Comparativa de servidores MCP de perfumes: un benchmark de 40 preguntas

Resultados

Respuestas correctas sobre 40, latencia por pregunta y coste de cada respuesta en llamadas.

• ¹ Incluye 19 rechazos inmediatos.
• ² Una pasada adicional de las 19 preguntas sin respuesta, separadas 4 segundos tras una pausa de 60 segundos.
• ³ 34 de 40 si un agente traduce sus nombres de notas en ucraniano.

Por tipo de pregunta

Qué devuelve cada uno

Medido sobre las respuestas y sobre el tools/list de cada servidor.

• ⁴ Notas principales sin niveles; una herramienta aparte de perfil olfativo devuelve salida, corazón y fondo, pero no se llamó.
• Las cifras de perfumes son las que declara cada servidor y no se contaron de forma independiente.

Sin puntuar: exigen clave o inicio de sesión

Dónde 10ML Perfume Finder va por delante

• Precisión: 39 de 40, la puntuación más alta, con todas las preguntas sobre perfumes conocidos, de nicho, notas, casas y otros idiomas bien respondidas.
• Velocidad: una mediana de 232 ms, unas tres veces más rápido que el siguiente servidor (ScentVerdict, 698 ms).
• Una llamada por respuesta: 1,00 llamadas por pregunta, frente a entre 1,85 y 2,60 en los servidores que primero buscan.
• Estructura: esquemas de salida en las 15 herramientas; una pirámide completa de salida, corazón y fondo en 29 de las 30 respuestas de consulta, con acordes y familia en las 30.
• Idiomas: las tres preguntas en otros idiomas, acertadas; diez idiomas documentados.
• Sin clave y sin cuenta.

Dónde van por delante los demás

• Amplitud: ScentRev declara 126 000+ perfumes (no verificable, exige iniciar sesión), ScentVerdict 31 000+ y Perfume Picks 13 000+, frente a 5406 en el 10ML Fragrance Index. Las preguntas se eligieron para que un índice corriente pudiera responderlas, así que este benchmark no dice nada sobre los perfumes que quedan fuera de esos 5406. Con una selección de perfumes raros, ganarían los índices más grandes.
• Extras: ScentVerdict devuelve precios actuales de frascos completos y una opinión escrita por perfume; Perfume Picks devuelve valoraciones de uso de la comunidad y alternativas seleccionadas con un porcentaje de coincidencia; Parfum Bible añade ofertas de minoristas estadounidenses.
• Profundidad de las fichas: 4925 de las 5406 entradas son fichas básicas, sin duración, proyección ni perfumistas; 481 son fichas editoriales completas.
• Peso de la lista de herramientas: con 60,5 KB, el tools/list de 10ML es el más pesado de la prueba (ScentVerdict 39,2 KB para 6 herramientas, Perfume Picks 6,6 KB para 8).
• El único fallo: «similar a Terre d’Hermès» devolvió vecinos plausibles con notas en común (Swiss Arabian Vetiver and Orange, K by Dolce & Gabbana, Orto Parisi Terroni) que no están en la lista fija.

Para qué sirve mejor cada servidor

10ML Perfume Finder

respuestas rápidas y completas con una sola llamada, con pirámides completas, salida estructurada, diez idiomas y sin clave.

ScentVerdict

el índice más grande entre los servidores puntuados (31 000+ declarados), precios actuales de frascos y una opinión escrita por perfume; el más rápido de los demás servidores, con 698 ms. Ninguna de las dos preguntas sobre perfumes similares tuvo acierto.

Perfume Picks

13 000+ perfumes, valoraciones de uso de la comunidad y alternativas seleccionadas con un porcentaje de coincidencia. El límite documentado es de 60 llamadas por minuto, pero a una solicitud por segundo empezó a rechazar desde la pregunta 22.

Parfum Bible

perfumes conocidos con pirámides completas por niveles y acordes, además de ofertas de minoristas estadounidenses. No tiene herramienta para perfumes similares, notas ni casas, y necesita unas 2,6 llamadas por respuesta.

Parfica

encuentra casi cualquier perfume, con pirámides por niveles, nombres de notas en ucraniano y tres herramientas.

Método

• Fecha y lugar: martes 20 de octubre de 2026, de las 06:24 a las 06:32 UTC, desde un equipo con una conexión doméstica en el sudeste asiático. La latencia incluye el trayecto hasta el punto de acceso más cercano de cada servidor: un punto de medida, no una cifra global.
• Cliente: Node 25.9 con fetch sencillo, MCP Streamable HTTP, protocolo 2025-06-18, una conexión por servidor, sin caché ni reintentos.
• Cortesía con los servidores: como máximo una solicitud por segundo a cada servidor, 10ML incluido. Por servidor: un initialize, un tools/list, una pregunta de calentamiento sin puntuar y después las 40 preguntas, una vez cada una. Sin registro, sin clave, sin credenciales de ningún tipo.
• Preguntas: 40 preguntas fijas, escritas antes de la prueba y sin ajustar a ningún índice: 20 perfumes conocidos, 10 perfumes de nicho o de Oriente Medio, 3 preguntas sobre notas, 2 sobre perfumes similares, 2 sobre casas y 3 preguntas en alemán, francés y español, pasadas a las herramientas tal como estaban escritas. Para esas tres, 10ML recibió además su argumento locale documentado.
• Llamadas: cada servidor se usó como un agente usaría sus propias herramientas: una llamada de detalle cuando el servidor acepta nombres, una búsqueda y después una llamada de detalle cuando exige un identificador. Cuando un servidor no tiene herramienta para un tipo de pregunta, se usó su herramienta de búsqueda.
• Puntuación: una consulta es correcta si la respuesta contiene el nombre del perfume, la casa y al menos 2 de las notas principales del perfume. Una pregunta sobre una nota es correcta con al menos 4 entradas que nombren la nota, o 2 perfumes conocidos de una lista fija; las preguntas sobre perfumes similares y sobre casas exigen 1 y 3 perfumes de listas fijas, respectivamente. La puntuación de los perfumes similares es la parte más débil: n es 2, y las listas no pueden contener todas las respuestas defendibles.
• Estadística: la latencia es por pregunta, como suma de sus llamadas, sobre las 40 preguntas; mediana y percentil 95 por el método del rango más cercano.
• Cambios señalados tras la primera pasada: se corrigieron dos errores de puntuación para cada servidor y se volvieron a puntuar todas las respuestas guardadas (acentos escapados en JSON; preguntas sobre notas puntuadas al principio solo contra una lista fija de perfumes). Los resultados de la primera pasada fueron 10ML 37, ScentVerdict 32, Parfum Bible 33, Perfume Picks 18 y Parfica 2. Parfica se ejecutó dos veces, la segunda con una nueva búsqueda solo por el nombre; se informa de esa pasada.
• Límites: una pasada desde un solo lugar; n es 40, así que una diferencia de una pregunta está dentro del ruido. La selección está orientada a propósito hacia los perfumes corrientes. Cada servidor fue consultado por un script sencillo, no por un modelo de lenguaje; un modelo que reformule o traduzca mejoraría a Parfica y a Perfume Picks y reduciría la ventaja de la llamada única de 10ML.

Se repite cada mes.

Datos: CSV · JSON (CC BY 4.0)

Preguntas