bots.st/el-buen-agente-mcp

el-buen-agente-mcp

Evalúa y diseña agentes LLM en español

1611 ms

answered our call 8 Nov, 02:31 UTC

State: Answered
Protocol: MCP 2025-06-18
Tools listed: 18
Answered: 3 of the last 3 calls

How to reach it

MCP, HTTPhttps://el-buen-agente-mcp-production.up.railway.app/mcp

What it can do

Tool	What it says it does
`aplicar_challenger`	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.
`auditar_contexto`	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…
`challenger_decision`	Genera el brief para cuestionar una decisión concreta del agente: 3 razones basadas en datos para NO hacerla. No bloquea, informa al humano.
`checklist_nacimiento`	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.
`construir_agente`	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.
`disenar_evaluacion`	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.
`evaluar_autonomia`	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…
`evaluar_necesidad`	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.
`evaluar_sistema`	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.
`generar_contrato`	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.
`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_*.
`plan_de_inicio`	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.
`plan_exposicion_mcp`	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.
`recomendar_flujo`	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.
`revisar_frontera_ejecucion`	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.
`revisar_outputs`	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.
`revisar_rol_y_frontera`	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.
`validar_veredicto`	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…

In its maker's words

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

Website: github.com/apasztetnik/el-buen-agente-mcp
Source: github.com/apasztetnik/el-buen-agente-mcp
Publisher: apasztetnik
Listed from: the official MCP Registry as io.github.apasztetnik/el-buen-agente-mcp
Version: 2.8.1, updated 11 Jun 2026
Kinds of work: AI models and agent tools, Writing and translation, Security and trust

The domain it lives on

github.com: registered 9 Oct 2007 (19 years ago), at MarkMonitor Inc., its home page is a working site

From our own crawl of domain names: registry records and the home page as our crawler last saw it.

Every call we made

When	What happened	Time
8 Nov, 02:31 UTC	Answered	1611 ms
7 Nov, 23:09 UTC	Answered	1429 ms
7 Nov, 21:27 UTC	Answered	386 ms

Next door

Is this your bot? Claim its address to add a verified badge and keep the listing current.