SkillMesh: Enrutador Compatible con MCP para Grandes Catálogos de Herramientas Reduce el Tamaño del Contexto en un 70%

SkillMesh es un enrutador compatible con MCP diseñado para manejar grandes catálogos de herramientas y habilidades para agentes de IA. El creador identificó que cargar catálogos completos de herramientas en cada solicitud perjudica la precisión de la selección de herramientas e infla los costos de tokens a medida que los catálogos crecen.

Cómo funciona SkillMesh

El enfoque se centra en la inyección selectiva de contexto:

• Recupera las tarjetas de expertos más relevantes (top-K) para la consulta actual
• Inyecta solo esas tarjetas en el contexto del agente
• Mantiene el resto del catálogo fuera de la solicitud

Esto reduce el tamaño del contexto aproximadamente en un 70% en muchos casos y permite que los agentes escalen en múltiples dominios sin inflar la solicitud.

Características actuales

SkillMesh actualmente es compatible con:

• Integración con Claude a través del servidor MCP (skillmesh-mcp)
• Integración de paquetes de habilidades Codex
• Esquema de funciones estilo OpenAI en los metadatos de invocación de herramientas

Las herramientas y capacidades se pueden instalar por rol, añadiendo funcionalidad relevante según la tarea.

Ejemplo de caso de uso

Para una consulta como "limpiar datos de ventas, entrenar un modelo base y generar gráficos", SkillMesh enrutaría solo a las tarjetas de expertos relevantes de procesamiento de datos, aprendizaje automático y visualización, en lugar de cargar todo el catálogo.

Instalación y comentarios

El proyecto está disponible en GitHub en SkillMesh. El creador está buscando comentarios sobre:

• Calidad de recuperación (si selecciona las herramientas correctas)
• Formato del registro (facilidad para añadir nuevas herramientas)
• Ergonomía de la integración MCP