实测逾三万 MCP 服务的工具定义开销
作者利用 Anthropic 的 token 计数接口测量 35,633 个 MCP 服务的工具定义,报告中位数为 2,518、平均值为 8,059 tokens,另有 45 个超过 20 万。结果揭示长尾服务可能占用大量上下文,具体请求开销仍需结合客户端工具加载方式判断。
AI 深度解读
MCP 工具还没执行,就可能先占掉一截上下文。作者统计了 35,633 个服务器,发现多数并不贵:中位数只有 2,518 tokens。但长尾很夸张,45 个服务器光是工具定义就超过 200k 上下文窗口。
这组数据的价值,是把「MCP 很吃上下文」拆成了可以检查的问题:你加载了多少工具、定义有多长、客户端是否全量加载,以及估算方法到底靠不靠谱。对经常给 AI 编程助手配置 MCP 的开发者,这比盯着服务器数量更有用。
多数服务器不贵,真正要防的是长尾
作者维护了一个名为 mcpcost 的探测程序:每天连接官方 MCP registry 中的远程服务器,请求 tools/list;以软件包形式分发的服务器,则每周放进容器启动一次,并保存返回结果。
在 2026 年 11 月 14 日这次统计中,35,633 个服务器成功列出工具并完成计数。
中位数服务器占用 2,518 tokens,约为 200k 窗口的 1.3%。接入 5 个这样的服务器,大约占用 12,600 tokens,也就是 6% 左右。一半服务器只有 8 个或更少工具,超过五分之一的服务器低于 1,000 tokens。
问题出在另一端。
每 10 个服务器中,就有 1 个超过 17,000 tokens。如果配置里放了 5 个这样的服务器,第一次提问前就可能消耗超过 40% 的窗口。另有 3,167 个超过 20,000 tokens,133 个超过 100,000,45 个超过 200,000。
最大的服务器只有 73 个工具,却占用约 160 万 tokens,相当于 8 个完整的 200k 窗口。排名前 1% 的 356 个服务器,占据了整个统计样本 16% 的工具定义 tokens。
所以,平均值 8,059 并不能代表典型体验,它超过中位数的 3 倍。
评估 MCP 配置,至少要同时看中位数和第 90 百分位,平均值很容易掩盖长尾。
先数工具,再检查特别肥的 schema
工具定义包括名称、描述和参数结构(schema)。即使工具没有被调用,只要客户端把这些内容提交给模型,它们就会占用输入空间。
服务器变重有两种原因:工具太多,或者单个工具定义太长。作者的统计更支持前者。
样本中,每个工具的 token 成本中位数约为 320;九成服务器的单工具平均成本低于 855。无论服务器有 3 个还是 300 个工具,这项成本总体变化不大。因此,作者给出的快速估算是:
工具数量 × 320。
这适合初筛,不能当作验收结果。293 个服务器的单工具平均成本超过 2,000 tokens;那个占用 160 万 tokens 的服务器,每个工具约为 22,000 tokens。作者也明确说,自己没有读完它的全部 73 份 schema,并未解释这些定义为何如此庞大。
原文还对比了 Sarvar 文章引用的 AWS 指引:单个工具 schema 约为 550 至 1,400 tokens。本次 registry 样本中,多数服务器的单工具成本甚至低于这个区间下限。这提示我们,经验区间也有适用范围,不能拿一个数字覆盖所有生态。
作者最终把改进重点放在发布者身上:8 个工具很常见,40 个工具就应该是有意识的产品选择。Sarvar 将一个服务器从 15 个工具缩到 4 个,是单个服务器的改造案例;它支持精简工具的方向,但原文没有提供足够结果,让我们计算这种改造通常能节省多少成本。
本地 tokenizer 的结果,为什么可能偏低
作者最初把工具序列化为紧凑 JSON,再用 o200k_base tokenizer 计数。后来改用 Anthropic 的 count_tokens endpoint,测量模型实际会看到的输入 tokens,模型为 Claude Opus 5.5。该接口只计数,不运行模型。
具体方法是发送两次请求:一次包含服务器工具和一个很小的标记工具,另一次只有标记工具。两次结果相减,得到该服务器工具定义的增量成本。
对全部样本同时使用两种方法后,接口计数与本地估算的比值,中位数为 1.75;八成服务器落在 1.62 至 1.87 之间。这不是几个百分点的误差。
但不能据此认定所有 tiktoken 估算都应该永久乘以 1.75。这里比较的是特定 JSON 序列化方式、o200k_base 和 Claude Opus 5.5 的计数结果;原文没有进一步拆分 tokenizer 与工具包装各自贡献了多少偏差。
Claude Code 还会把工具重命名为 mcp__<server>__<tool>。作者也测了这个变体,中位数增加约 3.5%,即 89 tokens。相较于工具数量和异常庞大的 schema,这属于次要开销。
我的判断
我赞同作者把注意力从「接了几个 MCP」转向「实际加载多少定义」。这个指标更接近上下文的真实消耗,也方便定位问题。
不过,这是一份有边界的样本统计。registry 中还有 13,140 个需要认证的服务器没有纳入,其中包含不少大型厂商的托管服务。Sarvar 文中 GitHub 服务器的 93 个工具占用 55,000 tokens,约每个 590 tokens,但作者没有亲自复测。
样本分布也受发布方式影响:同一发布者、同一主机贡献了 2,343 个条目,每个集中在 12,600 至 13,200 tokens。包含这些条目时,超过 10,000 tokens 的服务器占 22%;移除后是 16%。这两个比例回答的是不同样本问题,不能直接代表一般团队的配置。
工具定义总量是全量加载的容量指标,不能直接当成每次请求的实际账单。
部分客户端已经按需加载定义;工具返回的数据又可能比定义更大,而本文完全没有测量返回结果。更换模型后,计数也需要重做。
因此,精简工具、按需加载和限制返回数据,都有各自针对的问题。原文没有提供它们之间的成本、延迟和任务成功率对照,尚不能证明哪一种方案普遍最优。
作者还披露过一次监控错误:10 月计数接口拒绝了他的 API key,程序却把它记成服务器 schema 被拒,导致看板连续 7 天错误归因。这条经验同样实用:监控结果可信,首先得把认证失败与 schema 失败分开记录。
能拿来做什么
- 给日常 AI 编程配置做一次工具清点,记录每个服务器实际暴露的工具数,优先检查几十个工具的服务器,再检查特别长的描述和参数结构。
- 如果你用 Node 脚本序列化工具定义并交给本地 tokenizer,先用目标模型的计数接口校准。原文的 1.75 倍可以提示风险,最终预算应以自己的请求格式为准。
- 发布 MCP 服务器时,逐项确认工具是否需要同时暴露;选择按需加载方案后,也要检查实际请求,确认客户端确实减少了提交的定义。
- 把工具定义与工具返回结果分开计量,并区分认证、连接和 schema 错误,避免优化了定义,却漏掉更大的返回内容,或依据错误监控做判断。