",
"language_code": "en",
"locale": "en-US"
}結果形狀
{
"language": "en",
"language_confidence": 0.9998,
"scores": [
{ "kind": "fleschReadingEase", "value": 50.85, "label": "Fairly difficult", … },
{ "kind": "fleschKincaidGradeLevel", "value": 16.97, … }
],
"avg_words_per_sentence": 43.5,
"sentence_count": 2,
"word_count": 87,
"warnings": [ … ],
"full": { "consensus": { … }, "genre": { … }, "grade_label": { … }, … }
}clean_text清理文字痕跡
在下一次偵測前，移除零寬字元、同形字及花巧標點。
查看 payload 及結果
工具輸入
{
"text": "<text>",
"language_code": "en",
"remove_invisibles": true,
"remove_punctuation": true,
"remove_homoglyphs": true,
"britishize": false
}結果形狀
{
"cleaned_text": "He said \"hello\" - and left.",
"language": "en",
"removed_invisibles": 1,
"punctuation_replacements": 3,
"homoglyphs_replaced": 0,
"british_substitutions": 0
}detect_image偵測 AI 圖片
於本機使用 C2PA 同 IPTC 來源讀取及裝置上模型後備方案，檢查 JPEG、PNG、HEIC 或 WebP 圖像位元組。結果會標明其 detection_source，令代理可以區分來源命中同模型分數。
查看 payload 及結果
工具輸入
{
"image_base64": "<base64>",
"recognize_text": false
}結果形狀
{
"kind": "result",
"verdict": "probably_ai_slop",
"score": 0.6429,
"generator": null,
"detection_source": "ml",
"watermark_provider": null,
"watermark_confidence": null,
"recognized_text": null,
"recognized_sentence_count": null
}score_image為 AI 圖片評分
回傳原始圖像模型評分，而不包含完整的來源感知圖像檢測回應。需要安裝 AI 圖像檢測模型。
查看 payload 及結果
工具輸入
{
"image_base64": "<base64>"
}結果形狀
{
"raw_slop_score": 0.33984375
}驗證
如何驗證 MCP server？
重新啟動後，叫你嘅代理執行 slop_status。預期結果係一個工具呼叫，會報告本機 App 同 Pro 狀態，而且冇錯誤。需要 Pro 嘅呼叫會以工具錯誤（isError: true）回傳，伺服器會繼續運行，所以一次被封鎖嘅呼叫永遠唔會結束工作階段。
{
"pro": true,
"version": "1.1.1"
}疑難排解
為甚麼程式碼片段會使用 app-bundle 路徑？
GUI agents 可以在你的 login shell 之外啟動，令指令名稱未必能解析。這些 snippets 使用已簽署的 app-bundle path，讓每個 client 都啟動同一個 bundled Slop or Not binary。
本機 API
Agent 可以用這個取代雲端 AI 偵測 API 嗎？
對 agent 工作流程來說，可以。MCP 為 Claude, Codex, Hermes Agent, OpenClaw, Cursor 及其他 client 提供本機工具介面，而不是託管的 AI 偵測 API。client 會透過 stdio 將文字或圖片資料傳到內置 Mac binary，檢查會在你的 Mac 上執行。
與 agent 配合循環使用
Slop or Not 如何配合 agentic AI Humanizer skill 使用？
agentic AI Humanizer skill 可以在沒有 Slop or Not 的情況下執行核心改寫和語氣配對。當你想讓 MCP tools 為基準評分、在人性化前後執行 Text Cleanup、用裝置端 AI 偵測器重新評分，並顯示清理統計時，請在 Pro 啟用的情況下將它連接到 Slop or Not。你的寫作範例會引導改寫；Slop or Not 則提供本機 AI 偵測器量度。
Slop or Not 會提供一個概率判斷，而唔係作者身分嘅證據。結果可能會因新嘅AI模型、短文，以及被人大量編輯過嘅文字而有所不同。