DCL Trust Oracle 的核心理念是“不要信任智能体，要信任证明”。自主 AI 智能体如今会执行具有真实后果的操作——财务、法律、声誉层面——但大多数智能体是黑箱：没有记录说明它决定了什么、为什么这样决定，或者该决定事后是否被篡改。DCL Trust Oracle 旨在填补这一空白：每个智能体输出都会实时依据策略进行评估，并封存进防篡改的哈希链，形成确定性的、可加密验证的记录，说明发生了什么以及何时发生。任何对历史条目的修改都会使整条链失效。记录的有效性不依赖任何一方的信任，包括 Fronesis Labs 本身。
系统只存储加密哈希与决策元数据，从不保存原始内容，从而支持跨分布式 AI 智能体的可验证、事后取证分析。
接入方式
DCL Trust Oracle 提供两种使用方式：
- REST API（webhook_server.py）——直接 HTTP 集成。
- MCP Server（mcp_server.py）——面向 AI 智能体的原生 Model Context Protocol 集成。线上地址为 https://mcp.fronesislabs.com/mcp（streamable-http）。该服务同时列于 Smithery（远程 URL 指向同一生产端点，见 smithery.yaml）与官方 MCP Registry。
两个服务器共享同一套评估逻辑与防篡改链（dcl_core.py），定价相同。
本地运行：服务器运行于 http://localhost:8080。 生产（托管）：Streamable HTTP 传输——任何 MCP 客户端可直接指向该地址，无需配置。 本地开发：服务器运行于 http://localhost:8081（streamable-http 传输）。
工具与端点
- 行动前评估（Pre-Action Evaluation）：在不良输出到达用户、钱包或下游系统之前将其拦截。
- 会话管理（Session Management）。
- 行动后取证（Post-Action Forensics）：当确实出错时，精确重建发生了什么。
- 行动后扫描（Post-Action Scans）。
DCL Update Sentinel（持续技能监控）
面向 AI Agent Skills 与 GitHub 仓库的持续安全审计与发布验证。Sentinel 通过 GitHub Webhooks 监控代码更新，阻止相对安全基线的回归，并在干净重扫后自动恢复技能状态。其特性包括：
- 幂等 Webhook 处理：内置对重复 GitHub 投递重试的防护（X-GitHub-Delivery 跟踪）。
- 自动恢复：因安全回归而被阻止（status: blocked）的技能，在发布干净且符合策略的版本后会自动恢复为 active。
- 严格所有者验证：订阅续期需要与注册所有者钱包（owner_payer_ref）进行加密签名匹配。
- 基线策略门禁：注册要求初始审计通过（score >= 0.80）。受损或未通过的仓库会被立即拒绝（HTTP 422），以防止无效授权设置。
加密与交易合规（仅 MCP）
这些工具仅在线上 MCP 服务器上提供（webhook_server.py 中没有对应的 REST 路由）。
实用工具（免费，仅 REST）
示例响应
自行验证哈希链
你无需仅凭服务器的一面之词。tx_hash 是根据记录自身字段重新计算的，而不仅仅是链接到上一行——因此任何人都可以独立确认某条记录事后未被编辑，而无需回调本服务器。免费、离线的验证库见 @fronesis-labs/dcl-sdk（TS/JS）或 dcl-core（Python）。
计量与结算
上述每次付费调用都会通过 x402 协议（Base 上的 USDC）自动计量与结算。支持两种支付模式：
- 按次微支付（0.01–0.50 美元）：用于即时、按需的评估。
- 30 天循环授权（49.00 美元）：用于通过 DCL Update Sentinel 进行持续技能监控。
该设计免除了 API 密钥配置与发票开销。按次定价使大规模智能体运营变得可行（一个自主系统每天可发起数千次评估调用）。
REST API 通过 fastapi-x402 进行 x402 门控；MCP 服务器使用 paymcp 的 Mode.X402，对支持 x402 的客户端自动支付，对未配置钱包的客户端回退到引导式支付链接。两者结算到同一钱包，且均无绕过路径——未付费的调用不会收到任何判定。
许可：Apache License 2.0——见 LICENSE。
