Las interfaces para IA miden si un proyecto expone interfaces legibles por máquinas: esquemas formales de API, un servidor del Model Context Protocol o ejemplos ejecutables. Allí donde existen, un agente de IA puede consumir el software a través de un contrato en lugar de deducir el comportamiento mediante ingeniería inversa del código fuente.
- Categoría: Preparación para IA (15 % dentro de la categoría)
- Peso en el índice general: 0 % — parte de la insignia independiente de Preparación para IA
- Clave de la métrica:
ai_interfaces nullcuando el repositorio no expone ninguna de las señales — la ausencia se trata como no aplicable, nunca como penalización
Cómo se calcula el valor
| Componente | Peso | Evidencia |
|---|---|---|
| Esquema de API | 40 | archivos OpenAPI/Swagger, GraphQL SDL, protobuf o AsyncAPI |
| Servidor MCP | 20 | una dependencia de servidor del Model Context Protocol o una configuración mcp.json |
| Ejemplos ejecutables | 40 | directorios examples/, recipes/ o samples/, o notebooks |
La regla del null, explicada
Una biblioteca de utilidades corriente carece legítimamente de esquema de API, de superficie MCP y posiblemente de directorio de ejemplos — y sería injusto restarle puntos por su naturaleza. Por eso la métrica solo produce un valor cuando al menos una señal está presente; en caso contrario es null y la categoría de Preparación para IA renormaliza sobre sus otras métricas, siguiendo la regla de datos ausentes de toda la metodología (véase el índice de salud).
Por qué estas tres señales
- Los esquemas de API son contratos que un modelo puede leer con exactitud — endpoints, tipos y errores sin inferencia.
- Un servidor MCP es la declaración más contundente posible de preparación para agentes: el proyecto entrega una interfaz de primera clase para las herramientas de IA.
- Los ejemplos ejecutables son documentación ejecutable. Para un agente, un ejemplo que funciona es un punto de partida verificado y no prosa por interpretar — y los ejemplos sirven además como prueba de facto de la API pública.
Cómo mejorar el valor
- Publicar el esquema de API que el proyecto ya implica: generar OpenAPI desde el framework, confirmar en el repositorio los archivos
.protoo GraphQL SDL. - Mantener un directorio
examples/con programas pequeños y ejecutables que se mantengan al día en la CI. - Allí donde el proyecto sirve de forma natural a las herramientas, considerar la publicación de un servidor MCP.
Relacionado: Contexto para agentes de IA · Preparación para IA