一位开发者发现了 MCP 代理中一个显著的 Token 开销问题，其中 LLM 反复接收大量的 JSON 工具定义，占用了大部分 Token 预算。这种低效问题在规模化运行时每天成本高达数千美元，源于 MCP 的默认实现，即发送所有工具 Schema，无论其是否相关。开发者提出了并实施了三种解决方案：使用嵌入（embeddings）过滤相关工具的客户端级 Schema 修剪，通过用简洁的领域术语替换冗长的描述来压缩 Schema，以及根据 LLM 的即时需求动态生成 Schema，而不是发送静态的、全面的列表。 AI
影响 优化代理 Schema 处理可以显著降低 LLM 应用的运营成本并提高效率。
排序理由 开发者分享了解决 AI 代理基础设施问题的技术方案。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
