Jevとは？TypeSafeのSystem One意思決定モデルを解説

Jevはチャットボットではなく意思決定モデル

Jevは、TypeSafe AIが公開した最初の System One モデルです。文章を書かせるのではなく、アプリケーションが状態と、回答候補をあらかじめ定義した質問を渡します。Jevは型付きの回答、確率分布、信頼度に関する情報を返し、通常のプログラムが検証して分岐に利用できます。

説明、メール、計画、コードのような自由形式の出力には生成モデルが向いています。一方、Jevが対象とするのは、ソフトウェア内部にある範囲の明確な判断です。

• このリクエストをどの処理経路へ送るべきか。
• この資料は主張を支持しているか、矛盾しているか。
• 取得したページは目的に関係し、内容があり、プロンプトインジェクションを含まないか。
• どの候補がクエリに最も合うか。
• 明示したルーブリック上で、対象をどう評価するか。

TypeSafeは2026年9月にJevを公開しました。TypeSafe公式ドキュメントは、Jevをソフトウェア向けの意思決定レイヤーとして説明しています。VercelのJevモデルページからは、AI Gatewayの typesafe-ai/jev として利用できます。

3つの基本要素：Choice、Score、Noul

Jevのインターフェースは、答えの境界が明確な3種類の質問で構成されます。

Choice

Choiceは有限個の選択肢から1つを選び、各候補の確率分布も返します。意図のルーティング、ツール選択、文書分類、ワークフローの次の手順の選択に使えます。

Score

Scoreは、アプリケーションが定義した順序付きルーブリック上で状態を評価します。重大度、品質、緊急度など、基準を明示できる評価に適しています。

Noul

Noulは、ある命題が真である確率を0から1で返します。アプリケーションは確率をそのまま利用したり、複数の信号を組み合わせたり、自動処理・レビュー・エスカレーションの閾値を設定したりできます。

型があるからといって判断が必ず正しいわけではありません。重要なのは、回答空間が制限されて確認可能であり、ポリシーを生成文章の中ではなくコード側に残せることです。

Jevと生成LLMの違い

実用的な構成は「LLMの代わりにJev」ではなく、LLMの周囲にJevを配置する形です。大きなモデルがページを読む前に安全性と関連性を評価し、リクエストを専門モデルへ振り分け、生成結果の限定的な性質を後から確認できます。言語生成や複数段階の統合は、引き続き生成モデルが担当します。

エージェントワークフローでの使いどころ

正規表現だけでは難しいものの、毎回フロンティアモデルを呼ぶほどではない小さな意味判断が大量にあるとき、Jevは特に有用です。

検索・RAGコンテンツの選別

取得した内容をコンテキストへ入れる前に、関連性、情報量、モデルに向けられた指示の有無を評価できます。最終的な遮断処理、サンドボックス、最小権限、認可は呼び出し側が実装します。

主張と引用の確認

レポートから主張を抽出し、提示された証拠が各主張を支持するか、矛盾するか、触れていないかを判定できます。信頼度が低い結果は、自動承認せず人へ回せます。

ルーティングと分類

問い合わせ、文書、アラート、ツール要求を固定カタログへ分類できます。許可されたクラスが明示されているため、検証後の値をenum、ハンドラー、キューへ直接対応付けられます。

候補のランキング

ファイル、ツール、文章、アクションなどの限定された候補をクエリに対して並べ替えられます。ただしランキングは必ず1位を返すため、候補群に本当に答えが存在するかという別の判定も重要です。

Jev MCPとは？

Jev MCPは、jkudishが管理する独立したコミュニティ製MCPサーバーです。MCP対応エージェントに、次の4ツールでJevを公開します。

• jev_verify：証拠に照らして主張を確認します。
• jev_screen：インジェクションリスク、情報量、関連性を評価します。
• jev_find：候補を順位付けし、答えが存在するか確認します。
• jev_classify：共通カタログに対して複数項目を分類します。

このラッパーはMITライセンスのオープンソースですが、TypeSafe AI公式MCPサーバーではありません。TypeSafeがJevモデルと公式SDKを提供し、MCP統合は別のコミュニティプロジェクトとして提供されています。

サーバーはローカルのstdioで動き、Codex、Claude Code、Cursor、OpenCodeなどへ接続できます。現在のnpmパッケージは @jkudish/jev-mcp です。

npx -y @jkudish/jev-mcp

完全な設定、ツール一覧、認証上の注意、現在のリポジトリ情報はJev MCP Serverページで確認できます。

安全な統合パターン

本番では、モデルの判断とアプリケーションの権限を分離します。

1. 質問に必要な証拠だけを含む最小の状態を作る。
2. 閉じた回答空間または明確なルーブリックを定義する。
3. Jevを呼び出し、確率と信頼度を保持する。
4. 通常のコードで返却された型とラベルを検証する。
5. 実データで検証した閾値を適用する。
6. 不確実または影響の大きい結果をレビューへ送る。
7. 認可と不可逆な操作はモデルの外で実行する。

たとえば jev_screen がページの遮断を推奨しても、その推奨を実施するのは呼び出し側のハーネスです。メール送信、ファイル変更、支払い、アクセス付与にも同じ原則が当てはまります。

提供経路と価格

JevはTypeSafe APIおよび対応ゲートウェイから利用できます。2026年9月18日時点で、Vercel AI Gatewayの typesafe-ai/jev は入力100万トークンあたり 0.04米ドルと表示されています。価格、プロバイダー、モデルバージョン、早期アクセス条件は変わり得るため、現在のページを確認してください。

Jev MCPは、TypeSafeへの直接接続に加え、Vercel AI Gateway、Cloudflare Workers AI、OpenRouterを使う経路を文書化しています。実際のAPIキーはMCPサーバーの環境変数で管理し、プロンプトへ貼り付けたりリポジトリへコミットしたりしないでください。

Jevが置き換えないもの

Jevは、記事執筆、コード生成、自由な多段階調査、決定的な検査を置き換えるものではありません。正確に計算できる値はコードで計算し、権限が必要な操作はコードで認可し、自由形式の統合が必要なら生成モデルを使います。

型付き出力が保証するのはインターフェースであり、真実ではありません。Jevも不確実になり、間違う可能性があります。実際のワークロードで信頼度と閾値を評価し、明示的なソフトウェアポリシー、可観測性、レビュー経路と組み合わせる必要があります。

実践上の結論

Jevは、エージェントシステムの役割分担を明確にします。生成モデルが言語と自由形式の推論を担当し、意思決定モデルが限定された質問を評価し、アプリケーションコードがポリシーと副作用を所有します。MCPを使えば、各クライアントが独自のTypeSafe統合を実装せずに、その意思決定レイヤーを利用できます。

最初は文書ランキングや主張レビューのような元に戻せる処理で試し、確率分布を確認し、自動化へ接続する前に閾値を調整してください。Jev MCPの詳細ページに現在のインストール設定とツール情報を掲載しています。