MCP MeasureMCP Measure

인덱스 관측됨

el-buen-agente-mcp

La guía 'El Buen Agente' como 18 tools para evaluar, mejorar y construir agentes LLM. En español.

사용해야 할까요

품질 및 안전성

A
설명 품질
84%
스키마 완전성
96%
이름 품질
83%
오염 위험
100%
권한 일치
100%
프로토콜 준수
100%

발견 사항 (6)

  • LOWTool 'recomendar_flujo' description lacks action verbrecomendar_flujo에서
  • LOWTool 'evaluar_necesidad' description lacks action verbevaluar_necesidad에서
  • LOWTool 'aplicar_challenger' description lacks action verbaplicar_challenger에서
  • LOWTool 'generar_contrato' description lacks action verbgenerar_contrato에서
  • LOWTool 'plan_exposicion_mcp' description lacks action verbplan_exposicion_mcp에서
  • LOWTool 'plan_de_inicio' description lacks action verbplan_de_inicio에서

도구 정의와 프로토콜 준수에 대한 자동 분석을 기반으로 합니다.

컨텍스트 비용

~3,931토큰 (도구 정의)
~1.7 KB일반적인 응답 크기
상당한 주의 영향 (128k 컨텍스트의 3.07%)

이는 서버의 도구가 모델의 컨텍스트에 로드될 때마다 소비되는 대략적인 토큰 수입니다. 수치가 높을수록 다른 작업에 사용할 수 있는 주의가 줄어듭니다.

설치

원클릭 설치

`claude_desktop_config.json` 파일에 다음을 추가하세요:

{
  "mcpServers": {
    "el-buen-agente-mcp": {
      "url": "https://el-buen-agente-mcp-production.up.railway.app/mcp"
    }
  }
}

원격 엔드포인트

https://el-buen-agente-mcp-production.up.railway.app/mcpstreamable-http

할 수 있는 일

도구 목록

도구 (18)

🟢 읽기 전용🟡 쓰기🔴 삭제⚪ 알 수 없음
⚪recomendar_flujo(situacion)

Devuelve el flujo recomendado de tools según la situación: agente nuevo (diseño desde cero) o agente existente (mejora). Llamala PRIMERO si no sabés por dónde empezar.

입력 스키마

{
  "type": "object",
  "properties": {
    "situacion": {
      "type": "string",
      "enum": [
        "nuevo",
        "existente"
      ],
      "description": "'nuevo' = diseñar un agente desde cero; 'existente' = mejorar un agente que ya está definido o en producción."
    }
  },
  "required": [
    "situacion"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
🟢get_el_buen_agente

Devuelve la guía completa 'El Buen Agente (v2)' en Markdown. Usala para contexto general; para operar sobre un agente concreto usá las tools evaluar_*/revisar_*/auditar_*.

입력 스키마

{
  "type": "object",
  "properties": {},
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪evaluar_necesidad(problema, language)

Evalúa si el problema justifica un agente o se resuelve con menos (prompt, workflow, skill). Detecta antipatrones: agente genérico, sobre-orquestación, agente sin contexto, autonomía total día 1. Usala ANTES de construir, o para cuestionar un agente existente.

입력 스키마

{
  "type": "object",
  "properties": {
    "problema": {
      "type": "string",
      "description": "Descripción del problema que se quiere resolver y, si existe, cómo lo resuelve el agente actual."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "problema"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪revisar_rol_y_frontera(agent_definition, language)

Verifica que el agente tenga rol claro, dominio acotado y frontera explícita de qué NO es su responsabilidad, escrita en el identity layer y enforced en código donde se pueda. Recibe la definición del agente y devuelve un brief de evaluación estructurado.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪revisar_outputs(agent_definition, language)

Verifica que los outputs sean accionables: schema estricto (JSON Schema/Pydantic), resumen legible para humanos separado del razonamiento, y exposición de qué gates pasó/falló. Recibe la definición del agente y devuelve un brief de evaluación estructurado.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪evaluar_autonomia(agent_definition, language)

Determina el nivel de autonomía adecuado (copiloto / ejecutor supervisado / autónomo con guardrails) y verifica los mecanismos de reducción de riesgo: sandbox/shadow mode, límites duros, frenos progresivos, override humano. Recibe la definición del agente y devuelve un brief de evaluación estructurado.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪revisar_frontera_ejecucion(agent_definition, language)

Verifica que la línea entre lo que el agente recomienda y lo que ejecuta esté definida en código (status + gates), no descubierta en producción: qué ejecuta directo, qué queda pendiente de aprobación, qué se rechaza. Recibe la definición del agente y devuelve un brief de evaluación estructurado.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪aplicar_challenger(agent_definition, language)

Aplica el patrón challenger/red-team a la definición o a una decisión del agente: contraargumentos basados en datos, autocrítica y gate de calidad. Útil como segunda pasada adversarial. Recibe la definición del agente y devuelve un brief de evaluación estructurado.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪auditar_contexto(agent_definition, language)

Audita el contexto del agente: separación en 3 capas (identidad/dominio/referencia), relevancia y caducidad de datos, estrategia de integración (directo/snapshot/RAG/estático), gobernanza, least-privilege, trazabilidad y defensa anti prompt-injection. Recibe la definición del agente y devuelve un brief de evaluación estructurado.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪challenger_decision(decision, contexto, language)

Genera el brief para cuestionar una decisión concreta del agente: 3 razones basadas en datos para NO hacerla. No bloquea, informa al humano.

입력 스키마

{
  "type": "object",
  "properties": {
    "decision": {
      "type": "string",
      "description": "La decisión o recomendación del agente que se quiere cuestionar."
    },
    "contexto": {
      "type": "string",
      "description": "Contexto y datos relevantes a la decisión."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "decision"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
🟡disenar_evaluacion(agent_definition, language)

Evalúa el plan de evaluación del agente (o ayuda a crearlo): 3 dimensiones (capacidades/trayectoria/resultado), métricas (tasa de éxito, consistencia, coste por tarea, adopción), golden set de 20-50 tareas, monitoreo de drift y self-consistency para alto stake.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪generar_contrato(nombre, problema, inputs, output, puede, ...)

Genera el contrato formal del agente (patrón contractor de §8) a partir de los campos provistos. Los campos faltantes quedan marcados como [PENDIENTE] para completar.

입력 스키마

{
  "type": "object",
  "properties": {
    "nombre": {
      "type": "string",
      "description": "Nombre del agente."
    },
    "problema": {
      "type": "string",
      "description": "Qué resuelve (1 frase) + qué deliberadamente NO toca."
    },
    "inputs": {
      "type": "string",
      "description": "Qué consume."
    },
    "output": {
      "type": "string",
      "description": "Schema exacto + formato legible para humano."
    },
    "puede": {
      "type": "string",
      "description": "Acciones autónomas dentro de límites."
    },
    "no_puede": {
      "type": "string",
      "description": "Acciones que requieren aprobación humana / fuera de alcance."
    },
    "coste": {
      "type": "string",
      "description": "Modelo + estimado de tokens/mes + tope."
    },
    "evaluacion": {
      "type": "string",
      "description": "Métricas de éxito (verde/amarillo/rojo) + cadencia de review."
    },
    "autonomia": {
      "type": "string",
      "description": "copiloto | supervisado | autónomo con guardrails (+ plan de progresión)."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "nombre"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪evaluar_sistema(agent_definition, ecosistema, language)

Evalúa cómo el agente encaja en el sistema mayor: catálogo de skills, reutilización vs especialización, orquestación ligera vs orquestador, qué automatizar vs supervisar, y memorias separadas por agente.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "ecosistema": {
      "type": "string",
      "description": "Otros agentes/skills existentes en el sistema, si los hay."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪plan_exposicion_mcp(agent_definition, language)

Evalúa qué partes del agente conviene exponer a la economía de agentes y cómo: qué modelar como tool (capacidad accionable), resource (doc/dato legible) o prompt (plantilla), y qué merece UI vs API/MCP.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪checklist_nacimiento(agent_definition, language)

Corre el checklist completo de 19 puntos contra la definición del agente. Es el gate final antes de mergear: el agente debe NACER cumpliéndolo, no corregirse después. Devuelve veredicto punto por punto.

입력 스키마

{
  "type": "object",
  "properties": {
    "agent_definition": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "agent_definition"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪validar_veredicto(puntos)

Cierra el ciclo de checklist_nacimiento con un contrato a nivel protocolo. Pasale los 19 puntos con su estado (ok|parcial|falta) y devuelve structuredContent validado: conteos y veredicto normalizado (apto solo si faltas === 0). Pensada para consumo programático / gates de CI: no depende de parsear texto.

입력 스키마

{
  "type": "object",
  "properties": {
    "puntos": {
      "type": "array",
      "items": {
        "type": "object",
        "properties": {
          "n": {
            "type": "integer",
            "minimum": 1,
            "maximum": 19
          },
          "estado": {
            "type": "string",
            "enum": [
              "ok",
              "parcial",
              "falta"
            ]
          }
        },
        "required": [
          "n",
          "estado"
        ],
        "additionalProperties": false
      },
      "minItems": 19,
      "maxItems": 19,
      "description": "Los 19 puntos del checklist con su estado evaluado."
    }
  },
  "required": [
    "puntos"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}

출력 스키마

{
  "type": "object",
  "properties": {
    "aptos": {
      "type": "integer"
    },
    "parciales": {
      "type": "integer"
    },
    "faltas": {
      "type": "integer"
    },
    "veredicto": {
      "type": "string",
      "enum": [
        "apto",
        "no_apto"
      ]
    },
    "completo": {
      "type": "boolean",
      "description": "true si están los 19 puntos sin números repetidos."
    }
  },
  "required": [
    "aptos",
    "parciales",
    "faltas",
    "veredicto",
    "completo"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪construir_agente(definicion_final, contrato, formato, language)

El paso de CIERRE del flujo: toma la definición iterada (tras pasar por las revisiones) y produce el artefacto final listo para usar: identity layer, tools con least-privilege, límites duros, schema de output, gates, contexto, evaluación. Llamala cuando checklist_nacimiento dé APTO.

입력 스키마

{
  "type": "object",
  "properties": {
    "definicion_final": {
      "type": "string",
      "minLength": 1,
      "description": "Definición completa del agente a mejorar: system prompt, frontmatter, configuración, descripción de tools y cualquier doc de diseño. Cuanto más completa, mejor la evaluación."
    },
    "contrato": {
      "type": "string",
      "description": "El contrato generado por generar_contrato, si existe."
    },
    "formato": {
      "type": "string",
      "enum": [
        "markdown",
        "claude_skill",
        "system_prompt"
      ],
      "description": "Formato del artefacto: 'markdown' (doc de diseño completo, default), 'claude_skill' (SKILL.md con frontmatter), 'system_prompt' (prompt + config para cualquier framework)."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "definicion_final"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}
⚪plan_de_inicio(problema, equipo, language)

Genera el plan de arranque correcto para un agente nuevo: un agente, un problema concreto, un humano revisando. Verifica que la tarea elegida sea recurrente, costosa en tiempo y con datos accesibles.

입력 스키마

{
  "type": "object",
  "properties": {
    "problema": {
      "type": "string",
      "description": "El problema o tarea candidata para el primer agente."
    },
    "equipo": {
      "type": "string",
      "description": "Quiénes lo van a usar y revisar."
    },
    "language": {
      "type": "string",
      "enum": [
        "es",
        "en"
      ],
      "description": "Idioma de la respuesta (default \"es\"). / Response language: pass \"en\" for English output."
    }
  },
  "required": [
    "problema"
  ],
  "additionalProperties": false,
  "$schema": "http://json-schema.org/draft-07/schema#"
}

커뮤니티

이 서버 평가하기

증거

최근 관측

검증됨버전이 기록되지 않음도구 18개
검증됨버전이 기록되지 않음도구 18개
검증됨버전이 기록되지 않음도구 18개