Zum Hauptinhalt springen

Die MCP-Token-Steuer

Experte

Diesen Monat gibt es einen Streit auf Hacker News und X: warum Zehntausende Tokens für eine einzige MCP-Operation verbrennen, wenn dasselbe über eine CLI ein paar Hundert kostet? Es klingt nach MCP-Bashing. Ist es aber nicht. Die, die am lautesten argumentieren, sind genau die, die Agenten lieben — sie haben nur die Rechnung gesehen. Diese Seite ist der praktische Leitfaden zu dieser Rechnung: wohin die Tokens tatsächlich fließen, die zwei Kosten, die fast niemand trennt, und die drei Lösungen, die aus einem 150.000-Token-Workflow einen mit 2.000 Tokens machen.

What you'll learn
  • Trenne die ZWEI unterschiedlichen MCP-Token-Kosten: das Laden der Tool-Definitionen und die Zwischenergebnisse
  • Verstehe, warum die Schema-Kosten pro Konversation anfallen, nicht einmalig
  • Nutze defer_loading und das Tool Search Tool, um Tool-Schemas bei Bedarf zu laden
  • Nutze Code-Ausführung / Programmatic Tool Calling, um große Ergebnisse aus dem Kontext herauszuhalten
  • Entscheide pro Aufgabe, wann ein MCP-Tool sich lohnt und wann ein einfacher CLI-Aufruf gewinnt

Zwei Kosten, nicht eine​

Wenn du einen MCP-Server anbindest, fragt der Client bei ihm tools/list ab und bekommt jedes Tool mit seinem vollständigen JSON-Schema zurück. Dieser gesamte Block wird in den Kontext des Modells injiziert. Die meisten Leute hören bei ihrer mentalen Buchhaltung genau hier auf. Aber es gibt zwei getrennte Steuern, und die zweite ist meist die größere.

Kosten 1 — Tool-Definitionen. Name, Beschreibung und Parameter-Schema jedes angebundenen Tools liegen im Kontext. Anthropics eigene Formulierung: "In Fällen, in denen Agenten mit Tausenden von Tools verbunden sind, müssen sie Hunderttausende Tokens verarbeiten, bevor sie überhaupt eine Anfrage lesen." Ein einzelner Enterprise-Server kann Dutzende bis Hunderte Tools veröffentlichen; Drittanbieter-Analysen beziffern einen 400-Tool-Server auf rund 400.000 Tokens allein an Schema — mehr als Claudes 200k-Kontextfenster fassen kann.

Kosten 2 — Zwischenergebnisse. Wenn das Modell ein Tool direkt aufruft, fließt jedes Ergebnis zurück durch den Kontext des Modells, auch die Teile, die es nie lesen sollte. Anthropics Beispiel: Zieh ein zweistündiges Meeting-Transkript aus einem Tool und reiche es an ein anderes weiter, und das vollständige Transkript läuft zweimal durch das Modell — potenziell ~50.000 Tokens — nur um eine einzeilige Zusammenfassung zu erzeugen.

Watch out
  • Kosten 1 fallen in JEDER Runde an, bis Prompt-Caching greift — die Schemas werden mit jeder Anfrage in der Konversation erneut gesendet, nicht einmalig geladen. Ein großer Tool-Katalog ist eine Steuer auf die gesamte Sitzung, keine einmalige Gebühr.
  • Kosten 2 skalieren mit deinen DATEN, nicht mit deiner Tool-Anzahl. Zehn winzige Tools können günstiger sein als ein Tool, das einen riesigen Blob zurückgibt.

Die Zahlen, aus den Primärquellen​

LösungAufgabeVorherNachherReduktion
Code-Ausführung mit MCPGoogle Drive → Salesforce-Workflow150.0002.00098,7 %
Tool Search ToolDefinitionen laden, bevor die Arbeit beginnt~77.000~8.70085 %
Programmatic Tool CallingKomplexe Recherche-Aufgabe43.58827.29737 %

Alle drei Zeilen sind veröffentlichte Zahlen von Anthropic. Das Überraschende sind nicht die Kosten — es ist die Genauigkeit: Mit dem Tool Search Tool stieg die Genauigkeit der Tool-Auswahl (Opus 4.5 ging von 79,5 % → 88,1 %; Opus 4 ging von 49 % → 74 %). Weniger Tools, die den Kontext verstopfen, bedeuten, dass das Modell häufiger das richtige auswählt. Kosten und Qualität bewegen sich hier in dieselbe Richtung, was selten ist.

Lösung 1 — Tool-Schemas bei Bedarf laden​

Statt alle Schemas vorab zu injizieren, markiere sie mit defer_loading: true. Claude sieht dann nur einen leichtgewichtigen Index; wenn es GitHub braucht, ruft es das Tool Search Tool auf, das nur die passenden GitHub-Schemas zurückgibt — nicht die über 50 Tools jedes anderen Servers. Anthropic berichtet, dass dies ~191.300 Tokens Kontext bewahrt, verglichen mit ~122.800, wenn alles vorgeladen ist.

Du beobachtest dieses Muster gerade jetzt, wenn du Claude Code mit vielen MCP-Servern nutzt: Tools kommen deferred an, und der Agent holt jedes Schema über einen Suchschritt nur dann, wenn eine Aufgabe es braucht. Community-Berichte sagen, dass Claude Code MCP Tool Search automatisch aktiviert, sobald deine angebundenen Tool-Beschreibungen ~10 % des Kontextfensters überschreiten würden — überprüfe den genauen Auslöser in deiner Version.

Guided walkthrough1 of 3
  1. Liste die aktiven Server auf und ungefähr, wie viele Tools jeder veröffentlicht. Ein Server, den du letzte Woche für eine Aufgabe angebunden hast, besteuert heute noch jede Runde.

Lösung 2 — Ergebnisse mit Code-Ausführung aus dem Kontext halten​

Die tiefere Lösung zielt auf Kosten 2. Statt dass das Modell Tools nacheinander aufruft und jedes Ergebnis durch es hindurchläuft, schreibt das Modell Code, der die Tools aufruft, und die Zwischendaten bleiben in der Ausführungsumgebung. Anthropic stellt MCP-Server als einen Dateibaum von Tools bereit, den der Agent wie ein Dateisystem erkundet und dabei nur die Definitionen lädt, die er braucht — und "Zwischenergebnisse bleiben standardmäßig in der Ausführungsumgebung … der Agent sieht nur das, was du explizit protokollierst oder zurückgibst."

Genau diese eine Designänderung ist es, die den Drive→Salesforce-Workflow von 150.000 auf 2.000 Tokens zusammenschrumpfen lässt: Die Datensätze bewegen sich durch Code, und nur die finale Zahl kommt zum Modell zurück. Auf der Developer Platform kommt dieselbe Idee als Programmatic Tool Calling — Claude schreibt Python, das mehrere Tools orchestriert und die Ausgaben filtert, bevor sie überhaupt in seinen Kontext gelangen.

Pro tip
  • Faustregel: Wenn ein Tool etwas Großes ZURÜCKGIBT (ein Transkript, einen Query-Dump, eine Datei), willst du Code-Ausführung, damit der Blob außerhalb des Kontexts verarbeitet wird. Wenn ein Tool nur etwas Kleines TUT (ein Issue erstellen, eine Zeile senden), ist ein direkter Aufruf in Ordnung.

Lösung 3 — Erkenne, wann ein CLI-Aufruf einfach gewinnt​

Manchmal ist die richtige Antwort kein besseres MCP-Setup — sondern gar kein MCP. Das HN/X-Argument hat einen echten Punkt: Ein Shell-Befehl wie gh pr list oder psql -c '…' kostet ein paar Hundert Tokens hin und zurück, während der äquivalente MCP-Weg für Schemas plus ein strukturiertes Ergebnis zahlt. Wenn der Agent bereits ein Terminal hat und die CLI existiert, ist das oft der schlankeste Weg.

Bevorzuge die CLI, wenn das Tool bereits eine CLI ist

# Instead of connecting a GitHub MCP server for read-only work,
# let the agent use the gh CLI it already has:
gh pr list --state open --json number,title,author

# ~200 tokens of command + compact output, no schema tax,
# no server to keep connected across the session.

MCP verdient seinen Overhead, wenn du typisierte, berechtigungsgeprüfte, oberflächenübergreifende Fähigkeit brauchst — eine Datenbank mit einer Nur-Lese-Rolle, einen Browser, den es steuern kann, eine SaaS-API mit OAuth — oder wenn dieselben Tools über viele Runden hinweg wiederverwendet werden, sodass Caching die Schema-Kosten amortisiert. Greif zu einer CLI, wenn die Fähigkeit einmalig ist, bereits skriptbar und etwas Kleines zurückgibt. Keines ist "besser"; sie sind unterschiedliche Punkte auf einer Kostenkurve.

Key takeaways
  • MCP hat zwei Token-Kosten: Tool-Definitions-Schemas (fallen ~jede Runde an) und Zwischenergebnisse (skalieren mit deinen Daten).
  • Tool Search + defer_loading senken die Schema-Kosten um ~85 % UND steigern die Genauigkeit der Tool-Auswahl — lade Schemas nur bei Suche.
  • Code-Ausführung / Programmatic Tool Calling halten große Ergebnisse in der Ausführungsumgebung; nur was du protokollierst oder zurückgibst, erreicht das Modell (150k → 2k in Anthropics Beispiel).
  • Die günstigste Optimierung ist, pro Aufgabe weniger Server anzubinden.
  • Wenn die Fähigkeit einmalig ist, etwas Kleines zurückgibt und bereits eine CLI hat, schlägt ein Shell-Aufruf (~200 Tokens) einen MCP-Roundtrip.
Begriffe der MCP-Ökonomie
Drücke Enter oder die Leertaste, um die Karte umzudrehen. Nutze die Pfeiltasten links und rechts, um zwischen den Karten zu wechseln.Begriff angezeigt.
1 / 5

Prüfe dich selbst

0/4
  1. Warum sind die Tool-Definitions-Kosten schlimmer als eine einmalige Gebühr?
  2. Ein Tool zieht ein 2-stündiges Transkript und übergibt es per direkten Aufrufen an ein Zusammenfassungs-Tool. Was sind die versteckten Kosten?
  3. Du brauchst während einer Coding-Sitzung ein einzelnes Nur-Lese-'offene PRs auflisten' und der Agent hat ein Terminal. Schlankeste Option?
  4. Was Überraschendes passiert mit der Genauigkeit der Tool-Auswahl, wenn du das Tool Search Tool nutzt?

Verwandtes auf AILmanac​

Quellen & weiterführende Literatur​