用途

codearia-sieve 用于把网页解析成决策模型所需的精确格式：日期作为日期、带单位的数字作为事实、文本切分为符合模型窗口的块，且每块都指回其在页面中的来源。它先于模型完成挖掘工作，返回的是页面的“状态”（state），而非散文。

主要能力

日期转为日期：例如 "Published September 15, 2026" → "2026-09-15"。优先从 JSON-LD、meta 标签和 <time> 读取；仅在标记沉默时从署名行读取，且从不猜测。
数字转为事实：例如 "$42 per billion tokens" → { value: 42, unit: "USD_per_billion" }。支持九种语言；小数逗号遵循页面语言。没有单位的数字不视为事实，年份也从不视为事实。
文本转为合适的块：每个块知道其 token 和字符大小、由哪些块构建，以及页面上可供核查决策的 #anchor。
移除无关内容：菜单、页脚、横幅、标签行、“阅读更多”等被移除；使用 trace: true 可获得被移除内容及原因的列表。
确定性：八步普通代码，除非你接入模型，否则不运行任何模型。相同 HTML 产生逐字节相同的 JSON。

你用平实的语言说明需求。智能体找到页面，为每个页面调用 sieve_page，将 state 连同类型化问题交给决策模型，并撰写结果。Sieve 准备，judge 判断，智能体撰写。

已在官方 MCP Registry 中列为 io.github.AntonG87/codearia-sieve；读取注册表的客户端可按名称安装。

sieve_page — 参数为 url 或 html。返回带输出模式的类型化 structuredContent：source、state、usage、warnings。默认 summary 模式下，块携带大小、锚点和标题但不含文本——智能体看到存在内容的轮廓而无需付费。需要全部内容时使用 mode: "full" 和 mode: "markdown"。
sieve_chunk — 参数为 url、id。返回该 URL 上次结果中某个块的文本，无需重新获取。先概览，再按需获取。

与 jev-mcp 搭配：块的大小适配其字段，因此 state 可直接进入类型化问题。

parseDate、findDates 以及供应商限制（JEV、JEV_MCP、DEFAULT_BUDGET）也被导出。

构建智能体且已见识过 token 账单的人。每个获取的页面在智能体读到一个字之前就要花费数万 token。样本中页面中位数：输入 53 718 token，输出 1 106 token。
运行低成本决策模型的人。分类器、排序器、像 Jev 这样判断而非写作的 System One 模型。它们几乎免费且非常快，但有硬边界：无法计数、把日期读作文本、当无关材料填满上下文时准确率下降。每个“页面转 markdown”工具为读者准备输入，而这个工具为判断者准备输入。
需要可核查答案的人。来自抓取文本的裁决无法证明，除非每部分都指回其来源。这里每个事实都指明其块，每个块都携带锚点。