MCP 服务器消耗多少 token，如何减少

模型只能调用事先描述给它的工具，而描述会放进请求里：名称、几句说明和输入参数的 JSON schema。Anthropic 的工具使用定价把这些都计作输入 token，与提示的其他部分一样。因此 MCP 服务器确实消耗 token；编码代理每一轮都会重发完整上下文，也就每轮都会产生这类开销。

具体多少取决于代理是否延迟加载定义。以 2026 年 9 月为准，在支持的模型上，Claude Code 和新版 Codex CLI 都会先保留大部分 MCP 工具定义，等模型需要时才加载。闲置服务器如今开销较小，但不是零；某些配置会悄悄恢复完整开销。

MCP 服务器给请求增加了什么

• →工具定义：每个工具的名称、说明和 JSON 输入 schema。Anthropic 的工具搜索文档举例说，GitHub、Slack、Sentry、Grafana 和 Splunk 五个常见服务器，可能在模型开始工作前就带来约 55,000 token 的定义。
• →服务器指令：服务器连接时返回的一小段说明，告诉模型它的用途。Claude Code 在会话开始时加载，默认截断至 2,048 个字符。
• →调用与结果：模型发出的调用和服务器返回的结果都进入对话记录。包含问题清单或数据库 schema 的结果可能有数千 token；直到压缩或清空把它移除前，之后每一轮都会重发，缓存有效时按缓存价格计费。
• →工具使用系统提示：只要请求包含任何工具，Claude API 就会加入自己的指令。按 Anthropic 2026 年 9 月公布的表格，Opus 5.5 为 286 token、Sonnet 5 为 354、Haiku 4.5 为 496。编码代理本来就有内置工具，因此本来就会承担这项成本；MCP 服务器不会使它翻倍。

延迟加载还是预先加载：先确认自己的设置

Claude Code 默认开启工具搜索。会话开始时，只有工具名称和服务器指令进入上下文；Claude 搜索某个工具时，才加载完整 schema。Anthropic 称工具搜索通常能把定义开销降低 85% 以上，每次请求只加载所需的三到五个工具。已加载的定义之后会留在对话中，与历史记录一起重发。

以下情况会让 MCP 定义完整进入每次请求：

• →ANTHROPIC_BASE_URL 指向非 Anthropic 的代理或网关。如果网关会转发工具搜索所依赖的块，可设置 ENABLE_TOOL_SEARCH=true。
• →设置了 ENABLE_TOOL_SEARCH=false，或设置了 CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS；后者即使同时设置 ENABLE_TOOL_SEARCH，也会关闭工具搜索。
• →设置 ENABLE_TOOL_SEARCH=auto：只要定义总量少于上下文窗口的 10%，就会预先加载。
• →服务器标记为 alwaysLoad: true：该服务器的工具会预先加载。
• →部署环境不支持工具搜索：Google Cloud Agent Platform 上早于 4.5 代的 Claude 模型，以及托管在 Azure 的 Microsoft Foundry 部署。

在 Claude Code 中查看开销

$/context all

/context 按类别显示窗口中的所有内容：系统提示、系统工具、MCP 工具、记忆文件、技能和消息。加上 all 可展开每一项的明细。会话刚开始、尚未输入时运行一次，查看配置本身的成本；调用几次工具后再运行一次，看看结果增加了多少。

$/mcp

Pro、Max、Team 和 Enterprise 套餐中的 /usage 还会把近期用量归到各个 MCP 服务器，只统计携带该服务器结果的请求。它告诉你哪个服务器用起来昂贵，而不是哪个服务器闲置时昂贵。通常前者更有参考价值。

单个 MCP 结果超过 10,000 token 时，Claude Code 也会警告。它默认通过 MAX_MCP_OUTPUT_TOKENS 将结果上限设为 25,000 token。更大的结果会保存到文件，对话中只收到路径。

在 Claude Code 中减少开销

• →关闭项目用不到的服务器。在 /mcp 中关闭，或输入 /mcp disable <server>。Claude Code 会按项目记录选择并保留配置。
• →只让需要的项目加载服务器。claude mcp add 默认采用 local 范围，只限当前项目。--scope user 会在机器上所有项目加载；纳入版本控制的 .mcp.json 则供仓库中批准它的人加载。
• →检查 claude.ai 连接器。使用 claude.ai 订阅登录时，Claude Code 会自动加载在 claude.ai 添加的连接器。可在项目 .claude/settings.json 中设置 "disableClaudeAiConnectors": true，或以 ENABLE_CLAUDEAI_MCP_SERVERS=false 启动 Claude Code，将其排除。
• →有命令行工具时就使用它。Anthropic 的成本建议指出，gh、aws、gcloud 和 sentry-cli 不增加逐工具清单开销，Claude 可以直接运行。
• →保持延迟加载开启。只为每轮都需要的少数工具设置 alwaysLoad。
• →移除永远不想使用的单个工具。用 mcp__<server>__<tool> 格式写一条权限拒绝规则，它就不会进入 Claude 的上下文。

工具清单太长，也会影响准确性

庞大的工具目录还有第二项代价。Anthropic 文档称，可用工具达到 30 至 50 个后，Claude 选择工具的能力开始下降。延迟加载有帮助，因为 Claude 只看到搜索到的少数工具；更短的目录则更有帮助。

如果你编写或挑选服务器，Anthropic 的工具设计建议也指向同一方向：用带 action 参数的一个工具合并相关操作，而不是每个动作一个工具；按服务给名称加前缀（github_、slack_），让一次搜索找到整组；只返回下一步需要的字段。更少、覆盖面更广的工具会缩短定义；精简结果则会减少留在对话记录中的内容。

工具变化何时会破坏缓存

提示缓存依赖前缀匹配。Claude API 按固定顺序构建前缀：先是 tools，再是 system，最后是 messages。任何工具的名称、说明或参数改变，都会使整个缓存失效。下一次请求会把整段对话当作新输入重新处理，而不是从缓存读取；以 2026 年 9 月为准，多数模型的缓存读取只需普通输入价格的十分之一。

在 Claude Code 中，结果取决于加载方式。延迟加载时，服务器连接、断开或修改工具清单，只会向对话末尾追加内容，缓存前缀仍有效。预先加载时，这些变化都会使缓存失效，而且可能在你没有操作时发生：本地服务器进程退出、远程会话到期、服务器短暂故障后重连。MCP 配置修改要到下次启动才生效。因此，预先加载工具时，最好在两次会话之间增删服务器。

Codex CLI

Codex CLI 在 ~/.codex/config.toml，或可信项目的 .codex/config.toml 中保存 MCP 服务器配置；每个服务器有一张 [mcp_servers.<name>] 表。CLI、IDE 扩展和 ChatGPT 桌面应用共用该配置，因此为其中一个添加的服务器，也可供另外两个使用。

成本结构相同：Codex 暴露给模型的每个工具都要描述，结果都会进入对话记录。以 2026 年 9 月的 0.156 版本为准，支持的模型会通过搜索工具延迟加载 MCP 定义，同时预先列出服务器。这一行为来自开源代码，而非文档，应视为当前实现，不应视为永久承诺。

$/mcp verbose

/status 显示会话 token 用量和剩余上下文。相关开关在同一配置文件中：

• →enabled = false 在不删除配置的情况下关闭服务器。
• →enabled_tools 只暴露列出的工具；disabled_tools 再从允许清单中排除部分工具。
• →服务器表中的 tools.<tool>.output_token_limit 为单个工具输出设定 token 预算，覆盖模型默认的截断设置。
• →只有一个仓库需要的服务器应放在它的 .codex/config.toml，而非全局文件。

其余成本来自哪里

定义采用延迟加载、闲置服务器已关闭后，剩下的主要是上下文本身：代理读取的文件、命令输出，以及承载两者的历史。capsul 可驱动你已经登录的 Claude Code 或 Codex CLI，发送任务所需内容，达到你设定的预算时停止，并告知哪些内容未被纳入。

$capsul ask 'why does the webhook handler retry twice' --budget 3000