每個使用 MCP 的 AI 代理都在悄悄地多付費用。並非 API 調用本身——那些沒問題。稅金是加在說明手冊上的。
我取得了一個 MCP 伺服器，並使用 CLIHub 從中生成了一個 CLI。相同的工具、相同的 OAuth、底層相同的 API。只有兩件事改變了：會話開始時載入的內容，以及代理如何調用工具。
以下數字假設了一個典型設置：6 個 MCP 伺服器，每個伺服器有 14 個工具，總共 84 個工具。
MCP 會將每個工具的綱要一次性傾印到對話中。CLI 使用輕量級的技能列表——僅包含名稱和位置。代理在需要時才發現詳細資訊。1
一旦代理知道有什麼可用，它仍然需要調用一個工具。
MCP 的調用更便宜，因為定義已預先載入。CLI 在發現時付費——--help 返回完整的命令參考（約 600 個 token 用於 14 個工具），然後代理就知道要執行什麼。
Anthropic 推出了 Tool Search，它載入一個搜索索引而不是每個綱要，然後按需使用 fetch tools。這通常能將 token 使用量減少 85%。
這與 CLI 的延遲載入是相同的概念。但當 Tool Search 獲取一個工具時，它仍然會拉取完整的 JSON Schema。2
Tool Search 成本更高，而且僅限於 Anthropic。CLI 更便宜，並且適用於任何模型。
我發現許多工具缺乏 CLI，於是建立了 CLIHub，一個用於代理使用的 CLI 目錄。
開源了轉換器——只需一個指令即可從 MCP 創建 CLI。
1. 我喜歡使用 Openclaw 的 available_skills 區塊格式來表示 CLI。它可以修改為其他格式。
2. Tool Search：約 500 個會話開始 + 每搜索約 3K（載入 3-5 個工具）+ 每調用約 30。假設 1 次搜索對應 1-10 次調用，3 次搜索對應 100 次調用。