Respuesta HTTP observada en esta sesión.
Auditoría externa de señales públicas de preparación agéntica
Haz visible cómo se presenta tu web ante la capa agéntica.
Comprueba cómo responde públicamente una web ante clientes agénticos, qué políticas declara y qué señales técnicas expone, desde el punto de observación de Radar.
Cálculo identificado y con procedencia.
Referencia externa con alcance limitado.
Escenario reproducible y configurable.
Módulo 1 · Auditoría externa de señales públicas
Entrega para agentes, gobernanza de rastreo y descripción semántica.
La secuencia HTML → Markdown → HTML se complementa con una lectura limitada de robots.txt, llms.txt y el JSON-LD recibido. Cada resultado conserva su alcance y madurez.
MedidoSin ejecutar
Preparado para el test activo
Introduce una URL y compararemos tres respuestas reales sin almacenar ni devolver su contenido.
Ejecutando HTML → Markdown → HTML…
Validamos DNS y destino en cada salto, con límites estrictos de red, tamaño y tiempo.
No se ha podido completar
Veredicto medido—
—
| Petición | HTTP | Content-Type | Tamaño | Duración |
|---|
Vary: Accept- —
Content-Signal- —
- Estimación de tokens
- —
- URL final
- —
Lectura puntual desde el cliente de Radar; no describe por sí sola la política general del dominio.
SimuladoPotencial técnico de optimización
Peso limpio simulado52,5 kB
Transferencia evitada simulada0,98 GB/mes
Radar no presenta esta conversión como contenido entregado por el servidor. El resultado depende del porcentaje y volumen configurados y no equivale a ahorro financiero.
Medido
Núcleo público de preparación agéntica
Tres superficies observables; ninguna equivale a indexación, cumplimiento o autorización efectiva.
—
—
/llms.txt- —
/llms-full.txt- —
—
llms.txt es una propuesta comunitaria. llms-full.txt se muestra como convención no canónica de su ecosistema.
—
—
—
Inventario sintáctico del JSON-LD recibido. No sustituye una validación completa de Schema.org ni prueba veracidad o procedencia criptográfica.
—
—
Ruta evaluada: —
| Token | Finalidad | Política aplicable |
|---|
Interpretación según RFC 9309. Declara preferencias de rastreo; no es una barrera de acceso ni demuestra que el operador cumpla la regla.
BenchmarkCaso publicado: 38.381 → 2.788 tokens
Vellum, 30/06/2026. Reducción del 92,7 % en un flujo concreto de HTML a Markdown. Sirve para mostrar que el envoltorio puede ser costoso; no es una tasa universal.
Consultar fuenteMódulo 2 · Presión de infraestructura
Explora capacidad; no finjas conocer tu servidor.
Sin logs ni telemetría, CPU, caché y tráfico histórico son supuestos. El modelo muestra relaciones y deja claro qué datos habría que sustituir.
SimuladoEscenario operativo
SimuladoImpacto lineal ilustrativo
Llega al origen4.950
Protegido75,3 %
Tráfico a origen0,74 GB
CPU introducida 28 %Sin controles 56 %Con controles 13,9 %
La CPU se escala linealmente solo para visualizar sensibilidad. No es un modelo de rendimiento ni una predicción de capacidad.
Benchmark+7.851 % interanual desde base baja
HUMAN, 26/03/2026. Crecimiento de su categoría de agentes y navegadores agénticos; no es una previsión para este dominio.
Consultar fuenteBenchmarkHasta 70 % de recursos
WP Engine, 17/12/2025. Máximo observado para bots en su entorno; no equivale a CPU o ancho de banda de una PYME concreta.
Consultar fuenteMódulo 3 · Atribución de valor
Un laboratorio Shapley solo es útil si definimos qué significa “valor”.
Usamos tres fuentes y una función explícita de cobertura informativa. El resultado son puntos de utilidad ilustrativos, nunca euros ni ingresos previstos.
SimuladoSupuestos del laboratorio
Ver la función de valor
v(S) = min(100, cobertura combinada(S) + sinergia × pares(S) / 3)
La cobertura combina calidad con rendimientos decrecientes. Cambiar esta función cambia la atribución.
Simulado6 permutaciones exactas
Utilidad de la coalición —puntos sobre 100
Σ contribuciones—= valor conjunto
Shapley reparte el valor definido por el modelo; no demuestra causalidad, propiedad intelectual ni derecho a remuneración.
MétodoValor de Shapley y aprendizaje automático
Rozemberczki et al., 11/02/2022. La referencia explica propiedades y usos; no aporta una función económica válida para esta empresa.
Leer artículoMódulo 4 · Acceso automatizado
Controlar, licenciar y cobrar son problemas distintos.
Compara alternativas sin mezclarlas. La elección es una orientación de producto: requiere validación técnica, contractual y legal.
Mi objetivo principal:
SimuladoIntercambio conceptual, no petición real
RSL / CAP
Licencia verificable antes de entregar contenido
Módulo 5 · Informe y próximos pasos
Un diagnóstico útil antes de pedirte que contactes.
El informe v3 conserva negociación, política, confianza, robots.txt, llms.txt, JSON-LD y limitaciones, separando medición, estimación, benchmark y simulación.
Informe ejecutivo
apwebai.es
Generado en tu navegador—
Aún no hay test activo.
Solo aparece con contadores declarados por el proveedor.
Con procedencia, fecha y advertencia de alcance.
Escenarios recalculados con tus controles.
Lectura ejecutiva
Próximos pasos priorizados
Evidencias HTTP relevantes
Limitaciones concretas
Qué representa cada salida
No es una previsión financiera, una auditoría de capacidad del servidor ni una garantía de indexación, licencia, cobro o ingresos.