El modelo estaba bien. La especificación de la herramienta era el error.

Una evaluación en un agente similar a los de producción mostró una tasa de omisión de herramientas superior al 20 por ciento. El agente tenía la herramienta correcta disponible, la necesitaba y silenciosamente no la invocó. El instinto en la sala fue actualizar el modelo.

En su lugar, reescribimos las descripciones de las herramientas. La tasa de omisión se desplomó.

Ese hallazgo se convirtió en un hábito y luego en herramientas. Una especificación de herramienta es un contrato entre un sistema determinista y un invocador probabilístico, y la mayoría de las especificaciones están escritas para el lector equivocado: describen la implementación para un desarrollador en lugar de la decisión para un modelo. “Queries the internal pricing service v2” no le dice nada a un agente. “Usa esto cuando el usuario pregunte cuánto cuesta algo; no lo uses para precios históricos” cambia un comportamiento que puedes medir.

Dado que el fallo es textual, se puede analizar con un linter. Eso se convirtió en Tool Credit Score, un linter determinista que califica las especificaciones de herramientas MCP de 0 a 100 para su preparación como agente y corrige automáticamente los fallos comunes. Determinista a propósito: la revisión de especificaciones pertenece a CI, y CI no debería necesitar un LLM para decirte que una descripción tiene tres palabras.

El método completo, incluyendo la taxonomía de fallos (omisión, herramienta incorrecta, argumentos mal formados, argumentos alucinados, respuesta prematura) y los ejemplos de antes y después, se encuentra en la guía de campo de contratos de herramientas.