我的评估说，一台完美的MCP服务器已经坏了。其实是那条评估在撒谎。

三轮校准、四台真实服务器、API 成本仅为 0.60 美元——我如何打造了一套由大语言模型驱动的工具选择基准，使其既公平又可公开发布，并揭示了静态代码分析规则在预测实时模型行为方面的哪些发现。