English

Poda tus servidores MCP: cada esquema de herramienta es costo siempre activo

Agregar herramientas puede empeorar a tu agente de IA.

Se siente como una mejora gratis: conectas otro servidor de Model Context Protocol (MCP) y ahora el agente puede hacer más. Pero cada herramienta que expones tiene un costo permanente. Su esquema — nombre, descripción y definición completa de parámetros — se inyecta en el contexto en cada turno, y el montón de opciones hace que el agente sea peor eligiendo la correcta. Más capacidad en el papel, menos fiabilidad en la práctica.

Dos costos, no uno

La gente nota el costo de tokens y se detiene ahí. Hay dos:

• Costo de tokens — el esquema JSON de cada herramienta está en el contexto en cada turno. Unas pocas docenas de herramientas bien descritas pueden consumir miles de tokens antes de que el agente lea una sola línea de tu código.
• Costo de selección — este es el mayor. Cuando el agente tiene que elegir entre muchas herramientas parecidas, la precisión cae. Elige la herramienta equivocada, inventa argumentos plausibles pero incorrectos, o titubea entre dos opciones que se solapan. La calidad de la decisión se degrada a medida que crece el conjunto de opciones, independientemente del conteo de tokens.

Así que la falla no es solo "el contexto está lleno". Es "el agente toma lo equivocado".

Expón solo lo que la tarea necesita

La solución es curar. Para un flujo de trabajo dado, expón el pequeño conjunto de herramientas que ese flujo realmente usa y apaga el resto.

• Corta lo que un CLI ya hace. Si el agente tiene una shell, un servidor MCP de git suele ser redundante: git en la línea de comandos es más capaz y cuesta cero tokens de esquema. Lo mismo aplica para listar archivos, grep y comandos de build.
• Corta lo que casi no usas. Un servidor que conectaste una vez para una tarea puntual sigue gravando cada turno. Si no lo has usado esta semana, desconéctalo.
• Divide por contexto. Mantén un conjunto por defecto liviano y habilita un servidor más pesado solo en las sesiones que de verdad lo necesitan, en lugar de global y para siempre.

// Antes: todo encendido, siempre
{ "mcpServers": { "github": {}, "postgres": {}, "slack": {}, "jira": {},
                  "filesystem": {}, "git": {}, "fetch": {}, "sentry": {} } }

// Después: solo lo que las tareas de este proyecto necesitan; la shell cubre git + archivos
{ "mcpServers": { "postgres": {}, "sentry": {} } }

El beneficio

Menos herramientas significa un contexto más liviano y un agente más agudo. Con un puñado de herramientas relevantes y distintas, la precisión de selección sube: el modelo toma la correcta con mucha más frecuencia, y gastaste tu presupuesto de tokens en la tarea en vez de en un menú que el agente apenas usa.

Movidas avanzadas

• Audita por uso, no por capacidad. Lista tus servidores conectados y marca la última vez que cada uno se invocó de verdad. Todo lo que esté frío es candidato a podar.
• Prefiere herramientas distintas sobre las que se solapan. Dos herramientas que hacen casi lo mismo son peores que una, porque la ambigüedad es lo que hunde la precisión de selección.
• Deja que la shell sea tu herramienta de propósito general. Un CLI cubre un rango enorme sin costo de esquema por turno. Reserva los servidores MCP para capacidades que la shell genuinamente no alcanza.
• Acota los servidores a proyectos. Configura MCP por repo o por workspace para que una tarea solo vea las herramientas relevantes.

Recursos

• Model Context Protocol — sitio oficial
• Anthropic — Conectar Claude Code a servidores MCP
• Anthropic Engineering — Escribir herramientas efectivas para agentes de IA
• Anthropic Engineering — Ingeniería de contexto efectiva para agentes de IA