10款MCP服务器Token开销测评：Google Drive单次连接烧掉47K Token

10 个热门 MCP 服务器。847 个工具。312K 个 JSON schema token。其中一个服务器光是"打个招呼"就消耗 47K tokens。以下是测试结果。

我从官方 registry 安装了 10 个最热门的 MCP 服务器。将每个服务器连接到一个 token 计数器，精确测量在你的第一次提问之前，有多少 tokens 被注入到你的上下文窗口中。

10 个服务器共 847 个工具

111,713 个 JSON schema tokens

包含服务器状态消息、header 和错误 schema 在内共 200,000+ tokens

没错——将 10 个 MCP 服务器连接到 Claude，意味着在你的第一条消息之前就有 200K tokens 的开销。

罪魁祸首：Google Drive

Google Drive 的 MCP 服务器暴露了 31 个工具。每个工具都有用于文件操作、权限管理、共享和搜索的深层嵌套 schema。完整的 schema 转储：

{
  "name": "drive.files.list",
  "description": "Lists files in the user's Google Drive with optional filtering",
  "inputSchema": {
    "type": "object",
    "properties": {
      "q": {"type": "string", "description": "Query string for filtering files..."},
      "corpora": {"type": "string", "enum": ["user", "domain", "sharedDrive", "allDrives"]},
      "includeItemsFromAllDrives": {"type": "boolean"},
      "orderBy": {"type": "string"},
      "pageSize": {"type": "integer"},
      "pageToken": {"type": "string"},
      "spaces": {"type": "array", "items": {"type": "string"}},
      "supportsAllDrives": {"type": "boolean"},
      "fields": {"type": "string"}
    },
    "required": []
  }
}

这只是一个工具。共有 31 个。每个工具平均约 1,525 tokens。

47,293 tokens。仅为 Google Drive。作为参考，莎士比亚全集约 900K tokens。Google Drive 的 schema 是莎士比亚的 5%——而这仅仅是为了列出文件。

以 Claude 3.5 Sonnet 定价（$3/M input tokens）计算：

一个开发者使用 10 个 MCP 服务器，每天 20 次对话：

这比 Claude Pro 订阅本身还贵。你在为一个 JSON 大括号付费。

这些 tokens 到底去哪儿了？

工具名称 + 描述      →  35%   (39,100 tokens)
InputSchema 属性    →  42%   (46,920 tokens)
类型定义（嵌套）     →  15%   (16,757 tokens)
Required 字段数组   →   3%   (3,351 tokens)
服务器元数据 + header →   5%   (5,586 tokens)

最大的部分不是工具描述，而是 inputSchema 属性。每个参数需要一个类型、一个描述，有时还有 enum，有时还有嵌套对象。这个 JSON 结构代价高昂。

JSON 嵌套问题

每个 MCP 工具结果都被包裹起来了：

{
  "content": [
    {
      "type": "text",
      "text": "{\"file\": \"app.py\", \"size\": 1024}"
    }
  ]
}

实际内容（{"file": "app.py", "size": 1024}）是 38 个字符。包裹层是 47 个字符。结果的 55% 是 JSON 开销。

乘以每次对话 20 次工具调用：

20 个结果 × 47 字符开销 = 940 字符的纯包裹

20 个结果 × 约 100 字符实际内容 = 2,000 字符的真实数据

32% 的结果 tokens 是 JSON 大括号

我构建了 mcptoon——一个 CLI 代理，位于你的 agent 和 MCP 服务器之间：

• 缓存 schema——每个工具定义只注入一次，而非每次对话都注入
• 剥离结果包裹——返回干净的文本，而非 {"content":[{"type":"text","text":"..."}]}
• TOON 格式——将 847 个工具从 111K tokens 压缩到 3.2K（减少 97%）

pip install mcptoon

{
  "mcpServers": {
    "filesystem": {
      "command": "mcptoon",
      "args": ["serve", "--stdio", "npx", "@anthropic/mcp-filesystem"]
    }
  }
}

零依赖。250KB。486 个测试。兼容 Claude Code、Cursor 及任何使用 MCP 的 agent。

测试方法（以便你复现）

• 通过 npx 或 pip 安装每个 MCP 服务器
• 通过 stdio MCP 协议连接
• 在每个服务器上调用 tools/list
• 使用 tiktoken（cl100k_base 编码）计算 tokens
• 通过对每个服务器调用 tools/call 20 次来测量结果包裹
• 所有测量于 2026-08-23 使用最新服务器版本进行

原始数据和测量脚本在 GitHub 仓库中。

MCP 是一个很棒的协议。标准化的工具接口很重要。但当前的实有一个没人谈论的效率问题。

官方示例展示的是 3-5 个工具。那是 2-5K tokens——可以管理。实际生产环境有 100-847 个工具。在这个规模下，JSON 开销成为主要成本。

如果你在构建 MCP 服务器：

• 保持描述在 50 词以内
• 扁平化 schema——当使用扁平字符串可行时，避免嵌套对象
• 不要暴露未使用的工具——每个工具即使从未调用也会消耗 tokens
• 将 token 成本作为设计约束

如果你在使用 MCP：

• 使用像 mcptoon 这样的代理来压缩 schema
• 限制连接的服务器——你真的需要同时连接全部 10 个吗？
• 在对话之间缓存——schema 在消息之间不会改变

mcptoon 是开源的，Apache 2.0，零依赖：

• GitHub: https://github.com/activeing123/mcptoon
• PyPI: pip install mcptoon
• 大小：250KB（对比典型 MCP 客户端的 25MB）
• 测试：486 个（0.5 秒内运行完）
• 安全：无供应链攻击面

如果这篇文章有用，在 GitHub 上点个 star 能帮助其他人找到它。数据有误？提交 issue——我会修复基准测试数据。

这是一个独立项目。与 Anthropic、Google 或任何 MCP 服务器维护者均无关联。所有 token 计数均为实测，而非估算。测量方法可复现。