2.7 工具與 MCP Server 成本：隱性的 Token 稅
在最佳化前，先量測真正載入了什麼
很多 context 浪費都藏在你平常不看的地方。先確認你真正的 context window 裡有什麼，再調整 MCP 或 instructions。
Copilot CLI： 可以在 session 中執行 /context 看拆解。
Context Usage claude-opus-4.6 · 104k/200k tokens (52%)
System/Tools: 62.5k (31%)
Messages: 41.8k (21%)
Free Space: 55.3k (28%)
Buffer: 40.4k (20%)
關鍵差別：always-loaded vs on-demand
| 元件 | 載入時機 | 會進 context window？ |
|---|---|---|
| MCP tool definitions | 每則訊息 | ✅ |
Agent instructions / copilot-instructions.md |
每則訊息 | ✅ |
| System prompt | 每則訊息 | ✅ |
| Copilot CLI skills | 被要求時才載入 | ❌ |
| Conversation history | 每輪累積 | ✅ |
這也是為什麼 skills 放很多內容在磁碟上，不代表會增加 System/Tools 基線；真正推高基線的是 MCP schema 與 always-on instructions。
2.7.1 每個 Tool 都要 Token
啟用 MCP server 或 tool 後，其完整定義都會被載入 agent 的 context：名稱、描述、參數 JSON schema，全都算。
| 元件 | 約略 Tokens |
|---|---|
| Tool 名稱 + 描述 | 20-50 |
| 簡單參數 schema | 30-80 |
| 複雜參數 schema | 100-300 |
| 每個 Tool 合計 | 100-500 |
2.7.2 乘法問題
真正貴的是它會被重複載入：
工具成本會一直重載
公式
Tools loaded = servers x tools_per_server x tokens_per_tool
整包工具定義會在每個 agent step 再載一次。
重度設定範例
10 MCP servers x 5 tools x 200 tokens = 10,000 tokens
10,000 tokens x 15 steps
150,000 tokens
也就是說，還沒做任何真正工作，就先花了 15 萬個 token 讓 agent 知道有哪些工具可用。
2.7.3 Tool Call 本身也有成本
除了 schema，工具呼叫本身也會產生成本：
| 階段 | 成本 |
|---|---|
| Function name + params | 每次 20-200 output tokens |
| Result parsing | 每次 50-2,000+ input tokens |
| Agent 判斷要用哪個工具 | 每步 50-200 tokens |
2.7.4 MCP Server 稽核的前後差異
啟用一切的重度設定 與 只保留必要工具的設定，差異可能是每次 agent 任務數十萬 token。
核心結論：
- 不用的 MCP server 真的要關
- schema 成本是每步都重付，不是只付一次
2.7.5 每個 Workspace 各自設定 MCP
不要把所有 MCP server 都全域開著。
做法是：
- 全域設定 只放真正到處都要用的
- workspace 設定 才放專案特定的
規則很簡單：這次任務用不到，就先關掉。
2.7.6 實用建議
- 稽核你的 MCP servers，停掉不用的
- 依任務啟用，例如做 DB migration 才打開 Postgres MCP
- 優先用內建工具，避免和外掛 MCP 重複
- 注意總 tool 數量
- 在 custom instructions 補一句，例如：
Minimize tool calls. Read files only when necessary. - 偶爾才用的能力，優先做成 skill，不是 MCP
- Copilot CLI 長工具鏈可考慮 CodeAct（外部外掛
copilot-codeact-plugin） - 用 RTK 壓縮工具輸出
2.7.7 從源頭壓縮工具輸出：RTK
MCP schema 是「工作開始前」的成本。另一個大頭是 shell 命令的輸出：它們會在下一步原封不動回灌成 agent 的輸入 token。
RTK (Rust Token Killer) 是 CLI proxy，會攔截指令、過濾噪音，再把壓縮後的結果傳回 agent。
它做了什麼：
- Agent 發出 Bash tool call
- RTK 攔截並改寫為
rtk <command> - RTK 執行真正命令
- 依命令類型過濾雜訊
- Agent 拿到語意相同但更短的結果
常見減幅：
| 指令 | 原始輸出 | RTK 後 | 減幅 |
|---|---|---|---|
ls / tree |
約 2,000 | 約 400 | -80% |
git status |
約 3,000 | 約 600 | -80% |
git diff |
約 10,000 | 約 2,500 | -75% |
cargo test / npm test |
約 25,000 | 約 2,500 | -90% |
grep / rg |
約 16,000 | 約 3,200 | -80% |
對 VS Code Copilot 的重點：
- 需以 repo 為單位啟用：
rtk init --copilot - 這不是全域一次裝好就全部生效
- 只影響 agent 的 Bash tool calls，不影響內建
Read、Grep、Glob
2.7.8 案例：把大型 Plugin 範圍化
大型 plugin 常常是一整個 System/Tools 成本大戶。
以 Azure MCP 為例，若預設載入 200+ tools，單一 plugin 就可能吃掉數萬 tokens。Microsoft／GitHub 內容貢獻者 Dina Berry 實測一套真實的 Copilot CLI 設定，發現單一 Azure plugin 每則訊息就載入約 27K tokens，跑 /context 之前完全看不出來。
做法通常有兩種：
- 完全停用：這個 session 根本不用 Azure
- namespace 範圍化：只保留真的有在用的 Azure services
一般原則很清楚：
- 當
System/Tools偏高時，先檢查大型 plugins - 一個大 plugin 的成本，常常比其他所有工具加總還高
完整實測記錄：dfberry.github.io — Tuning up Copilot context。
下一章： Comparisons & Data →