MCPHallu: un banco de pruebas de alucinaciones en agentes MCP
Qué te resuelveUn banco de 358 tareas, sobre 36 herramientas reales, para ver si un asistente razona mal, ejecuta mal o olvida el contexto, no solo si termina la tarea.
Para quién
Desarrolladores que evalúan la fiabilidad de un agente conectado a herramientas.
Ejemplo de tu día a día
Estás evaluando un asistente conectado a herramientas. Este banco te ayuda a ver si colapsa ramas, persigue un objetivo imposible, usa mal una herramienta u olvida lo que acaba de hacer.
Qué es esto
Es investigación, no una herramienta lista para usar: un estudio publicado que analiza cómo funcionan (o fallan) los asistentes de IA. Glosario básico.
Cómo empezar
- No es una herramienta de uso diario: es un banco de pruebas de investigación, publicado en arXiv.
- Lee el resumen en el enlace a la fuente; el PDF completo es técnico y está en inglés.
- Úsalo para diagnosticar fallos, no como una garantía de calidad de un producto concreto.
Detalles técnicos
El artículo está en https://arxiv.org/abs/2611.07689. El PDF es https://arxiv.org/pdf/2611.07689v1.
abs https://arxiv.org/abs/2611.07689 pdf https://arxiv.org/pdf/2611.07689v1
Fuente: arXiv · verificado el 2026-11-12 · publicado el 2026-11-12. Si la ficha y la fuente no coinciden, prima la fuente.