MCP令牌压缩91%：JSON Schema优化实践

dev.to · AI#MCP#Token优化#AI编程

Editor brief · 编辑速览

解决方案：mcptoon

我写了一个 CLI，放在你的 agent 和 MCP 服务器之间。它做了三件事：

1. Schema 压缩（SLIM 格式）

mcptoon 没有使用完整的 JSON schema，而是用一种紧凑的管道分隔格式来呈现工具：

# Full JSON (287 tokens per tool): {"name":"search","description":"Search the web","inputSchema":{"type":"object","properties":{"q":{"type":"string","description":"Query"},"n":{"type":"number"}},"required":["q"]}} # SLIM format (26 tokens): search|q:s*|n:n

255 个工具：39,964 → 3,511 tokens。节省了 91%。已用 tiktoken.get_encoding("cl100k_base") 验证。

2. 零 Context 发现

Schema 保存在磁盘上的 ~/.mcptoon/config.json 中。你的 agent 运行 mcptoon manifest --slim 来查看可用的工具，然后用 mcptoon call <server> <tool> '{"param":"value"}' --toon 来执行。只有压缩后的输出才会进入 context。

3. TOON 格式结果

工具返回的结果是人性化的键值对，而不是嵌套的 JSON：

# JSON result (80 tokens): {"content":[{"type":"text","text":"{\"name\":\"react\",\"stars\":219000}"}]} # TOON result (12 tokens): name: react stars: 219000

我的第一个版本用 ∅（空集符号）来替换 null。我觉得自己很聪明。然后有人用 tiktoken 运行了一下：null = 1 个 token，∅ = 2 个 tokens。我实际上是在增加 token 数量还把它叫做优化。

HN 社区的人因此批评了我。公平地说——我没有在发布前测量过。现在一切都用 tiktoken 验证过了。true 保持 true。null 保持 null。没有 unicode 戏法。

成本节省

按 GPT-4o 的定价（$5/M tokens）：

不使用 mcptoon：25 个请求 × 40K schema tokens = 1M tokens = $5

使用 SLIM：25 个请求 × 3.5K = 87.5K tokens = $0.44

每日节省（100 个会话）：约 $540/月

pip install mcptoon mcptoon add fetch --stdio npx -y @anthropic/mcp-fetch mcptoon manifest --slim # see what's available, compact mcptoon call fetch fetch '{"url":"https://example.com"}' --toon

适用于任何可以运行 shell 命令的 agent。一个配置文件适用于所有 agent——不再需要为 Claude Code vs Cursor vs OpenCode 重新配置。

3000 行 Python 代码，309 个测试，零依赖。