Al evaluar la preparación de una API para la integración con LLM (Modelos de Lenguaje Extensos) a través del Model Context Protocol (MCP), analizamos cuatro puntos de referencia críticos:
Experiencia del Desarrollador (Developer Experience)
Fiabilidad del Sistema
Seguridad y Protección
Descubrimiento Semántico
Experiencia
La API sufre de una baja capacidad de acción debido a descripciones que hacen referencia a APIs externas (ej. ‘use api-config to get all greetings templates’). La calidad de la documentación es inconsistente, con ejemplos que a veces contienen campos alucinados. Sonarqube reporta numerosos errores y vulnerabilidades, lo que indica una mala calidad del código. El alto número de pruebas de Newman fallidas también influye negativamente en la experiencia del desarrollador.
Fiabilidad
Los formatos de respuesta son algo consistentes, utilizando un «envolvente» (envelope) de respuesta estándar. Sin embargo, las respuestas de error a veces carecen de códigos y descripciones de error específicos, lo que las hace menos legibles por máquinas. Las pruebas de Newman indican una alta tasa de fallos (42 pruebas fallidas), lo que impacta negativamente en la fiabilidad. El uso de descripciones genéricas como ‘Ok’ para diversas respuestas también resulta problemático.
Seguridad y protección
La API utiliza OAuth2 para la seguridad, lo cual es compatible con máquinas. Los tipos de seguridad están definidos y el modelo de seguridad parece razonable. Sin embargo, la documentación carece de detalles explícitos sobre los ámbitos (scopes) y sus implicaciones, algo que podría mejorar la seguridad del agente.
Descubrimiento semántico
La API tiene varios esquemas definidos, pero algunos ejemplos contienen campos no definidos en el esquema (trampa de alucinación). El esquema ‘greeting’ está bien definido, pero la presencia de tipos ‘object’ sin propiedades en las respuestas de error y el uso de referencias externas para valores válidos reducen la interpretabilidad de la máquina. La componibilidad se ve obstaculizada por la falta de identificadores de recursos claros más allá de los IDs simples.
AI Readiness scoring en APIQuality
Calcular la puntuación de preparación para la IA de tu API es muy sencillo. Simplemente activa la etapa de evaluación dentro de APIQuality para desbloquear información instantánea y procesable.
¿Quieres asegurarte de que puedes exponer tus APIs en MCP?