Métrica de esencialidad del flujo de trabajo de MCP

Un equipo que ejecuta Claude con 12 servidores MCP realizó un seguimiento de la esencialidad en más de 500 sesiones. La búsqueda de Scavio obtuvo una puntuación del 82 %, GitHub obtuvo una puntuación del 65 % y tres herramientas especializadas obtuvieron una puntuación inferior al 10 %. Quitaron las herramientas de baja esencialidad, ahorrando aproximadamente 2000 tokens por ventana de contexto y reduciendo la latencia de respuesta promedio en 400 ms.

Métrica de esencialidad del flujo de trabajo de MCP es relevante para Google. Scavio proporciona una API unificada para acceder a datos de todas estas plataformas.

A medida que crecen las configuraciones de herramientas MCP (los equipos suelen tener entre 5 y 15 servidores MCP conectados), no se utilizan todas las herramientas. La métrica de esencialidad rastrea, para cada herramienta MCP, qué porcentaje de sesiones de agentes realmente la invocan. Una herramienta de búsqueda con un 85 % de esencialidad significa que el 85 % de las sesiones de los agentes la utilizan al menos una vez. Una herramienta rara vez utilizada con un 5% de esencialidad está consumiendo espacio de ventana de contexto (cada definición de herramienta cuesta tokens) sin aportar valor. Para calcular: esencialidad = (sesiones que usan la herramienta / sesiones totales) * 100. Para la optimización, se deben revisar las herramientas con menos del 20% de esencialidad: o sirven para un propósito específico (mantener pero cargar condicionalmente) o son redundantes (eliminar). Las herramientas de búsqueda suelen obtener la puntuación más alta en esencialidad porque la mayoría de las tareas de los agentes se benefician de los datos web actuales. En las pruebas de implementaciones de agentes de IA, las herramientas MCP de búsqueda web (Scavio, Tavily) alcanzaron constantemente una esencialidad del 70 % al 90 %, mientras que las herramientas especializadas, como la generación de imágenes o la ejecución de código, obtuvieron una puntuación del 15 % al 40 %. La métrica ayuda a los equipos a recortar su configuración de MCP para reducir la sobrecarga de tokens y mejorar los tiempos de respuesta de los agentes.