MCP Context 效率革命：從全量載入到按需載入

當你啟用 7 個 MCP 伺服器時，你的 Context 已經消耗了 33.7%——還沒開始工作。

這篇文章分享 Claude World Taiwan 社群對 MCP Context 效率問題的深度討論，以及我們提出的解決方案。

問題：MCP 的 Context 消耗

我們實測了常見 MCP 伺服器的 Token 消耗：

MCP 伺服器	Token 消耗
GitHub (27 tools)	~18,000
AWS MCP servers	~18,300
Cloudflare	~15,000+
Sentry	~14,000
Playwright (21 tools)	~13,647
Supabase	~12,000+
7 個伺服器合計	67,300 (33.7%)

平均每個 Tool 消耗 550-850 tokens。

現代知識工作者的困境

我們同時使用多個平台：GitHub、Jira、Linear、Slack、Vercel、Sentry…

這造成一個兩難選擇：

• 全部安裝：Session 開始就消耗 50%+ Context
• 依專案分開：失去 Claude Code 作為統一指揮中心的價值

解決方案一：Context Isolation（RFC 提案）

我們向 Anthropic 提交了 RFC #17668，提出 Context Isolation 架構。

核心概念

不同於傳統 Lazy Loading，Context Isolation 的關鍵差異：

方面	傳統 Lazy Loading	Context Isolation
Main Context	需要時載入，會污染	永遠保持乾淨
載入時機	運行時動態載入	Fork 建立時載入
複雜度	高（狀態管理）	低（複用 context: fork）

架構設計

Main Session（精簡）
 │
 ├── 基礎 MCP：filesystem, memory
 │   （最小 context 佔用）
 │
 ├── Task: database-specialist（forked）
 │   └── 載入：postgres, redis（隔離）
 │
 └── Skill: /deploy（forked）
     └── 載入：vercel, github（隔離）

實作方式

MCP 端：settings.json 新增 lazy 標記

{
  "mcpServers": {
    "memory": { "command": "...", "lazy": false },
    "github": { "command": "...", "lazy": true },
    "postgres": { "command": "...", "lazy": true }
  }
}

Agent/Skill 端：frontmatter 宣告需要的 MCP

---
name: database-specialist
description: 資料庫操作專家
tools: [Read, Bash, Grep]
mcp:
  required: [postgres]
  optional: [redis]
context: fork
---

為什麼選擇 MCP 而非純 Script？

MCP 的價值不只是 Tools，更重要的是集中式認證管理：

面向	MCP	Scripts + .env
憑證管理	集中在 settings.json	分散各處
安全性	環境隔離	可能洩漏在 logs
Token 刷新	自動處理	需手動實作
錯誤處理	標準化回應	各 API 不同

解決方案二：Progressive AgentSkill（社群開源）

社群成員 CabLate 開發了 mcp-progressive-agentskill，實作三層漸進式揭露：

三層架構

• 第一層：列出可用 MCP 伺服器（~50-100 tokens）
• 第二層：顯示選定伺服器的 Tool 名稱與描述（~200-400 tokens）
• 第三層：載入完整 Tool 規格（~300-500 tokens/tool）

效益計算

假設一個 MCP 有 20 個 Tools，你只需要 2 個：

方式	Token 消耗
傳統全量載入	~6,000 tokens
漸進式揭露	~850 tokens
節省	86%

技術架構

AI Scripts (Python) → HTTP API → MCP Daemon → MCP Servers

Daemon 維持長連接，提供 HTTP 介面按需存取 Tool 資訊。

快速開始

# 安裝
python scripts/setup.py

# 啟動 Daemon
python scripts/daemon_start.py --no-follow

# 列出 Tools
python scripts/mcp_list_tools.py --server playwright

# 呼叫 Tool
python scripts/mcp_call.py --server playwright --tool browser_navigate \
  --params '{"url":"https://example.com"}'

現階段建議

在官方支援 Context Isolation 之前，我們建議：

1. 分類你的 MCP

必要（lazy: false）：
- filesystem
- memory
- sequential-thinking

重型（考慮移除或等待 lazy）：
- github（18k tokens）
- aws（18k tokens）
- sentry（14k tokens）

2. 使用 Project Scope

# 只在需要的專案啟用特定 MCP
claude mcp add --scope project postgres -- ...

3. 嘗試 Progressive AgentSkill

對於重度 MCP 使用者，CabLate 的方案可立即使用。

參與討論

• RFC Issue: #17668 - 歡迎 👍 支持
• 開源專案: mcp-progressive-agentskill
• 社群討論: Discord - Claude World Taiwan

---

這篇文章整理自 Claude World Taiwan 社群的技術討論。我們是一群專注於 Claude Code 進階使用的開發者，歡迎加入我們的 Discord 一起交流。