OpenRouter实测：MCP/CLI/Skills上下文成本差异
编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）
这是关于AI Agent工具接入方式成本优化的实测指南，核心在于通过对比MCP、CLI和Skills揭示上下文消耗的真相。关键数字显示：默认MCP增加1.9万token，CLI仅1.4千，单次MCP调用比CLI贵16倍（A·实测）；一次GitHub返回结果（2万token）甚至超过整套工具定义成本。这对搞钱意味着：盲目使用MCP会让你的Agent运营成本失控，导致利润被隐形成本吞噬；选择CLI是低成本启动的最优解。下一步行动是：检查你当前Agent的工具接入方式，若发现大量token消耗在工具定义上，立即改为CLI模式或启用Tool Search限制初始加载。
- 若追求低成本，优先用CLI替代全量MCP，成本降16倍
- 单次工具返回体积巨大，需精简API返回字段
- 启用Tool Search可压初始定义成本，但需实测终态
- 固定测试模型与服务商线路，避免计费差异误判
- 勿信单次运行数据，需多次运行取中位数
核心结论：盲目挂载全量MCP会让Agent运营利润率崩盘
OpenRouter最新实测显示，工具接入方式直接决定上下文成本。在同一项GitHub查询任务中，默认装载46个工具的MCP模式比CLI模式贵16倍。更隐蔽的成本在于工具返回结果：单次GitHub Release返回约20,400个token，体积甚至超过整套46个工具定义的总成本。对于跑Agent项目的创业者，当前若采用默认MCP接入，隐性token损耗正吞噬利润。行动指令：立即检查Agent工具接入状态，将全量MCP降级为CLI或限定工具范围的MCP，并对工具返回字段做精简处理。
三种接入方式怎么算账
模型每轮请求携带的“工具说明书”是主要成本源。MCP模式每次请求都要发送工具名称、描述和JSON schema，46个工具在Claude Haiku 5.5上产生19,436个prompt token；CLI模式仅挂载一个shell工具加一行说明，成本降至1,421个token；Skills模式采用目录懒加载，成本居中为3,315个token。
注意，同一套工具在不同模型和服务商线路下计数结果差异极大。同一组46个工具在GPT-6 Luna上仅占8,903个token；而在Gemini 3.8 Flash上，经Google Vertex计为8,525个token，经Google AI Studio计为13,010个token。工具接入优化前必须固定测试模型与服务商线路，单点数据不具备预算参考意义。
单次工具返回的体积陷阱
工具定义是固定账单，工具返回结果才是可变账单。OpenRouter测试中，GitHub Release对象单次返回消耗20,400个token，高于46个工具定义的19,436个token。随着调用轮次增加，上下文会不断累积历史工具定义与返回结果。若Agent任务涉及多次工具调用且返回字段未过滤，上下文账单将呈指数级增长。
Tool Search能救命吗
OpenRouter推出的Tool Search机制能将46个工具的首批定义压缩至600个token以内。但实测结果因模型而异：在Claude Sonnet 5.5上，使用Tool Search后任务成本减半；在Claude Haiku 5.5上，成本反而提高。初始定义缩减不等于全链路降本，任务执行阶段的工具调用与结果接收仍会产生额外token消耗。
可复现的优化步骤
- 替换接入方式：将全量MCP替换为CLI模式（仅保留shell工具与认证说明），或将MCP工具集限定为高频必需的2-3个，实测显示限定2个工具的MCP成本仍比CLI高16倍。
- 精简返回字段：在API调用层过滤工具返回的非必要字段。以GitHub查询为例，截断Release对象中的冗余元数据，将单次返回体积控制在核心数据范围内。
- 固定测试基线：选定1个目标模型与1条服务商线路，针对核心任务运行3次取中位数。记录输入token消耗，对比优化前后差异，避免单次运行数据带来的误判。
怎么用它赚钱
Agent工具成本优化具备咨询项目化空间。当前市场大量独立开发者与企业团队在部署Agent时陷入MCP全量挂载的默认设置，面临隐形token成本失控。可针对使用OpenRouter或类似路由平台的客户，提供Agent上下文成本审计服务。服务交付物包含接入方式重构方案、工具返回字段精简策略与测试基线报告。单客户审计定价可参考500-1000美元，首单可通过在技术社区发布实测数据与优化SOP获取线索，成本几乎为零。
原文 · 听说了吗？· AI 解读站：阅读原文 →
