Impacto de custo de servidores MCP
O Protocolo de Contexto do Modelo (MCP) permite que LLMs chamem ferramentas externas: bancos de dados, APIs, sistemas de arquivos, mecanismos de busca. É poderoso. Também é caro. Cada definição de ferramenta MCP consome espaço na janela de contexto, cada chamada de ferramenta é uma viagem de ida e volta separada para a API, e cada resultado de ferramenta é alimentado de volta ao modelo como tokens de entrada adicionais. Para equipes executando fluxos de trabalho de agentes intensivos em MCP, a sobrecarga relacionada a ferramentas pode representar 30–60% do gasto total de tokens.
Este artigo explica como MCP aumenta os custos, como medir a sobrecarga e o que fazer a respeito.
Como MCP consome tokens
Existem três camadas de custo de tokens em cada interação MCP:
Camada 1: Definições de ferramentas. Cada servidor MCP registra ferramentas com o modelo. Uma definição de ferramenta inclui o nome da função, o esquema de parâmetros e uma descrição do que a ferramenta faz. Uma definição de ferramenta típica consome 500–2.000 tokens. Um servidor com 15 ferramentas adiciona 7,5K–30K tokens a cada solicitação, mesmo que nenhuma dessas ferramentas seja chamada.
Camada 2: Solicitações de chamadas de ferramentas. Quando o modelo decide chamar uma ferramenta, ele gera uma saída de chamada de ferramenta (nome da função + argumentos). Isso é cobrado como tokens de saída. Depois o resultado da ferramenta retorna como tokens de entrada. Uma única viagem de ida e volta de chamada de ferramenta típica custa 1K–5K tokens dependendo do tamanho do resultado.
Camada 3: Resultados de ferramentas em contexto. Os resultados de ferramentas permanecem no contexto de conversação para todos os turnos subsequentes. Se você chamar 10 ferramentas em uma sessão, esses resultados se acumulam. Uma consulta de banco de dados retornando 50 linhas de JSON pode adicionar 8K–15K tokens que persistem pelo resto da conversação.
O efeito composto
Os custos de MCP se compõem porque as definições de ferramentas são enviadas com cada solicitação. Se você tem 20 ferramentas definidas (10K–40K tokens de definições) e faz 5 solicitações em uma conversação, apenas as definições de ferramentas custam 50K–200K tokens de entrada. Adicione os resultados das chamadas de ferramentas e você pode facilmente dobrar seu consumo de tokens de linha de base.
| Padrão MCP | Sobrecarga de tokens | Frequência | Impacto mensal de custos (estimativa) |
|---|---|---|---|
| Definições de ferramentas (10 ferramentas) | 5K–20K tokens por solicitação | Cada solicitação | $15–$60 por usuário |
| Viagem de ida e volta de uma chamada de ferramenta | 1K–5K tokens | 3–10 por sessão | $5–$25 por usuário |
| Resultado grande de ferramenta (consulta DB, busca de código) | 5K–20K tokens | 1–5 por sessão | $10–$50 por usuário |
| Resultados acumulados em sessão longa | 20K–100K tokens | 1–3 sessões/dia | $30–$120 por usuário |
| Definições de ferramentas não usadas carregadas | 5K–30K tokens por solicitação | Cada solicitação | $15–$90 por usuário |
Como medir a sobrecarga de MCP
A maneira mais simples de medir o custo de MCP é executar o mesmo prompt duas vezes: uma com ferramentas MCP carregadas e outra sem. A diferença em tokens de entrada é sua sobrecarga de definições de ferramentas. Depois conte os tokens de chamadas de ferramentas separadamente: a maioria dos provedores os rotula distintamente em seus painéis de faturamento.
Para uma medição mais precisa, instrumente seu cliente MCP para registrar: número de ferramentas registradas, tokens consumidos por definições de ferramentas por solicitação, número de chamadas de ferramentas por sessão, tokens por resultado de ferramenta e tokens totais de sessão atribuídos à atividade de ferramentas.
Estratégias para reduzir os custos de MCP
1. Carregue ferramentas seletivamente. Não registre todas as ferramentas para cada solicitação. Se o usuário está fazendo uma pergunta de código, ele não precisa de ferramentas de banco de dados ou implantação carregadas. Muitos clientes MCP suportam carregamento dinâmico de ferramentas baseado em contexto ou ativação explícita do usuário.
2. Minimize as descrições de ferramentas. As descrições de ferramentas são o maior consumidor de tokens nas definições. Uma descrição verbosa pode ser 500 tokens; uma concisa pode ser 100 tokens. Em 20 ferramentas, isso é uma diferença de 8K tokens por solicitação.
3. Trunce os resultados de ferramentas. Retorne apenas os campos que o modelo realmente precisa. Se uma consulta de banco de dados retorna 20 colunas mas o modelo só precisa de 3, projete o resultado. Limite o tamanho do resultado a um limite razoável: 2K–4K tokens é geralmente suficiente para o modelo tomar uma decisão.
4. Armazene em cache as chamadas repetidas. Se a mesma ferramenta for chamada com os mesmos argumentos em uma sessão, retorne o resultado em cache em vez de executar novamente. Isso é especialmente valioso para consultas de referência, consultas de esquema e busca de documentação.
5. Resuma antes de injetar. Para resultados grandes de ferramentas (conteúdo completo de arquivos, respostas longas de API), resuma antes de adicionar ao contexto. Retorne um resumo mais a opção de buscar o resultado completo se o modelo precisar.
6. Use limites de orçamento para resultados de ferramentas. Defina um orçamento por sessão para tokens de resultados de ferramentas. Quando o orçamento é atingido, recuse mais chamadas de ferramentas ou mude para um modelo mais barato pelo resto da sessão.
O custo oculto de servidores MCP
Além dos custos de tokens, os servidores MCP introduzem sobrecarga de latência e confiabilidade. Uma chamada de ferramenta que leva 3 segundos para responder adiciona latência a cada turno. Uma ferramenta que falha intermitentemente causa tentativas. Ambas aumentam o custo efetivo por tarefa.
Para equipes escalando o uso de MCP em uma organização, rastrear esses custos no nível do servidor é essencial. Rotear cargas de trabalho intensivas em MCP para modelos com custos por token mais baixos, e manter fluxos de trabalho leves em MCP em modelos premium onde a latência importa.
Relacionado
- Economia de agentes - como os agentes de codificação precificam na prática.
- Atribuição de gastos de agentes - rastreamento de custos de agentes por projeto.
- Rastreamento de tokens de LLM - medição do que você gasta.
- FinOps para LLM - o framework mais amplo.
Quer que isso seja aplicado ao seu próprio gasto em LLM? FinOps LLM executa uma auditoria gratuita de seus custos de IA e mostra onde estão as economias. Solicite sua auditoria gratuita →