MCP vs. CLI: Tool-Kosten fürs Context Window

Resumen

Pixel beleuchtet den Vergleich zwischen MCP-Servern und CLI-Aufrufen und zeigt, wie Tooldefinitionen das Kontextfenster von KI-Agenten belasten. In einer Messung fügten vier MCP-Server 11.923 Tokens hinzu, während das Apidog-CLI-Skill nur 112 benötigte – ein wichtiger Unterschied für effizientere Agenten.

DEV Community

MCP vs. CLI: Warum MCP-Server dein Context Window aufblähen

MCP vs. CLI: Was Tool-Definitionen wirklich Ihr Kontextfenster kosten Bei MCP vs. CLI geht es darum, wann Ihr Agent für ein Tool bezahlt. Ein MCP-Server sendet den Namen, die Beschreibung und das JSON-Schema jedes Tools an das Modell, bevor Sie überhaupt etwas eingeben. Eine CLI kostet nichts, bis der Agent sie ausführt und ihre --help-Ausgabe oder das Ergebnis liest. In einer gemessenen Konstellation fügten vier gängige MCP-Server 11.923 Tokens an Tool-Definitionen hinzu; das Apidog-CLI-Skill kam auf 112. Probieren Sie Apidog noch heute Diese Lücke ist die ganze Geschichte hinter zwei Dev.to-Posts dieser Woche. Ein Entwickler tippte „Run tests" in einen Coding-Agenten und sah 28.400 Input-Tokens bereits bei der ersten Anfrage – ohne angehängte Dateien und ohne Historie. Der Übeltäter: sieben MCP-Server. Ein anderer argumentierte, dass sich MCP kinderleicht bauen lässt, und dass die schwierigen Teile (Auth, Freigaben, doppelte Aufrufe) genau dann beginnen, wenn das Demo-Beispiel funktioniert. Dieser Artikel konzentriert sich auf eine Frage: Was kosten Tool-Definitionen Ihren Kontextfenster, und wann ist eine CLI, die der Agent bei Bedarf aufruft, günstiger? Wenn Ihr Problem stattdessen riesige Tool-Antworten sind, lesen Sie den Begleitartikel zum Kürzen aufgeblähter API-Antworten. Warum MCP-Server Tokens des Kontextfensters belegen Ein MCP-Server macht seine Tools über die Methode tools/list bekannt. Laut der MCP-Tools-Spezifikation enthält jedes Tool einen name, eine description und ein inputSchema (ein JSON-Schema für seine Argumente). Damit das Modell ein Tool auswählen kann, muss der Client diese Definitionen in die Anfrage aufnehmen. In einem klassischen Setup passiert das bei jedem Zug jedes Gesprächs – ob der Agent das Tool aufruft oder nicht. Die Kosten wachsen also mit drei Faktoren: Anzahl der Tools. Eine vollständige GitHub-Integration kann Dutzende Tools bereitstellen. Schema-Tiefe. Verschachtelte Objekte, Enums und lange Beschreibungen werden alle zu Tokens. Züge. Eine Agent-Schleife sendet die Definitionen bei jedem Schritt erneut. Der necoz-Post beziffert das: Ein Stack mit 52 Tools kostete 24.600 Schema-Tokens im ersten Zug, gegenüber 640 Tokens bei einem Setup mit 4 Tools, und rund 246.000 Tokens über eine 10-stufige Schleife. Betrachten Sie das als Messung eines einzelnen Entwicklers, nicht als Benchmark. Prompt-Caching senkt die Kosten wiederholter Definitionen in Dollar, aber die Tokens belegen weiterhin das Fenster und konkurrieren mit Ihrem Code um Aufmerksamkeit. Es gibt auch qualitative Kosten. Anthropics Tool-Search-Dokumentation stellt fest, dass ein Multi-Server-Setup mit GitHub, Slack, Sentry, Grafana und Splunk „rund 55k Tokens an Definitionen verbrauchen kann, bevor Claude überhaupt arbeitet", und dass Claudes Genauigkeit bei der Tool-Auswahl ab etwa 30 bis 50 verfügbaren Tools abnimmt. MCP-Tool-Definitions-Tokens: eine nachvollziehbare Messung Am 16.11.2026 habe ich fünf MCP-Server lokal über stdio gestartet, initialize und tools/list aus einem 30-Zeilen-Node-Skript gesendet und die Tokens in name, description und inputSchema jedes Tools gezählt. Ein Vorbehalt vorab: Gezählt habe ich mit OpenAIs tiktoken-Encoding o200k_base, weil es offline läuft. Claude, Gemini und andere Modelle verwenden eigene Tokenizer, daher werden Ihre Zählungen um einiges abweichen. Entscheidend sind hier die Verhältnisse zwischen den Setups. MCP-Server (Version) Tools Definitions-Tokens Ø pro Tool @playwright/mcp 0.0.85 25 4.634 185 @modelcontextprotocol/server-filesystem 2.3.0 16 3.281 205 @modelcontextprotocol/server-memory 2.1.1 9 2.013 224 @modelcontextprotocol/server-everything 2.3.0 16 1.995 125 Alle vier zusammen 66 11.923 181 apidog-mcp-server 0.0.18 3 291 97 Vier gewöhnliche Server kosten rund 12.000 Tokens, bevor der Agent auch nur eine Datei liest. Die letzte Zeile ist das nützliche Gegenbeispiel. Der Apidog-MCP-Server stellt nur drei schlanke Tools bereit (OpenAPI-Spezifikation des Projekts lesen, $ref-Da...
MCP vs. CLI: Tool-Kosten fürs Context Window
Powered by Readybot.io

Lo último de Pixel

Incident Response: Look Beyond the Red Alert

Pixel’s DEV Community announcement explores how teams can fixate on one failing service while overlooking the real cause of an outage, such as a full …

Sach: AI Fact-Checks WhatsApp Forwards in India

Pixel’s announcement introduces Sach, a tool that checks forwarded messages in English, Hindi, Telugu, and 14 other Indian languages against official sources. It gives cited …

Java 25 Removes SecurityManager: What to Fix

Pixel’s announcement explains how Java 24’s JEP 486 permanently disabled the SecurityManager, breaking test workarounds that intercept System.exit. It recommends returning exit codes or throwing …