TDQS는 MCP 도구가 AI 에이전트에 어떻게 통신하는지 득점하기위한 개방형 프레임 워크입니다. 모든 MCP 서버의 모든 도구를 평가하고 레지스트리에서 호스트 커넥터를 사용합니다.

이 문서는 전체 사양입니다 — 루비, 정확한 프롬프트, 집계 수식, 그리고 레지스트리 스케일에서 실행 뒤에 조작 관행 — 그리고 TDQS 끝을 단순화하는 충분. MCP 서버를 유지하고 더 나은 점수를 원하면 점수를 개선하고 체크리스트로 루블릭을 사용합니다.

• 합리적 : glama.ai/blog/2026-04-03-tool-definition-quality-score-tdqs
• 색인 방법론: glama.ai/mcp/methodology
• 라이브 점수 : glama.ai/mcp/tools의 모든 도구에는 전체 per-dimension 고장이있는 공공 점수 페이지가 있습니다.

내용

• 왜 득점 도구 정의?
• 점수를 얻는 것
• Scoring 파이프라인
• 단계 1: Context 신호
• 단계 2: 단단한 문
• 3 단계 : LLM 윤활유 평가
• 단계 4: Deterministic 포스트 가공
• 점수 계산
• 층
• 깃발과 냄새
• 서버 레벨 점수
• 1. 공구 정의 질 (전반의 70%)
• 2. (전반의 30%)
• Shadowed 도구
• 전체

Tool Definition Quality Score (TDQS)

TDQS is an open framework for scoring how well an MCP tool definition communicates to an AI agent. It is the methodology Glama uses to score every tool of every MCP server and hosted connector in its registry.

This document is the complete specification — the rubric, the exact prompts, the aggregation formulas, and the operational practices behind running it at registry scale — and is sufficient to reimplement TDQS end to end. If you maintain an MCP server and just want a better score, skip to Improving your score and use the rubric as a checklist.

• Scoring rationale: glama.ai/blog/2026-04-03-tool-definition-quality-score-tdqs
• Indexing methodology: glama.ai/mcp/methodology
• Live scores: every tool on glama.ai/mcp/tools has a public score page with the full per-dimension breakdown

Contents

• Why score tool definitions?
• What gets scored
• Scoring pipeline
  • Stage 1: Context signals
  • Stage 2: Hard gates
  • Stage 3: LLM rubric evaluation
  • Stage 4: Deterministic post-processing
  • Computing the score
  • Tiers
  • Flags and smells
• Server-level scores
  • 1. Tool definition quality (70% of overall)
  • 2. Coherence (30% of overall)
  • Shadowed tools
  • Overall
• Output format
• Improving your score
• TDQS across the registry
• Running TDQS at scale
  • How Glama uses the scores
• Appendix A: Tool scoring prompt
• Appendix B: Server coherence prompt
• References

Why score tool definitions?

Two empirical studies motivated the framework:

• “Model Context Protocol (MCP) Tool Descriptions Are Smelly!” audited 856 tools across 103 MCP servers and found that 97% of tool descriptions contain at least one quality defect, 56% do not clearly state what the tool does, and 89% never say when the tool should or should not be used.