Rein Agent Risk Scale

Classificação Indicativa de Risco do Agente (A–E), uma autoavaliação para agentes de IA que podem gastar dinheiro, baseada em responsabilidade, limites de gastos, restrições de beneficiários, interruptores de parada, escalonamento humano, monitoramento, histórico e incidentes. Autodeclarada e não verificada; não é uma classificação de crédito.

GitHub

Servidor MCP hospedado

npx add-mcp 'https://rein-scale.mangowave-ad191d9c.eastus.azurecontainerapps.io/mcp'

Instala no Claude Code, Codex, Cursor e outros

Documentação

Rein Agent Risk Scale: Exemplos de MCP

Exemplos de copiar e colar que conectam um agente de IA à verificação automática do Rein Agent Risk Scale via MCP. A verificação automática dá a um agente que pode gastar dinheiro uma Classificação de Risco de Agente indicativa em uma escala de A–D (NR = não classificado), com base nos controles ao redor dele: quem é responsável, limites de gastos e onde são aplicados, limites de beneficiários, um interruptor de parada e quem o detém, escalonamento humano, monitoramento, histórico e incidentes.

Endpoint MCP (HTTP streamable, sem login):

https://rein-scale.mangowave-ad191d9c.eastus.azurecontainerapps.io/mcp

O endpoint tem três ferramentas:

self_check pontua uma implantação a partir de respostas estruturadas;
get_scale retorna a escala A–D (NR = não classificado) e o que cada nota significa;
explain_grade informa o que uma nota exige.

A pontuação é baseada em regras fixas e publicadas, sem modelo de linguagem, então as mesmas respostas sempre geram a mesma nota (metodologia 0.3.1). A memória do harness conta a seu favor dentro da faixa da sua nota; ela nunca altera a letra.

Autodeclarado e não verificado; não é uma classificação de crédito.

Exemplos

Cada exemplo é um arquivo com menos de 40 linhas.

arquivo	framework	instalação (versões testadas)
`examples/plain_mcp.py`	o SDK Python `mcp`, sem LLM	`pip install "mcp==2.3.0"`
`examples/openai_agents.py`	OpenAI Agents SDK	`pip install "openai-agents==0.23.1"`
`examples/langgraph_agent.py`	LangChain / LangGraph com os adaptadores MCP	`pip install "langchain==1.4.3" "langchain-openai==1.6.7" "langchain-mcp-adapters==0.3.2"`
`examples/crewai_agent.py`	CrewAI	`pip install "crewai==1.15.23" "crewai-tools[mcp]==1.15.23"`

Os três exemplos de agente usam OpenAI por padrão (export OPENAI_API_KEY=...). Passe qualquer modelo que seu framework aceite para main() para usar outro.

Testado: cada exemplo foi executado contra o endpoint ao vivo em 7 de outubro de 2026 nas versões acima.
Monitorado semanalmente: uma verificação os executa contra os lançamentos mais recentes dos frameworks, porque lançamentos renomeiam coisas. mcp 2.x renomeou seu cliente HTTP, e agora ele produz dois streams em vez de três.

Use a partir de qualquer cliente MCP

{
  "mcpServers": {
    "rein-agent-risk-scale": {
      "type": "http",
      "url": "https://rein-scale.mangowave-ad191d9c.eastus.azurecontainerapps.io/mcp"
    }
  }
}

Há documentação escrita para agentes em /skill.md e /llms.txt.

O que uma verificação automática é, e o que não é

Indicativa. A nota vem das suas próprias respostas. É autodeclarada e não verificada, então a nota classificada permanece NR (não classificada) até que os controles sejam verificados.
Explicada. A resposta lista os achados que mais explicam a nota e os passos que a elevariam.
Privada por padrão. Respostas e notas são armazenadas sob um registro pseudonimizado. Um identificador é publicado somente se você definir publish_opt_in: true. Nunca envie segredos ou dados pessoais.
Não é uma classificação de crédito, não é aconselhamento de investimento e não é uma oferta de crédito.

Licença

MIT. Veja LICENSE.