Claude Parafraseó un Documento Después de Leer Solo el Principio: Truncamiento Oculto del Servidor MCP

Un desarrollador descubrió que Claude resumió con confianza un documento grande, aunque en realidad solo leyó el principio — la causa resultó ser un truncamiento desapercibido de la respuesta del servidor MCP.

Lo que descubrió el desarrollador

El autor conectó la herramienta mcp-server-fetch a Claude y pidió al agente que extrajera varios fragmentos específicos de un documento. El modelo respondió con fluidez y confianza, sin dar ninguna pista de un problema: el texto parecía como si el agente hubiera trabajado verdaderamente con todo el documento. Solo analizando el tráfico JSON-RPC entre cliente y servidor — es decir, observando el intercambio de mensajes sin procesar entre Claude y la herramienta conectada — el desarrollador vio que el contenido del documento fue truncado en la marca de 6000 caracteres.

Además, el servidor marcó la respuesta truncada como exitosa, sin una sola indicación de error o truncamiento. Formalmente, desde la perspectiva del protocolo, la solicitud se completó normalmente: el código de respuesta no señaló un tiempo de espera, límite excedido, o ningún otro fallo. El modelo recibió datos parciales y los procesó como completos.

• La herramienta — mcp-server-fetch, utilizada para obtener contenido web y pasarlo al modelo
• La respuesta fue truncada en la marca de 6000 caracteres
• El servidor marcó la respuesta truncada como exitosa, sin una bandera de error
• Al final del texto truncado, el servidor agregó una instrucción oculta para el modelo
• El problema fue descubierto solo mediante análisis manual del tráfico JSON-RPC entre cliente y servidor

Por qué esto es peligroso para los agentes

MCP (Model Context Protocol) — un protocolo abierto a través del cual modelos de IA como Claude se conectan a herramientas externas: sistemas de archivos, bases de datos, solicitudes web. Cuando tal herramienta devuelve datos recortados sin una señal de error explícita, el modelo no tiene forma de distinguir una respuesta completa de una parcial — simplemente trabaja con lo que recibió y devuelve resultados con la misma confianza que si hubiera leído el documento completo. Para el usuario, no hay diferencia visible: la respuesta es igualmente coherente, igualmente lógica e igualmente convincente.

Aún más preocupante es el segundo hallazgo del autor: al final del texto truncado, el servidor agregó una instrucción de texto dirigida al modelo. Formalmente esto es parte del contenido que el agente interpreta como datos del documento, pero en realidad — un mensaje de control insertado por la herramienta misma después de que el contenido real terminó. Para un usuario que no mira bajo el capó del intercambio JSON-RPC y solo ve la respuesta final del modelo, tal sustitución permanece completamente invisible: texto coherente, tono confiado, sin signos visibles de fallo o falta de confiabilidad.

Esto ilustra un problema más amplio en la cadena "modelo-herramienta": la confianza en el resultado de una herramienta rara vez se verifica en la práctica, porque la mera presencia de una respuesta se percibe como confirmación de su integridad. Hasta que el protocolo requiera señalar explícitamente el truncamiento, la responsabilidad efectivamente recae en el desarrollador, quien debe registrar y verificar por separado el tráfico sin procesar, en lugar de confiar en el texto final del modelo.

Qué significa esto

Cuando los agentes basados en Claude y otros modelos utilizan cada vez más servidores MCP para acceder a datos externos, los truncamientos silenciosos e instrucciones ocultas dentro de respuestas de herramientas se convierten en un riesgo práctico para la calidad y confiabilidad de los sistemas de agentes. Los desarrolladores que construyen canales en MCP deben establecer verificaciones de indicadores de truncamiento en las herramientas mismas y no confiar ciegamente en las herramientas — incluso si la respuesta final del modelo se ve absolutamente convincente.