el-buen-agente-mcp

El Buen Agente | MCP サーバー

🇬🇧 英語版

LLM エージェントを堅牢に構築するための標準的な基準をまとめたガイド 「El Buen Agente」 を、実行可能な18個のツールに変換する公開 MCP サーバーです。ガイドを読む代わりに、エージェントの定義を渡すと、構造化された評価、正式な契約、マージのゲートとして使える19項目のチェックリスト、そしてそのまま使える最終定義が返されます。

詳細な説明

エージェントの価値の大部分はモデル（コモディティです）ではなく、設計の基準にあります。つまり、どのような役割を持つのか、何をしてはいけないのか、どれだけ自律性を与えるのか、どのようなコンテキストで推論するのか、どうすれば機能していると判断できるのかです。こうした基準はたいてい、構築時に読み返されることのないガイドやドキュメントに記されています。このサーバーはそのガイドを、エージェントが呼び出せるツールとして、作業のまさにその場で参照できるようにします。

仕組みは意図的にシンプルで、重要な結果をもたらします。サーバーはどのモデルも呼び出さず、データも保存しません。各ツールは「ブリーフ」（ガイドの該当セクションの基準、渡されたエージェントの定義、厳格な出力形式）を作成して返します。評価を実行するのは、MCP を利用するクライアントの LLM（お使いの Claude Code や Cursor）で、各ユーザーの認証情報を使います。つまり、基準はツールのテキストに含まれ、計算はお使いの環境で行われます。誰も他の人の API を共有したり、その料金を支払ったりすることはありません。また、評価する定義がお使いの環境から外部に送信されることもありません（サーバーが記録するのは呼び出されたツールの名前だけで、内容は一切記録しません）。

次の2つのシナリオで利用できます。

• 新しいエージェントを設計する： まず、本当にエージェントが必要かどうかを確認します（多くの場合、プロンプトやワークフローで十分です）。必要であれば、最終チェックリストとそのまま使える定義ができるまで、セクションごとに案内します。
• 既存のエージェントを監査する： チェックリストを診断として使い、問題のある項目だけを詳しく確認します。CI のゲートとしても使える、測定可能な判定結果が得られます。

評価は合格証ではありません。このツールは意図的に厳格で、証拠がない場合も指摘事項として扱います。その目的は、本番環境に出す前に不足を見つけることであり、すべて問題ないと確認することではないからです。すべてのツールは language: "en" を指定すれば英語でも応答します。また、基準の本文はバージョン管理された単一の Markdown ファイルで編集するため、ガイドを改善するときはファイルを編集して PR を作成するだけです。

公開エンドポイント： https://el-buen-agente-mcp-production.up.railway.app/mcp

接続

Claude Code：

claude mcp add --transport http el-buen-agente https://el-buen-agente-mcp-production.up.railway.app/mcp

Cursor / Claude Desktop / 任意の MCP クライアント： URL を HTTP サーバーとして追加します（Streamable HTTP、認証なし）。

ワークフロー

サーバーが推奨する順序を自動的に案内します（instructions、各応答の次のステップのヒント、recomendar_flujo ツールを通じて）。

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 faltas → re-correr checklist

ツール

ツール	セクション	機能
recomendar_flujo	-	状況（新規／既存）に応じた順序付きのプランを返します
evaluar_necesidad	§0	エージェントが必要か、それとももっと簡単な方法で十分かを判断します。アンチパターンを検出します
revisar_rol_y_frontera	§1	役割が明確か、対象領域が限定されているか、何をしないかを確認します
revisar_outputs	§2	厳密なスキーマ、人間向けの要約、公開されたゲートを確認します
evaluar_autonomia	§3	副操縦／監督付き／自律型を評価し、ガードレールを確認します
revisar_frontera_ejecucion	§4	何を推奨し、何を実行するかを確認します（ステータス＋コード内のゲート）
aplicar_challenger	§5	定義全体をレッドチームで検証します
challenger_decision	§5	特定の決定に対する「これをしない3つの理由」を提示します
auditar_contexto	§6	3つのレイヤー、有効期限、ガバナンス、プロンプトインジェクション対策を監査します
disenar_evaluacion	§7	メトリクス、ゴールデンセット、ドリフトの監視を設計します
generar_contrato	§8	エージェントの正式な契約を生成します（決定論的）
evaluar_sistema	§9	既存のエージェントエコシステムとの適合性を評価します
plan_exposicion_mcp	§10	ツール／リソース／プロンプトとして公開するものを計画します
checklist_nacimiento	§11	マージゲート：19項目を適格／不適格で判定します
validar_veredicto	-	outputSchema でチェックリストの判定を検証します（CI 向けのプロトコルレベルの契約）
construir_agente	-	サイクルを締めくくり、最終的な定義（markdown / SKILL.md / system prompt）を生成します
plan_de_inicio	§12	デプロイ計画：エビデンスに基づいて副操縦から自律型へ移行します
get_el_buen_agente	-	ガイド全文を Markdown で返します

ガイドは リソース（全文は guide://el-buen-agente、セクション別は guide://el-buen-agente/seccion/{0-12}）および プロンプト としても公開されます。

🇬🇧 英語： すべての評価ツールで language: "en" を指定すると、英語で出力できます（元のガイドはスペイン語で、評価基準は利用するエージェントによってその場で翻訳されます）。

レジストリ： 公式 MCP レジストリに io.github.apasztetnik/el-buen-agente-mcp として公開されています。タグ vX.Y.Z をプッシュすると、GitHub Action と OIDC によりリリースが自動公開されます。

動作の仕組み

各ツールには、該当セクションの評価基準、エージェントの定義、厳密な出力形式が含まれています（適合／部分適合／不足の状態と引用された根拠による評価、優先度順の最大5件の推奨事項、緑／黄／赤の判定、作成者だけが回答できる質問）。ツールを利用するエージェントは、この枠組みに沿って評価を実行します。評価基準はツールとともに渡されるため、どの LLM が利用しても変わりません。

CI のゲートとして使う

checklist_nacimiento は、言語に依存しない固定キーを含む JSON ブロックで各評価を締めくくります。

{"tool":"checklist_nacimiento","aptos":17,"parciales":2,"faltas":0,"veredicto":"apto","puntos":[{"n":1,"estado":"ok"}]}

これにより、チェックリスト（ガイドの §11）を満たさずに生まれたエージェントのマージをブロックできます。Claude Code をワークフローで使う例：

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)"

開発

npm install
npm start          # http://localhost:3000/mcp

ガイドの原文は el_buen_agente.md です。サーバーは起動時にセクションごとに解析します。評価基準を変更するには、このファイルを編集してください。

技術スタック： Node 18+、Express、@modelcontextprotocol/sdk（Streamable HTTP、ステートレス）。レート制限：IP ごとに 60 req/min、全体で 600。

テスト： npm test（決定論的なテストスイートと、期待される判定を含む golden/ 内のフィクスチャ）。CI はプッシュのたびに実行され、チェックが成功しない限り Railway はデプロイされません。

プライバシー： サーバーがログに記録するのは、呼び出されたツール名と言語だけです。評価対象の定義内容は記録しません。

変更履歴： CHANGELOG.md を参照してください。

ライセンス

MIT