Rein Agent Risk Scale

Calificación Indicativa de Riesgo de Agente (A–E) como autoevaluación para agentes de IA que pueden gastar dinero, basada en responsabilidad, límites de gasto, restricciones de beneficiarios, interruptores de parada, escalamiento humano, monitoreo, historial e incidentes. Autodeclarada y no verificada; no es una calificación crediticia.

Servidor MCP alojado

npx add-mcp 'https://rein-scale.mangowave-ad191d9c.eastus.azurecontainerapps.io/mcp'

Se instala en Claude Code, Codex, Cursor y más

Documentación

Escala de Riesgo del Agente Rein: ejemplos de MCP

Ejemplos de copiar y pegar que conectan un agente de IA con la autoevaluación de la Escala de Riesgo del Agente Rein a través de MCP. La autoevaluación le da a un agente que puede gastar dinero una Calificación de Riesgo del Agente indicativa en una escala de A–D (NR = no calificado), basada en los controles que lo rodean: quién es responsable, límites de gasto y dónde se aplican, límites de beneficiarios, un interruptor de apagado y quién lo tiene, escalamiento humano, monitoreo, historial e incidentes.

Endpoint de MCP (HTTP transmisible, sin inicio de sesión):

https://rein-scale.mangowave-ad191d9c.eastus.azurecontainerapps.io/mcp

El endpoint tiene tres herramientas:

  • self_check califica un despliegue a partir de respuestas estructuradas;
  • get_scale devuelve la escala de A–D (NR = no calificado) y qué significa cada grado;
  • explain_grade indica qué requiere un grado.

La calificación es fija, con reglas publicadas y sin modelo de lenguaje, por lo que las mismas respuestas siempre dan el mismo grado (metodología 0.3.1). La memoria del arnés cuenta a tu favor dentro de la banda de tu grado; nunca cambia la letra.

Autodeclarado y no verificado; no es una calificación crediticia.

Ejemplos

Cada ejemplo es un archivo de menos de 40 líneas.

archivoframeworkinstalación (versiones probadas)
examples/plain_mcp.pyel SDK de Python mcp, sin LLMpip install "mcp==2.3.0"
examples/openai_agents.pyOpenAI Agents SDKpip install "openai-agents==0.23.1"
examples/langgraph_agent.pyLangChain / LangGraph con los adaptadores de MCPpip install "langchain==1.4.3" "langchain-openai==1.6.7" "langchain-mcp-adapters==0.3.2"
examples/crewai_agent.pyCrewAIpip install "crewai==1.15.23" "crewai-tools[mcp]==1.15.23"

Los tres ejemplos de agentes usan OpenAI por defecto (export OPENAI_API_KEY=...). Pasa cualquier modelo que tu framework acepte a main() para usar otro.

  • Probado: cada ejemplo se ejecutó contra el endpoint en vivo el 7 de octubre de 2026 en las versiones anteriores.
  • Revisado semanalmente: una verificación los ejecuta contra las últimas versiones de los frameworks, porque las versiones renombran cosas. mcp 2.x renombró su cliente HTTP, y ahora produce dos flujos en lugar de tres.

Úsalo desde cualquier cliente de MCP

{
  "mcpServers": {
    "rein-agent-risk-scale": {
      "type": "http",
      "url": "https://rein-scale.mangowave-ad191d9c.eastus.azurecontainerapps.io/mcp"
    }
  }
}

Hay documentación escrita para agentes en /skill.md y /llms.txt.

Qué es una autoevaluación y qué no es

  • Indicativa. El grado proviene de tus propias respuestas. Es autodeclarado y no verificado, por lo que el grado calificado permanece NR (no calificado) hasta que los controles sean verificados.
  • Explicada. La respuesta enumera los hallazgos que más explican el grado y los pasos que lo elevarían.
  • Privada por defecto. Las respuestas y los grados se almacenan bajo un registro seudonimizado. Un identificador se publica solo si configuras publish_opt_in: true. Nunca envíes secretos ni datos personales.
  • No es una calificación crediticia, no es asesoramiento de inversión y no es una oferta de crédito.

Licencia

MIT. Ver LICENSE.