MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测

MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测

原文:OpenRouter Blog - 《MCP vs CLI vs Skills: What Each Costs in Context》(https://openrouter.ai/blog/insights/mcp-vs-cli-vs-skills/)

一、先说结论

做 Agent 的人迟早会纠结同一个问题:工具到底怎么接给模型。MCP 是标准协议、生态最全;CLI 是模型本来就会用的东西;skills 是最近一年流行起来的折中方案。

OpenRouter 在 11 月 11 日发了一篇实测,把三种方案放在同一个任务上跑,只测一件事:花掉多少上下文 token。测试日期是 10 月 20 日,每个组合跑三次取中位数。

同一个问题,Claude Sonnet 5.5 上的结果是:CLI 用了 1421 个输入 token,MCP 挂默认 46 个工具用了 59417 个。42 倍。

钱上更直观:一万美元的活,CLI 花 7.5 美元,MCP 花 127 美元。

但这篇的价值不在于劝你别用 MCP。真正有用的是它把差距拆成了三笔账,而且每一笔都有独立的解法。

二、任务和测法

任务本身很普通,一句话:

查询 GitHub 仓库 cli/cli 的最新 release,以及该仓库中带 bug 标签、最近打开的 3 个 open issue。

执行方式是 OpenRouter Responses API 上的工具调用循环(tool-calling loop),统计每次请求的 usage.input_tokens 并累加。也就是说,测的是整个任务跑完总共吃掉的输入 token,包含工具定义、工具返回、多轮对话的累积,而不是单次请求。

四个被测模型:Claude Haiku 5.5、Claude Sonnet 5.5、GPT-6 Luna、Gemini 3.8 Flash(强制路由到 Vertex)。

三种接法:GitHub MCP server v2.0.2、gh 命令行、gh skill。

原文特别注明,表里所有运行都回答了正确答案------所以这不是"便宜的方案答不出来"的对比,是同等正确下的成本对比。

三、那张主表

Sonnet 5.5 这一列是最完整的,先看它:

方案 输入 token 每任务成本
CLI 1421 $0.0075
Skill 3315 $0.0118
MCP,2 个工具 23228 $0.0552
MCP,46 个默认工具 59417 $0.1274
MCP,全部 91 个工具 101351 $0.2113
MCP,46 工具 + 结果截断到 4000 字符 5357 $0.0191

最后一行是最有意思的:只加一个截断,成本从 59417 掉到 5357,降了九成,答案依然正确。

另外三个模型的排序和 Sonnet 不一样,这点值得警惕:

方案 GPT-6 Luna Gemini 3.8 Flash
CLI 6275 5292
Skill 1542 6107
MCP,46 工具 116282 35409
MCP,46 工具 + 截断 2726 2943

GPT-6 Luna 上最高效的是 skill,不是 CLI;Gemini 3.8 Flash 上 CLI 和 skill 差不多,而 MCP 的膨胀幅度小得多(35k,不是 116k)。

结论很清楚:别拿一个模型上的数字去推另一个模型。 不同模型对工具定义、多轮调用、字段理解的差异,足以让排名换位置。

四、第一笔账:工具定义本身

MCP 把工具列表放进每次请求的 tools 字段,模型才知道有哪些能力可用。工具越多,这笔固定开销越大。

原文用脚本单独量了 46 个默认工具带来的增量(启动命令是 python mcp_cost.py github-mcp-server stdio --toolsets=default):

模型 每次请求额外增加的 prompt token
Claude Haiku 5.5 +19436
GPT-6 Luna +8903
Gemini 3.8 Flash +8525

同一个 MCP server,同样的 46 个工具,Haiku 要比 Luna 多背超过一万个 token。这不是 MCP 的问题,是各家对工具区块的编码方式不同。

工具数量的关系也是线性的。Haiku 5.5 上,issues 这个 toolset 10 个工具 +5801 token,users 只要 1 个工具 +619 token。

还有个更隐蔽的变量------同一个模型,换 provider 结果也不同。Gemini 3.8 Flash 挂 46 个工具:走 Google Vertex 是 8525 token,走 Google AI Studio 是 13010 token。同一个模型 ID,两倍差距,只因为后端实现不一样。

五、第二笔账:工具返回的原始数据

这笔账比第一笔大,而且更少人被提醒过。

MCP 的 get_latest_release 返回 GitHub 完整的 release 对象,一共 42182 个字符。其中 87% 用在了描述 22 个下载文件上。在 Sonnet 5.5 上,这一个结果约占 20400 token------比全部 46 个工具定义加起来还多。

而你要的其实只有版本号和日期。

gh CLI 返回的是什么?原文给的示例是一条精简 JSON:

json 复制代码
{"publishedAt":"2026-09-30T02:40:02Z","tagName":"v2.102.0"}

这就是 CLI 便宜的根本原因。不是命令行比 JSON-RPC 高级,而是命令行让你自己决定取哪些字段,而 MCP server 默认把整个对象塞回来。

list_issues 同理。默认返回 8336 字符;只请求 number、title、创建日期三个字段,714 字符。原文还记录了一个失控案例:不做字段裁剪时,GPT-6 Luna 在 6 次运行里有 4 次请求了 100 条 issue 的全文,单次返回 281963 字符。

六、第三笔账:工具搜索的延迟加载

既然工具定义贵,那就别一次性全给。Tool Search 的做法是:只把工具名字摘要给模型,需要时再检索具体的完整定义。

46 个工具全部 deferred 后,前置开销降到 600 token 以下:

模型 前置 token
Claude Haiku / Sonnet 578
GPT-6 Luna 144
Gemini 3.8 Flash 130

单个问题上的效果很明显,Haiku 5.5 从 19464 降到 7069,Luna 从 8923 降到 4453。

但整任务就不一定了:

模型 MCP 46 工具全加载 Tool Search 46 deferred Tool Search 91 deferred
Claude Sonnet 5.5 59417 30334 31615
GPT-6 Luna 116282 25544 57975
Gemini 3.8 Flash 35409 37568 38445
Claude Haiku 5.5 99319 154623 31781

Sonnet 上 91 个工具 deferred 比 46 个只多 1281 token,而全加载要多出四万多------这是 Tool Search 最亮的一格。但 Gemini 上它反而更贵,Haiku 上 46 deferred 直接翻到 154623,因为模型反复检索、反复重试,检索本身的往返把省下的钱赔了进去。

原文的结论是 Tool Search 不缩小工具结果------它只解决定义,不解决返回体。另外它给了一条比较实用的门槛:工具定义超过约 10000 token,或者工具数超过约 10 个,就该考虑 defer。 同时建议留 3 到 5 个最常用的工具常驻加载,别全 defer。

七、最小复现代码

原文的量法值得自己跑一遍。下面这段是我按它的口径写的脚本,思路是:同一任务分别用 CLI 和 MCP 跑,累加每轮的 usage.input_tokens,再除以一千万 token 的单价换算成"每一千个任务多少钱"。

python 复制代码
# cost_probe.py
# 需先准备:GitHub MCP server、gh CLI、OPENROUTER_API_KEY
import json
import subprocess

import requests

API = "https://openrouter.ai/api/v1/chat/completions"
QUESTION = ("What is the latest release of the repository cli/cli, and what are "
            "the three most recently opened open issues with the label bug?")


def cli_tool(args: list[str]) -> str:
    """CLI 方案的工具实现:自己决定返回哪些字段。"""
    out = subprocess.run(args, capture_output=True, text=True, check=True).stdout
    data = json.loads(out)
    # 只留需要的字段,这一步就是省 token 的关键
    return json.dumps({"tagName": data.get("tagName"),
                       "publishedAt": data.get("publishedAt")}, ensure_ascii=False)


def run_loop(model: str, tools: list[dict], dispatch) -> dict:
    """跑完整个 tool-calling 循环,返回累计 token 与轮数。"""
    messages = [{"role": "user", "content": QUESTION}]
    total_in, turns = 0, 0
    while True:
        r = requests.post(API, timeout=180, json={
            "model": model, "messages": messages, "tools": tools})
        r.raise_for_status()
        body = r.json()
        total_in += body["usage"]["input_tokens"]   # 每轮都要累加,不是只算最后一次
        turns += 1
        msg = body["choices"][0]["message"]
        messages.append(msg)
        calls = msg.get("tool_calls") or []
        if not calls:
            break
        for c in calls:
            args = json.loads(c["function"]["arguments"])
            messages.append({
                "role": "tool",
                "tool_call_id": c["id"],
                "content": dispatch(c["function"]["name"], args),
            })
    return {"input_tokens": total_in, "turns": turns}


def cost_per_1k_tasks(tokens: int, price_in: float) -> float:
    """price_in 是每百万输入 token 的美元单价。"""
    return tokens / 1_000_000 * price_in * 1000

三个函数的分工是这样的。cli_tool 演示"精简字段"这件事------真实项目里你用 gh release view --json tagName,publishedAt 这类参数就能直接做到,代码里再兜一层是防止返回体里混进别的字段。run_loop 是核心,total_in 在每一轮都累加,因为在工具调用循环里,前面的所有消息都会随每一次请求重新发一遍,最后一次请求的 token 数已经包含了历史,但你算总开销要的是每一轮之和。dispatch 这个参数把"工具怎么执行"抽出去,换成 MCP 版本时只需要换这个函数和 tools 的构造方式,循环逻辑不用动。

price_in 和模型 ID 请按官方价目表填,这里不写死价格。

要量 MCP 侧的开销,最简单的办法是发一次空任务,只带工具定义、不让它调用,对比带与不带 tools 字段的 input_tokens 差值:

python 复制代码
def tool_overhead(model: str, tools: list[dict]) -> int:
    """量工具定义本身的固定开销:带 tools 与不带 tools 的差值。"""
    base = {"model": model, "messages": [{"role": "user", "content": "hi"}]}
    without = requests.post(API, timeout=60, json=base).json()["usage"]["input_tokens"]
    with_tools = requests.post(API, timeout=60, json={**base, "tools": tools}).json()["usage"]["input_tokens"]
    return with_tools - without

跑的时候注意两点:每次量都要开新会话,否则 prompt caching 会让输入 token 便宜到失真;同一个端点至少间隔一会儿,别连发把限流撞上。

八、按场景选:原文的推荐表

原文最后给了一张对照表,我按 Sonnet 5.5 的数据整理:

你的情况 用什么 参考数据(Token 数,每任务)
已有成熟 CLI,Agent 能执行命令 CLI 1421
要自建 CLI,或者模型用命令行不稳定 CLI 加一层 skill 3315
没有 CLI、没有 shell,或者需要服务端鉴权和权限 MCP,但限定工具集 2 个工具 23228,46 个 59417
工具库很大、跨多个服务 MCP + Tool Search 91 deferred 约等于 46 deferred
已经决定用 MCP 裁字段、截结果 23228 降到 5357

第三行和第五行值得一起看。很多场景确实离不开 MCP------比如远程服务、OAuth 鉴权、给非技术用户装。这时没必要跟 CLI 比谁更省,而应该先把 --toolsets 收窄,再把返回体截断到 4000 字符左右。这两步不需要改协议,也不用换模型。

原文还提了一个容易误解的点:prompt caching 只降单价,不省上下文。 Claude Haiku 5.5 和 GPT-6 Luna 的缓存输入价格是正常价的十分之一,但那些 token 照样占着窗口。如果你的问题是窗口不够用,缓存救不了你。

九、几个失败案例,比数字更有信息量

原文没有只说好话,失败的地方都记下来了:

  • Haiku 5.5 三次运行都给 list_issues 请求了不存在的字段,重试 3 到 4 次,还有参数类型错误(labels 传成字符串而不是数组);全加载时三次里有两次犯同样的错。
  • Gemini 3.8 Flash 在"截断 + Tool Search"组合下,三次只有一次正确,其中一次撞上 12 次请求的重试上限。
  • 用 Tool Search 时如果还指定了 tool_choice,会报 400 tool_choice conflicts with openrouter:tool_search;Chat Completions API 对 openrouter:tool_search 也直接返回 400。
  • GPT-6 Luna 做 Tool Search 时检索了 3 到 6 次,有一次干脆放弃了,没调工具。

这些说明一件事:省 token 的方案往往要多几个来回,而多出来的来回本身有出错概率。Haiku 上 46 deferred 比全加载贵一倍多,就是这么来的。

十、写在最后

这篇实测最值得带走的不是 42 倍这个数字,而是它把"MCP 贵"这个模糊印象拆成了三笔可分别处理的账:

工具定义贵,就收窄 toolset 或上 Tool Search;返回体贵,就裁字段、截长度;模型不熟这套,就换成 CLI,或者接受它多跑几轮。

顺序也有讲究。原文推荐的门槛是先看有没有成熟 CLI,再看需不需要服务端鉴权,最后才比工具数量。如果一上来就在 MCP 里比谁的 server 更轻,很容易量到一堆和业务无关的差异。

最后留一条:这组数据来自 2026 年 10 月 20 日的测试,模型版本、provider 实现、MCP server 版本都在变,绝对值会漂。而且延迟原文没测------它只给 token 和钱,没给响应时间。如果你的瓶颈是快,这篇帮不上,得自己压测。具体实现口径以官方文档为准。

相关推荐
kyriewen24 分钟前
编辑弹窗点了取消,列表里的数据怎么还是变了?
前端·javascript·人工智能
泯泷1 小时前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
电科_银尘1 小时前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习
逛逛GitHub1 小时前
Claude 最新模型发布 1 周了,瞧瞧外网惊艳到震撼的玩法。
github
逛逛GitHub1 小时前
最近逛 GitHub 挑了 8 个刚开源、Star 涨得挺快的项目。
github
阿里云大数据AI技术1 小时前
云栖实录|倍思科技 × 阿里云:让VOC洞察从“生成报告”走向“业务可用”
人工智能·elasticsearch·agent
AllData公司负责人2 小时前
第九篇:AI大模型数据开发底座系列说明书:AllData集成BISHENG开源项目建设大模型应用开发底座,涵盖可视化编排/智能助手/一键API/模型接入!
人工智能·云原生·数据分析·视觉检测·知识图谱·大模型应用·bisheng
数字新视界2 小时前
数据中心DCIM管理系统助力提升机房管理效率与安全性
大数据·人工智能·物联网·信息与通信·动环监控系统
阿里云大数据AI技术2 小时前
阿里云 EMR Serverless StarRocks(Stella)× Paimon:让多模态数据湖从“存得下”走向“找得到、用得上”
人工智能