ChainAware 行为预测 MCP
把预测式 Web3 风控接入 AI 智能体：在欺诈与 rug pull 发生之前预警，覆盖钱包行为画像、信用评分与代币社区质量分析。
正面：SKILL.md 明确声明密钥仅来自环境变量、不记录密钥、列出外部端点及其发送/不发送的数据（无链下PII、无私钥），有隐私政策链接；MIT 许可。扣分：完全依赖单一第三方闭源后端（prediction.mcp.chainaware.ai），retention 仅引用外部隐私政策，无隔离、回滚或失败确认机制，发布者身份未经注册表验证；静态审查无法验证数据流声明属实。
正面：工具模式、批量任务流程（job_id+signature、状态机、expires_at）和输入校验检查点在内部一致，异常状态处理有说明。扣分：纯文档型技能，无测试、无可执行的密钥路径复现证据，错误反馈依赖远端服务且部分信息（如 partial 状态处理细节）单薄；按静态上限不得高于10，实际给出8。
正面：触发条件列举极其详尽，有明确的'何时不使用'章节和替代方案指引，网络覆盖表清晰。扣分：无中文支持迹象，核心功能完全依赖海外端点（chainaware.ai / SSE 服务），对中国大陆网络可达性未作说明且可能不可达；部分触发词过宽（如'any request to analyze a blockchain wallet'）可能导致误触发。
正面：文档分层良好（SKILL.md + references + CLAUDE.md），版本号、许可证、命名规范、参数表齐全，含验证检查点。扣分：大量营销内容（奖项、背书链接）与技能功能混排，影响信噪比；无 changelog，维护责任与更新路径仅隐含于仓库，未验证 34 个子代理与 SKILL.md 实际的一致性（SKILL.md 只覆盖部分工具）。
正面：提供了完整的工作流、风险阈值表和输出字段说明，理论上可直接产出可用结论。扣分：准确率主张（98%/90.1%）仅为自行引用的回测链接，静态无法验证；实际效果完全取决于付费远端 API 的可用性与质量，输出价值需执行后确认；按静态上限不得高于7，给出5。
正面：提供了外部引用（CB Insights、BNB Chain、隐私政策、回测页面）及结构化的自述 schema，主材料可审计。扣分：所有核心主张（准确率、14M+钱包、1.3B数据点）均为发布者自述，无第三方独立复现，无测试套件或CI覆盖技能关键路径的已验证证据；按静态上限不得高于5，给出4。
- 该技能完全依赖 ChainAware 的闭源付费远端 API（含 x402 付费），功能与准确率主张（98%/90.1%）均为发布者自述，未经验证；
- 数据保留政策仅引用外部隐私政策，发送钱包地址至第三方服务前请自行评估合规性；
- 核心端点位于海外且未说明中国大陆可达性，无中文支持，中文用户使用前应先测试端点连通性；
- 适用为静态文档审查（confidence: low），未执行任何工具调用，输出质量与实际准确率未经独立复现。
这个 Skill 能做什么，适合哪些场景？
ChainAware 行为预测 MCP 是一个远程 MCP 服务器，连接包含 8 条链、1400 万+ 钱包画像和 13 亿+ 预测数据点的行为智能层。它提供十四个工具：欺诈检测（宣称 ETH 上约 98% 回测准确率）、rug pull 预测（宣称 90.1%）、批量筛查、行为画像、1–9 加密信用评分、代币持有者社区排名、多模块代币审计，以及 ERC-8004 AI 智能体信任评分。与描述历史交易的工具不同，它的卖点是预测下一步风险与意图。需要 CHAINAWARE_API_KEY（订阅）或支持 x402 协议的客户端按次付费。
通过 SSE 连接 https://prediction.mcp.chainaware.ai/sse 调用：predictive_fraud / predictive_fraud_batch（含 AML 检查与洗钱、混币器、制裁等法证指标）；predictive_behaviour / predictive_behaviour_batch（输出意图概率、经验分、行为分类、协议使用、个性化建议）；predictive_rug_pull（合约/LP rug pull 概率与风险指标）；credit_score（ETH 上 1–9 信用评分）；token_rank_list / token_rank_single（按持有者质量排名代币，支持 ETH/BNB/BASE/SOLANA）；run_token_audit / get_token_audit_result（8 模块异步合约审计，0–100 聚合风险分）；agents_trust_score_list / agents_trust_score_single（ERC-8004 智能体 0–1000 信任分）；check_job_status / get_job_results 用于批量任务管理。各工具支持的链不同，详见文档对照表。
- DeFi 借贷平台在放贷前用 credit_score 与欺诈评分设定抵押率和利率（仅支持 ETH）
- 空投团队用批量行为/欺诈工具筛查地址列表、过滤女巫和机器人
- 上线前审核团队用 predictive_rug_pull 与代币审计工具检查新池子和合约的 rug 风险
- AI 智能体开发者接入 ERC-8004 智能体信任评分，决定是否信任某个代理钱包
- 合规团队对新用户地址做 AML/制裁筛查后再准入
- 营销团队用行为画像给钱包做分群并个性化推荐 DeFi 产品
这个 Skill 有哪些优点和局限？
- 十四个工具覆盖欺诈、行为、rug pull、信用、代币排名、合约审计和智能体信任等完整风控链路
- 宣称经过回测验证：欺诈检测约 98%（ETH）、rug pull 检测 90.1%，并附验证页面
- 支持异步批量任务，可筛查大规模地址列表
- 提供 x402 按次付费，无需订阅即可使用
- 隐私边界清晰：只发送钱包地址和网络，不发送姓名、邮箱、私钥或原始交易数据
- 被 CB Insights、BNB Chain、Google Cloud 资助等多方收录，团队有第三方背书
- 完全依赖远程 API，离线不可用；准确性数字为官方自报的回测结果，非独立审计
- credit_score 仅支持 ETH，行为分析仅支持 ETH/BNB/BASE/HAQQ/SOLANA，跨工具网络不一致容易出错
- Claude Web/ChatGPT 集成必须把 API key 拼在 URL 中，存在泄露面
- SKILL.md 引用约 35 个 .claude/agents/ 子代理，这些是 Claude Code 专属资产，其他平台无法直接使用
- 需付费订阅或 x402 支付，未见免费额度说明；未提供本地测试套件
- 钱包地址在某些司法辖区可能构成个人数据（GDPR/MiCA），运营方需自行做数据保护评估
如何安装这个 Skill？
无需本地安装，服务器在 https://prediction.mcp.chainaware.ai/sse 远程运行。1) 在 https://chainaware.ai/pricing 获取 API key 并设为 CHAINAWARE_API_KEY 环境变量；2) Claude Code：运行 claude mcp add --transport sse chainaware-behavioural-prediction-mcp-server https://prediction.mcp.chainaware.ai/sse --header "X-API-Key: your-key-here"；3) Cursor：在 mcp. 添加该 URL 与 X-API-Key 头；4) Claude Web/Desktop 或 ChatGPT Connectors：在集成设置中添加带 ?apiKey= 参数的 URL（这些平台不支持自定义 SSE 头，密钥会出现在浏览器网络面板，建议用受限 key）。
如何使用这个 Skill？
直接用自然语言提问即可触发，例如："Is it safe to interact with 0xABC... on Ethereum?"、"Will this new DeFi pool rug pull?"、"What will this wallet do next?"、"What are the top AI tokens on Ethereum?"。批量筛查流程：调用 predictive_fraud_batch 或 predictive_behaviour_batch 获取 job_id 和 signature（两者必须保存），轮询 check_job_status 直到状态为 completed 或 partial，再调用 get_job_results 取回逐钱包结果；状态仍为 pending/processing 时不要取结果。做完整尽调时可组合欺诈 + 行为 + rug pull 三项输出综合结论。各工具支持的链不同，调用前先确认网络。
这个 Skill 与同类方案有什么区别？
SKILL.md 将自身定位为"预测未来"，与描述历史交易的法证型区块链分析工具相对；同时指出通用区块浏览器适合查余额/历史，代码审计工具适合查代码漏洞——即本技能与这些工具互补而非替代。