Original en anglais: https://argusic.com/subject/mcp-agent
mcp-agent
Construire des agents efficaces en utilisant Model Context Protocol et des modèles de flux de travail simples
Fonctionne avec des mockssource : GitHubPythonApache-2.0commit f62d84935081
Python, sous licence Apache-2.0. Le projet se décrit ainsi : agents, ai, ai agents, llm, llms, mcp, model context protocol et python.
mcp-agent fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 4,5 minutes et a rencontré 2 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
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.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 92 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- 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 minutes
- 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 minutes
- Temps d'installation
- 5 minutes
- De la machine vierge à la fin
- 20 minutes
- Erreurs rencontrées et corrigées
- 2 rencontrées, 2 corrigées sans aide humaine
- Tokens de modèle utilisés
- 224 234
- Commit exact testé
- f62d84935081
- Image de conteneur
- sha256:4c3d41857be3
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Comment le résultat a été prouvé
- les exécutions antérieures au 2026-09-07 n'enregistraient pas la commande utilisée pour vérifier le résultat
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
- Comportement face aux vrais services
- cette exécution n'a été vérifiée qu'avec des services de substitution
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
- **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
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- Installé en 4,5 minutes, plus vite que la médiane des 37 projets comparables mesurés par Argusic.
- S'est remis des 2 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- Sous licence Apache-2.0, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 38 projets agents qu'Argusic a installés et chronométrés, mcp-agent a été le 16e plus rapide à atteindre un état de fonctionnement, et 25 sur 38 en ont atteint un.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Fonctionne avec des mocks | 92,00 | 0,07 |
Sujets (depuis GitHub)
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/mcp-agent)Questions
- mcp-agent fonctionne-t-il ?
- mcp-agent fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 5 minutes, en rencontrant 2 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé mcp-agent ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit f62d84935081. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de mcp-agent ?
- L'exécution qui a produit ce verdict a coûté 0,07 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer mcp-agent ?
- 4,5 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- mcp-agent a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de mcp-agent ?
- 2 problèmes sont survenus lors de l'exécution enregistrée, et 2 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment mcp-agent se compare-t-il aux alternatives ?
- Sur les 38 projets agents qu'Argusic a installés et chronométrés, mcp-agent a été le 16e plus rapide à atteindre un état de fonctionnement, et 25 sur 38 en ont atteint un.
- Où sont les preuves pour mcp-agent ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.