200 个 MCP 工具先占用约 2.45 万令牌
作者通过真实 MCP 客户端读取工具定义,测量工具描述与参数结构带来的输入开销,200 个工具消耗 24,522 个令牌。实验将十类工具以编号扩展至更大规模,因此结果反映该组定义的开销,不能直接代表所有服务器。
AI 深度解读
给 Agent 接上 200 个 MCP 工具,还没处理用户的问题,工具定义就先占了 24,522 tokens。这是作者用合成工具测出的结果。更麻烦的是,从 50 个扩到 500 个,开销始终近似线性增长,服务端却没有出现性能异常。
这组实验值得 AI 编程用户看:工具连接顺畅,不代表连接没有代价。它提醒我们检查的,是每次请求到底塞进了多少工具说明、这些说明是否命中缓存,以及当前任务究竟需要多少工具。
200 个工具,为什么还没干活就有开销
模型调用工具之前,需要知道工具叫什么、能做什么、接受哪些参数。这些名称、描述和参数结构,也就是 schema,会以工具定义的形式进入模型输入。
作者用官方 SDK 搭建真实 MCP 服务端,再通过真实客户端列出工具,按宿主交给模型的定义形式计数。实验复用了十种工具模板,包括读写文件、列目录、搜索、网页搜索、数据库查询、创建 issue、列出 pull request、发送消息等。超过十个后,用编号名称重复这些模板,每个 schema 有两三个字段。
计数使用 cl100k tokenizer,序列化采用紧凑 JSON。结果如下:
| 工具数量 | 工具定义 tokens | 占 200k 窗口比例 |
|---|---|---|
| 1 | 101 | 原文未列 |
| 10 | 1,208 | 原文未列 |
| 50 | 6,132 | 约 3% |
| 200 | 24,522 | 12.3% |
| 500 | 原文未列总量 | 30.7% |
其中,1、10、50 个工具的结果与作者前一次实验完全一致,说明两轮数据使用了同一把尺子。
从 50 个工具开始,平均每个工具的开销稳定在约 122.6 tokens。没有跨过某个规模后突然暴涨,也没有数量多了就摊薄。
工具定义的总开销,会跟着工具数量持续增长。
但这个结论要带上实验条件:新增工具来自相同模板,因此单位成本稳定很好理解。实际接入多个 MCP 服务时,描述长度、参数复杂度各不相同,不能把 122.6 当成统一定价。
服务端跑得很快,为什么仍然需要控制数量
作者特意检查了工具数量增加后,MCP 是否会变慢。
列出 200 个工具,两次测试分别落在 14 至 37 毫秒之间;500 个工具是 46 至 105 毫秒。各规模的注册耗时都是几毫秒,调用列表最后一个工具,在 1 至 500 个工具的测试中都不到 1 毫秒。
这说明,在作者的机器和测试方式下,工具注册、发现与调用没有成为瓶颈。毫秒数据只有两次运行,适合理解为「几十毫秒量级」,不能当成稳定的性能指标。
实验中唯一的错误来自探针:某个工具要求两个必填参数,作者第一次只传了一个,触发校验错误。补齐后重新测试通过。
这里也有一个边界:调用列表最后一个工具成功,不等于模型能从 500 个相似工具中准确选中目标。原文没有测试选工具准确率,也没有测试任务完成质量。
协议处理得动,和 Agent 用得好,是两个问题。
真正拉开账单的,是定义长度、缓存和序列化
作者按 11 月 15 日核对的 Sonnet 4.5 标价计算:普通输入每百万 tokens 为 $3.00,缓存输入为 $0.30。以下都是原文采用这组价格算出的结果。
200 个合成工具,每条消息的定义成本约为 $0.0736,命中缓存后约为 $0.0074;累计 100 条消息,分别是 $7.36 和 $0.74。缓存能明显降低费用,但工具定义仍然占据输入上下文。
真实工具可能比实验模板更长。作者之前测过一个包含 16 个工具的文件服务,共 4,204 tokens,平均每个 262.8 tokens。最短工具为 154 tokens,最长为 408;本次 200 个合成工具的单工具范围则是 81 至 155。
按真实文件服务的平均长度外推,200 个工具约需 52,560 tokens,占 200k 窗口的 26.3%;未缓存费用约为每条消息 $0.158,每 100 条 $15.77。
这组 200 工具的数据是外推,作者没有拿 200 个真实工具重新测量。
还有一笔容易漏看的开销:同样的 200 个工具,JSON 如果经过美化排版,tokens 会从 24,522 增至 40,402,多出约 65%。工具能力没变,变化来自序列化格式。
因此,优化不能只盯着工具数量。冗长描述、复杂 schema,以及实际传输的格式,都可能影响预算。
我的判断
作者最有价值的提醒,是把工具定义当成需要管理的输入资源。MCP 接入成功后,这部分成本很容易从视野里消失,而编码 Agent 一次任务可能经历多轮请求,累积开销需要按实际请求量算。
但「每条消息都付完整工具菜单的费用」,有部署前提。宿主如何组织工具定义、哪些请求携带定义、是否支持按需暴露、缓存是否生效,原文没有覆盖所有情况。它准确展示了一种完整注入工具定义时的成本模型,不能替所有客户端下结论。
另外,cl100k 的计数适合比较这批实验样本,却不能直接当成 Sonnet 4.5 的精确账单。原文没有用该模型实际返回的用量验证。12.3% 也是上下文容量比例,不能据此断言模型损失了同等比例的「注意力」或任务能力。
作者建议缩短描述、按任务拆分服务,这些方向合理。但他没有提供优化前后的选工具准确率和任务成功率,所以仍属于有测量支撑的工程建议,效果需要各团队验证。描述压得太短,也可能让模型分不清相似工具;如果宿主支持工具白名单,先控制暴露范围,通常比马上重构服务更容易落地。
能拿来做什么
- 给日常编码 Agent 做一次工具清点,记录实际发送的定义、tokens、请求次数与缓存用量。原文估算,40 个精简工具约需 5,000 tokens,接近真实样本长度时约需 10,000,可用来初筛预算。
- 在 Node 编写 MCP 服务时,把描述写清楚,优先交代用途、调用条件和关键限制。检查重复说明与多余格式,同时保留模型区分工具所需的信息。
- 根据任务控制工具范围。如果当前只需要 40 个工具中的 3 个,先用客户端允许列表或按任务连接服务,减少其余 37 个工具的常驻开销。
- 调整配置后,用相同编码任务比较实际输入用量、费用和完成质量。省下 tokens 只是一个指标,还要确认模型能稳定找到并正确调用需要的工具。