Linter de Descrições MCP
Verifique suas definições de tools MCP contra as boas práticas da Anthropic para agentes: nomenclatura, qualidade da descrição, documentação de parâmetros e custo na janela de contexto — tudo no seu navegador.
Definições de Tools MCP (JSON)
Relatório de Lint
Sobre este linter:
As regras destilam o guia "Writing effective tools for agents" da Anthropic, a especificação MCP e a rubrica do artigo arXiv:2602.14878. As contagens de tokens usam o encoding cl100k localmente no seu navegador — nada do que você colar é enviado para lugar algum.
Como Usar a Ferramenta
As descrições de tools são a única coisa que um agente LLM vê ao decidir qual tool chamar. Este linter verifica suas definições MCP contra as práticas que melhoram mensuravelmente a acurácia de seleção.
- Exporte suas tools: Do seu servidor MCP, serialize a lista de tools — uma tool única, um array ou o envelope de resposta tools/list.
- Cole o JSON: A análise roda instantaneamente: nomenclatura, qualidade da descrição, completude do schema e custo em tokens por tool.
- Corrija os achados: Erros quebram a descoberta de tools; avisos degradam a acurácia de seleção; notas são sugestões de polimento.
- Monitore o custo do loadout: O detalhamento por tool mostra quantos tokens cada descrição e schema consomem da janela de contexto a cada turno.
Perguntas Frequentes (FAQ)
Por que descrições de tools importam tanto para agentes?
O modelo nunca vê sua implementação — apenas o nome da tool, a descrição e o input schema. O guia de engenharia da Anthropic mostra que reescrever descrições dizendo o que a tool faz e quando usá-la é um dos ajustes de maior impacto quando agentes escolhem a tool errada.
Quais formatos de entrada posso colar?
Três formas são reconhecidas automaticamente: um objeto de tool único com name, description e inputSchema, um array de objetos de tool e o envelope tools/list com um array de tools dentro.
Como os tokens são contados?
Localmente no seu navegador com o encoding cl100k (a família usada por modelos da classe GPT-4). Claude e Gemini usam tokenizers diferentes, então trate os números como custo relativo comparável, não como fatura exata.
Qual é um bom score?
100 significa que todas as regras passaram. Na prática, mire em zero erros e zero avisos — as notas restantes (como adicionar orientação "use quando") são melhorias incrementais.