El Buen Agente | MCP Server
🇬🇧 English version
Servidor MCP público que convierte la guía "El Buen Agente" (criterios canónicos para construir agentes LLM robustos) en 17 tools accionables: en vez de leer una guía, le pasás la definición de tu agente y te devuelve evaluaciones estructuradas, un contrato formal, un checklist de 19 puntos como gate de merge, y la definición final lista para usar.
Endpoint público: https://el-buen-agente-mcp-production.up.railway.app/mcp
Conectar
Claude Code:
claude mcp add --transport http el-buen-agente https://el-buen-agente-mcp-production.up.railway.app/mcp
Cursor / Claude Desktop / cualquier cliente MCP: agregá la URL como servidor HTTP (Streamable HTTP, sin autenticación).
El flujo
El servidor recomienda el orden solo (vía instructions, hints de siguiente paso en cada respuesta, y la tool recomendar_flujo):
Agente NUEVO:
evaluar_necesidad → revisar_rol_y_frontera → revisar_outputs → evaluar_autonomia
→ revisar_frontera_ejecucion → auditar_contexto → disenar_evaluacion
→ generar_contrato → checklist_nacimiento (GATE) → construir_agente → plan_de_inicio
Agente EXISTENTE:
checklist_nacimiento (diagnóstico) → tools de las secciones con ❌ → re-correr checklist
Tools
| Tool | Sección | Qué hace |
|---|---|---|
recomendar_flujo |
- | Devuelve el plan ordenado según la situación (nuevo/existente) |
evaluar_necesidad |
§0 | ¿Hace falta un agente o alcanza con menos? Detecta antipatrones |
revisar_rol_y_frontera |
§1 | Rol claro, dominio acotado, qué NO hace |
revisar_outputs |
§2 | Schema estricto, resumen humano, gates expuestos |
evaluar_autonomia |
§3 | Copiloto / supervisado / autónomo + guardrails |
revisar_frontera_ejecucion |
§4 | Qué recomienda vs qué ejecuta (status + gates en código) |
aplicar_challenger |
§5 | Red-team de la definición completa |
challenger_decision |
§5 | "3 razones para NO hacer esto" sobre una decisión puntual |
auditar_contexto |
§6 | 3 capas, caducidad, governance, anti prompt-injection |
disenar_evaluacion |
§7 | Métricas, golden set, monitoreo de drift |
generar_contrato |
§8 | Contrato formal del agente (determinístico) |
evaluar_sistema |
§9 | Encaje en el ecosistema de agentes existente |
plan_exposicion_mcp |
§10 | Qué exponer como tool/resource/prompt |
checklist_nacimiento |
§11 | Gate de merge: 19 puntos con veredicto apto/no apto |
construir_agente |
- | Cierre del ciclo: genera la definición final (markdown / SKILL.md / system prompt) |
plan_de_inicio |
§12 | Plan de despliegue: copiloto → autonomía por evidencia |
get_el_buen_agente |
- | La guía completa en Markdown |
También expone la guía como resource (guide://el-buen-agente completa, o por sección: guide://el-buen-agente/seccion/{0-12}) y como prompt.
🇬🇧 English: every evaluation tool accepts language: "en" for English output (the underlying guide is Spanish; criteria are translated on the fly by the consuming agent).
Registry: publicado en el registry oficial MCP como io.github.apasztetnik/el-buen-agente-mcp. Las releases se publican automáticamente al pushear un tag vX.Y.Z (GitHub Action con OIDC).
Cómo funciona
Cada tool empaqueta los criterios de su sección + la definición del agente + un formato de salida estricto (scorecard ✅/⚠️/❌, evidencia citada, máx. 5 recomendaciones, semáforo). El agente que consume la tool ejecuta la evaluación con ese marco: el criterio viaja con la tool, sin importar qué LLM la use.
Usarlo como gate en CI
checklist_nacimiento cierra cada evaluación con un bloque JSON de claves estables (independientes del idioma):
{"tool":"checklist_nacimiento","aptos":17,"parciales":2,"faltas":0,"veredicto":"apto","puntos":[{"n":1,"estado":"ok"}]}
Eso permite bloquear el merge de un agente que no nace cumpliendo el checklist (§11 de la guía). Ejemplo con Claude Code en un workflow:
claude -p "Conectate a el-buen-agente y corré checklist_nacimiento sobre agents/mi-agente.md. Respondé SOLO con el bloque JSON." \
| python3 -c "import json,sys; v=json.loads(sys.stdin.read())['veredicto']; exit(0 if v=='apto' else 1)"
Desarrollo
npm install
npm start # http://localhost:3000/mcp
La guía fuente es el_buen_agente.md, el servidor la parsea por secciones al arrancar. Para cambiar los criterios, editá ese archivo.
Stack: Node 18+, Express, @modelcontextprotocol/sdk (Streamable HTTP, stateless). Rate limit: 60 req/min por IP, 600 global.
Tests: npm test (suite determinística + fixtures en golden/ con veredictos esperados). El CI corre en cada push y Railway no despliega sin el check verde.
Privacidad: el servidor loggea solo el nombre de la tool llamada y el idioma, nunca el contenido de las definiciones evaluadas.
Historial de versiones: ver CHANGELOG.md.
Licencia
MIT
