Original en inglés: https://argusic.com/subject/mcp-agent
mcp-agent
Construye agents eficaces usando Model Context Protocol y patrones de flujo de trabajo sencillos
Funciona con mocksfuente: GitHubPythonApache-2.0commit f62d84935081
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agents, ai, ai agents, llm, llms, mcp, model context protocol y python.
mcp-agent funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 4,5 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
mcp-agent 0.2.6 installs, builds, CLI boots, and all 1501 tests pass after fixing the abstract generate_stream method in the base AugmentedLLM class and patching the Bedrock streaming test mock.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 92 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Base class AugmentedLLM declared generate_stream as @abstractmethod but subclasses OpenAIAugmentedLLM, AzureAugmentedLLM, GoogleAugmentedLLM, Orchestrator, DeepOrchestrator, ParallelLLM, EvaluatorOptimizerLLM, Swarm, LMStudioAugmentedLLM, OllamaAugmentedLLM did not implement it, causing TypeError on instantiation8 minutos
- Bedrock streaming test expected usage tokens (input_tokens=100, output_tokens=50) but mock events did not include a metadata event with usage data, causing assertion failure2 minutos
- Tiempo de instalación
- 5 minutos
- De máquina en frío a terminar
- 20 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Tokens de modelo usados
- 224.234
- Commit exacto probado
- f62d84935081
- Imagen del contenedor
- sha256:4c3d41857be3
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Cómo se demostró el resultado
- las ejecuciones anteriores al 2026-09-07 no registraban el comando usado para comprobar el resultado
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- **errors**: 2 errors found and fixed: 1. `@abstractmethod` on `generate_stream` preventing instantiation of many LLM classes 2. Missing metadata event in Bedrock streaming test mock tokens used 224,234 Now let me compile the results: - **install_succeeded**: Dependencies installed via `uv sync`, project builds and imports correctly - **launch_succeeded**: Full test suite (1501 tests) passes, CLI starts and shows help - **test_depth**: `tier2_mock` - all tests pass but they use mocks (no real LLM API keys configured… - **errors**: 2 errors found and fixed: 1. `@abstractmethod` on `generate_stream` preventing instantiation of many LLM classes 2. Missing metadata event in Bedrock streaming test mock
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se instaló en 4,5 minutos, más rápido que la mediana de los 37 proyectos comparables que ha medido Argusic.
- Se recuperó de los 2 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia Apache-2.0, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 38 proyectos de agents que Argusic ha instalado y cronometrado, mcp-agent fue el 16.º más rápido en llegar a funcionar, y 25 de 38 llegaron a funcionar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona con mocks | 92,00 | 0,07 |
Temas (de GitHub)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/mcp-agent)Preguntas
- ¿Funciona mcp-agent?
- mcp-agent funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 5 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic mcp-agent?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit f62d84935081. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar mcp-agent?
- La ejecución que produjo este veredicto costó 0,07 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda mcp-agent en instalarse?
- 4,5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita mcp-agent una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar mcp-agent?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara mcp-agent con las alternativas?
- De los 38 proyectos de agents que Argusic ha instalado y cronometrado, mcp-agent fue el 16.º más rápido en llegar a funcionar, y 25 de 38 llegaron a funcionar.
- ¿Dónde está la evidencia de mcp-agent?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.