Token-Kosten von MCP-Tool-Definitionen in Agenten senken
Updated September 19, 2026 · first published September 19, 2026
Die Anbindung von KI-Agenten an mehrere Model Context Protocol (MCP) Server injiziert bei jedem Turn tausende Input-Tokens, bevor die eigentliche Nutzerabsicht verarbeitet wird. Jedes registrierte Tool fügt JSON-Schemas mit Funktionsnamen, Parameterbeschreibungen und Typen ein. Bei typischen Setups mit 6 Servern (GitHub, Postgres, Jira) summiert sich dieser Tool-Vorspann auf 4.500 bis 12.000 Tokens pro API-Aufruf.
Warum verbrauchen MCP-Tool-Definitionen so viele Tokens?
Jedes MCP-Tool benötigt vollständige JSON-Schema-Deklarationen, damit das Modell Funktionsaufrufe fehlerfrei strukturieren kann. Eine detaillierte SQL-Funktion belegt oft 400 bis 600 Tokens. Über dutzende Tools hinweg verdrängen statische Schemas den dynamischen Gesprächskontext.
Architekturmuster zur Kostenkontrolle
Plattform-Teams nutzen Prompt-Caching-Breakpoints hinter dem Tool-Block, zweistufiges semantisches Tool-Routing zur selektiven Injektion relevanter Schemas und kompakte Schema-Minifizierung zur Reduktion des Payload-Volumens.
Related
Want this applied to your own LLM spend? FinOps LLM runs a free audit of your AI costs and shows where the savings are. Book free audit →