同一个GitHub任务三种接法都答对，MCP服务器却花59,417个输入token，CLI只要1,421个
核心概要
OpenRouter在同一个GitHub任务上比较了MCP服务器、gh命令行工具和gh技能三种给智能体接工具的方式，并统计整轮对话的输入token。在Claude Sonnet 5.5上，三者都答对，但默认加载46个工具的GitHub MCP服务器用了59,417个输入token，CLI只用1,421个，技能用3,315个。把MCP限定到任务所需的2个工具可降到23,228个，再把工具结果截到4,000字符可降到5,357个。
深度剖析
给智能体接同一项GitHub能力，三种方式的上下文开销相差一个数量级以上，而正确率没有差别。 MCP服务器在每次请求里都带上每个工具的名称、描述和JSON schema，CLI只给模型一个shell工具和一句“gh已安装并已认证”，技能则先给一行索引、等任务需要时再读入完整的SKILL.md。 在Claude Sonnet 5.5上跑同一个GitHub任务，CLI用1,421个输入token、技能用3,315个、默认46个工具的MCP服务器用59,417个，表中每一行都答对；按Sonnet 5.5计价，默认MCP每千次任务127美元，CLI为7.50美元。
MCP的开销不只来自工具定义，工具返回的原始结果同样占大头，而且会随之后每次请求重复发送。 get_latest_release返回GitHub完整的release对象，共42,182个字符，其中87%在描述22个下载文件，而任务只需要tag和日期，gh release view用--json只取这两个字段。 这个release对象在Sonnet 5.5上约合20,400个token，比全部46个工具定义还多；把服务器限定到2个工具后首个请求从19,487个token降到1,406个，但整轮任务仍需23,228个，把结果截到4,000字符后降到5,357个且每次运行都答对。
Tool Search把工具定义改为按需检索，能压掉大部分前置开销，但整轮成本是否下降取决于模型。 把46个工具标记为defer_loading并加入openrouter:tool_search后，模型先用正则搜索工具名和描述，再在下一轮调用匹配到的工具，搜索前的前置开销在Claude模型上为578个token、GPT-6 Luna为144个、Gemini 3.8 Flash为130个。 整轮任务中，Sonnet 5.5从59,417降到30,334个token，GPT-6 Luna从116,282降到25,544个，Gemini 3.8 Flash从35,409升到37,568个，Claude Haiku 5.5从99,319升到154,623个，因为它在三次运行中都向list_issues请求了工具不提供的字段并反复重试。
启示与展望
结论来自一个GitHub任务、一个GitHub MCP服务器，以及Claude Haiku 5.5、Claude Sonnet 5.5、GPT-6 Luna和Gemini 3.8 Flash四个模型，每种组合跑三次取中位数；作者建议在自己的服务器上先跑mcp_cost.py再决定。
Tool Search仍处于beta，且与强制tool_choice冲突，Chat Completions接口也不接受它；4,000字符截断只在字段恰好靠前时有效，与Tool Search合用后Gemini 3.8 Flash和Haiku 5.5各三次运行只有一次答对；Haiku 5.5的Tool Search开销在五次运行中从2,134到13,225个token不等。