Цена токенов MCP почему агенты сжигают бюджет

8 минут чтения

Локальный агент собран и готов к работе. К нему подключен доступ к файловой системе, браузеру и базе данных. Запускается простая задача. Агент делает пятнадцать шагов и выдает результат. В конце дня приходит счет за API. Сумма оказывается в три раза больше ожидаемой. Инструменты при этом модель почти не вызывала.

Подключение типичной сборки из четырех MCP-серверов добавляет десятки тысяч токенов накладных расходов на каждое сообщение. Дальше пойдет расчет этого налога на конкретных моделях и разбор математики кэширования.

Сколько токенов сжигают серверы до первого промпта

Каждый подключенный MCP-сервер загружает определения своих инструментов в контекстное окно при каждом взаимодействии. Это происходит независимо от того, вызываются функции или нет. Механизм приводит к инфляции контекста. Замер девяти популярных MCP-серверов показал объем в 38 900 токенов на 116 инструментов. Это забирает 19,4% от контекстного окна размером в 200 тысяч токенов.

Типичная конфигурация из четырех серверов добавляет около 7000 токенов накладных расходов на сообщение. Тяжелые сборки могут сжигать более 50 000 токенов. Разработчик платит за этот объем на каждом шаге рассуждений агента. Языковая модель не обладает памятью между запросами. Вся история переписки и все доступные инструменты отправляются заново с каждым запросом. Если агент делает десять шагов для решения задачи, массив из десятков тысяч токенов будет отправлен и оплачен десять раз.

За что списываются деньги: инструкции или синтаксис JSON Schema

Замер сервера Notion с 24 инструментами показывает общую стоимость в 17 500 токенов. Из этого объема 93,6% приходится на структуру JSON Schema, а не на текстовое описание для модели. Оплата уходит на фигурные скобки, кавычки, отступы и служебные ключи вроде properties, type и required.

Огромная фигурная скобка лежит на премиальном выставочном стенде как ювелирное украшение
Основная часть бюджета уходит не на полезные инструкции для модели а на оплату синтаксиса и фигурных скобок

Обычное текстовое описание функции занимает две строки. Перевод этого описания в формат, понятный для вызова инструментов, требует создания вложенной структуры. Каждый параметр получает свой тип, описание и статус обязательности. Если инструмент принимает массив объектов, схема быстро разрастается. Вложенные структуры требуют дублирования служебных ключей. Модель вынуждена обрабатывать эту разметку при каждом обращении. Главный враг бюджета скрыт не в подробных инструкциях, а в синтаксическом мусоре.

В нашей модели соотношение объема схем к полезной задаче пользователя составило 69 к 1. Токены считались через tiktoken o200k_base. У Claude и Gemini работают другие токенизаторы. Вендоры не публикуют точные бенчмарки эффективности сжатия специфического синтаксиса JSON Schema. Цифры могут незначительно отличаться в зависимости от API. Порядок величин сохраняется всегда. Объем служебной разметки подавляет объем полезного текста. Нет точных публичных замеров деградации скорости Time-To-First-Token от парсинга именно 20 000 или 40 000 токенов схем при промахе кэша.

Сравнение веса реальных серверов

СерверИнструментыТокены на сообщение
Playwright (замер JD Hodges)22~3442
Gmail (замер JD Hodges)7~2640
Репозитории (наша модель)4011 121
Браузер (наша модель)255826
Файловая система (наша модель)122353
База данных (наша модель)81513
SQLite (замер JD Hodges)6385

Сервер Gmail потребляет непропорционально много токенов из-за сложности определений. Один только инструмент gmail_create_draft стоит 820 токенов. Почтовый клиент требует передачи множества флагов, массивов адресатов и форматов тела письма. Сервер Playwright работает эффективнее в пересчете на одну функцию. Он забирает 3442 токена на 22 инструмента. База данных SQLite обходится всего в 385 токенов на шесть простых функций.

В нашей модели репозитории уровня GitHub забирают 11 121 токен на 40 инструментов. Это 278 токенов на один инструмент. Браузер требует 5826 токенов на 25 инструментов, по 233 токена на каждый. Файловая система добавляет 2353 токена на 12 инструментов, по 196 токенов на штуку. База данных обходится в 1513 токенов на 8 инструментов, по 189 токенов.

Расчет налога на 15 шагов агента

Мы смоделировали типичный цикл работы агента на 15 шагов для оценки реальных затрат. Системный промпт занимает 1500 токенов. Задача пользователя весит 300 токенов. За каждый шаг в историю добавляется 800 токенов результата работы инструмента и 200 токенов ответа самой модели. Схемы всех подключенных инструментов уходят в каждом запросе.

В нашей модели собраны четыре сервера. Это репозитории, браузер, файловая система и база данных. Суммарно получается 85 инструментов. В каждом запросе они занимают 20 813 токенов. Без MCP-схем за 15 шагов набегает 132 000 входных токенов. Со схемами объем вырастает до 444 195 токенов. Разница составляет 3,37 раза. Доля схем во всем объеме входа достигает 70%.

Если посчитать по прайсу для модели claude-sonnet-5.5, одна задача без схем обходится в $0.2499. Со схемами цена вырастает до $0.7806. Налог MCP составляет $0.5307. На объеме в 10 000 задач переплата составит $5307. Точно такие же цифры показывает gpt-6.2-sol. Без схем задача стоит $0.2499, со схемами обходится в $0.7806. Переплата на десять тысяч задач равна $5307.

Для более дешевой модели deepseek-v4.1-flash базовая цена задачи составит $0.0360. Со схемами она вырастет до $0.1140. Налог MCP равен $0.0780. Переплата на 10 000 задач составит $780.

Модель claude-opus-5.5 покажет самые высокие абсолютные цифры. Без схем задача стоит $0.4998. Со схемами цена прыгает до $1.5613. Налог составляет $1.0615. На десяти тысячах задач бюджет потеряет $10 615.

Модель gemini-3.8-flash без схем тратит $0.0937 на задачу. Со схемами выходит $0.2927. Налог забирает $0.1990. Переплата на 10 000 задач составит $1990.

Даже на быстрой claude-haiku-5.5 налог заметен. База стоит $0.0125. Схемы поднимают цену до $0.0390. Переплата составляет $0.0265 за каждый цикл. Во всех случаях стоимость возрастает на 212-217%.

Почему клиент передает схемы при каждом сообщении

Архитектура протокола требует постоянной передачи данных. Клиент запрашивает список инструментов через эндпоинт tools/list при старте сессии. Затем он пересылает эти определения языковой модели в полезной нагрузке каждого отдельного сообщения.

Протокол поддерживает обновление списка сервером через событие listChanged. Стандартизированного механизма для отключения ненужных схем по инициативе самой LLM пока нет. Разработчикам приходится писать собственные архитектурные надстройки. Инженеры Anthropic прямо указывают, что загрузка всех определений заранее и передача промежуточных результатов через окно контекста замедляет работу агентов и увеличивает затраты.

Внутренняя маршрутизация моделей помогает снизить базовую цену токена, но не решает проблему объема контекста.

Спасает ли кэширование промптов от раздутых чеков

Провайдеры предлагают скидки за кэширование длинных контекстов. Anthropic тарифицирует запись в кэш с пятиминутным сроком жизни с коэффициентом 1.25x от базовой цены входных токенов. Запись с часовым сроком жизни обойдется в 2x. Чтение из кэша стоит 0.1x от базы. Это дает скидку в 90%.

Минималистичная белая копилка зажата в металлической мышеловке
Кэширование контекста превращается в ловушку и увеличивает цену если запросы к агенту поступают слишком редко

API Anthropic кэширует данные в строгом порядке. Сначала идут определения инструментов, затем системный промпт, затем сообщения. Схемы инструментов статичны. Они всегда попадают в кэш первыми. Это делает Claude архитектурно выгодным для тяжелых MCP-сборок.

В нашем расчете для claude-sonnet-5.5 применено кэширование префикса из системного промпта и схем. Цена цикла на 15 шагов упала с $0.7806 до $0.3122. Экономия составила 60%. Налог MCP с кэшем сократился до приемлемых +25% вместо изначальных +212%.

Этот способ ломается при редких обращениях. Совет с кэшированием не сработает, если запросы к агенту уходят реже чем раз в пять минут. Контекст инвалидируется. Кэш сбрасывается. Оплачивается множитель записи 1.25x за весь объем раздутого синтаксиса схем. Префикс со схемами обходится на 25% дороже, чем при полном отказе от кэширования. Это ставка на высокую частоту запросов в одной сессии.

Подключать все инструменты или внедрять динамическую выгрузку

Избыток инструментов забивает контекст мусором и повышает риск ошибок. Модель начинает путаться в десятках похожих функций. Участники обсуждений на Reddit отмечают, что полный отказ от предварительной загрузки всех схем сокращает количество токенов определений на 96,1%.

Невероятно толстый мультитул с десятками открытых лезвий лежит на полу
Предварительная загрузка всех доступных инструментов утяжеляет контекст и забивает его лишним мусором

Паттерн прогрессивного раскрытия решает проблему избыточного контекста. Он позволяет загружать в контекст только легковесный индекс инструментов. Полные схемы с длинными JSON-структурами запрашиваются отдельным вызовом только при необходимости.

Агент получает короткий список доступных возможностей. Если ему нужна база данных, он вызывает функцию получения схемы базы данных. Только после этого полная структура с параметрами попадает в контекст. Это требует дополнительного шага от модели. Затраты на один лишний вызов окупаются экономией десятков тысяч токенов на всех последующих шагах.

Python
import anthropic

client = anthropic.Anthropic(api_key="YOUR_API_KEY")

tools = [
    {
        "name": "get_tool_schema",
        "description": "Получить полную JSON-схему для нужного набора инструментов",
        "input_schema": {
            "type": "object",
            "properties": {
                "server_name": {
                    "type": "string",
                    "enum": ["browser", "filesystem", "database"]
                }
            },
            "required": ["server_name"]
        }
    }
]

response = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Прочитай файл config.json"}],
    tools=tools
)

Перед сборкой агента стоит проверить реальный вес интеграций. Утилита mcp-xray позволяет измерить налог на токены конкретного сервера до выполнения какой-либо работы. Она показывает точную стоимость контекста на каждый ход.

Если в нашей модели отключить три лишних сервера и оставить только работу с файловой системой, цена цикла для claude-sonnet-5.5 составит $0.3099. Это на 60% дешевле варианта со всеми серверами за $0.7806. Подключать инструменты нужно под конкретную задачу, а не про запас. Динамическая подгрузка схем экономит деньги надежнее, чем надежда на попадание в пятиминутное окно кэша. Оптимизация токенов агентов начинается с аудита подключенных серверов.