Fase 4: puerta 1 (eval-loss offline por bucket) y contenedor/scripts de puertas 2-4

- scripts/30_eval_suite.py --gate 1: eval-loss sobre el checkpoint mergeado, agrupado por
  meta.bucket (aislando replay), comparado contra eval_loss=0.275 de Fase 3.
- docker-compose.eval.yml: servicio vllm-eval propio (puerto 8001), sirviendo el
  checkpoint mergeado en BF16, con tool-call-parser=qwen3_coder y reasoning-parser=qwen3.
  No se pudo leer el compose real de produccion (/data/compose/43/docker-compose.yml no
  existe en spark, probablemente vive en el host del servidor Portainer) -- flags basados
  en la arquitectura conocida del modelo.
- scripts/31_build_holdout_prompts.py: genera data/holdout_prompts.jsonl (200 prompts,
  40 por MCP, sin overlap verificado contra train.jsonl/eval.jsonl).
- scripts/32_gate2_toolcalls.py: valida tool-calls devueltas por vllm-eval (parser real
  de vLLM, nunca una regex propia) contra los 200 prompts held-out.
- scripts/33_gate3_adherencia.py: checklists de adherencia por skill + no-activacion,
  con baseline opcional contra vllm-qwen36 si esta corriendo.
- scripts/34_gate4_e2e.py: arma el plan de llamadas E2E contra los 5 MCPs y 5 skills via
  el checkpoint mergeado, para que el agente orquestador las ejecute con sus MCPs reales.

docker-compose.eval.yml

@@ -0,0 +1,27 @@
+services:
+  vllm-eval:
+    image: vllm/vllm-openai:cu130-nightly-aarch64
+    container_name: vllm-eval
+    restart: "no"
+    ipc: host
+    ports:
+      - "8001:8000"
+    volumes:
+      - /home/aleleba/ft-models/Qwen3.6-35B-A3B-mcp-bf16:/model:ro
+    command:
+      - "--model=/model"
+      - "--served-model-name=qwen3.6-35b-a3b-mcp-bf16"
+      - "--tensor-parallel-size=1"
+      - "--max-model-len=32768"
+      - "--enable-auto-tool-choice"
+      - "--tool-call-parser=qwen3_coder"
+      - "--reasoning-parser=qwen3"
+      - "--default-chat-template-kwargs={\"preserve_thinking\": true}"
+      - "--trust-remote-code"
+    deploy:
+      resources:
+        reservations:
+          devices:
+            - driver: nvidia
+              count: 1
+              capabilities: [gpu]