利用輕量級(jí)MCP Server將Claude Code的上下文token消耗降低98%

問(wèn)題在哪

Claude Code 的上下文開(kāi)銷(xiāo)高得離譜。一個(gè)中等長(zhǎng)度的代碼審查對(duì)話(huà)，輕松吃掉 2000+ token——其中 90% 是重復(fù)的文件路徑、函數(shù)簽名、注釋塊和之前幾輪已確認(rèn)的結(jié)論。小團(tuán)隊(duì)沒(méi)預(yù)算為每條請(qǐng)求支付高昂的上下文費(fèi)用，又不能砍掉上下文，否則模型立刻“失憶”，給出脫離上下文的錯(cuò)誤建議。

這不是模型能力問(wèn)題，是工作流設(shè)計(jì)問(wèn)題。

Hacker News 上那個(gè)跑通的方案

有人在 HN 發(fā)帖：用不到 200 行 Python 搭了個(gè) MCP Server，把 Claude Code 的上下文 token 壓到了原來(lái)的 2%。不是靠壓縮，也不是丟信息，而是讓上下文真正“有用”。

背景很實(shí)在

團(tuán)隊(duì)做 AI 輔助的前端組件生成工具。用戶(hù)上傳一個(gè) React 組件文件，再提幾個(gè)修改需求（比如“加 loading 狀態(tài)”“支持 dark mode”）。原始流程是：每次請(qǐng)求都把整個(gè)文件 + 所有歷史修改指令 + 上一輪生成的代碼全塞給 Claude。3 輪交互后，上下文就膨脹到 3500 token，成本翻倍，響應(yīng)還變慢。

他們?cè)囘^(guò)摘要、滑動(dòng)窗口、向量檢索——效果都不穩(wěn)定。最后轉(zhuǎn)向 MCP（Model Context Protocol），不是因?yàn)樗靶隆?，而是它定義了明確的上下文生命周期：context → action → result → update。

技術(shù)怎么落地

MCP 不是跨云協(xié)議。它是 Anthropic 提出的、專(zhuān)為 LLM 工作流設(shè)計(jì)的輕量通信規(guī)范，核心就三點(diǎn)：

• 上下文按語(yǔ)義分塊（file, diff, requirement, feedback）
• 每塊帶 id 和 version，支持增量更新
• Agent 和模型之間只傳 id 引用，不傳原始內(nèi)容

他們的輕量級(jí) MCP Server 就干三件事：

1. 結(jié)構(gòu)化預(yù)處理
   把用戶(hù)輸入拆成標(biāo)準(zhǔn) MCP 塊：源碼存進(jìn) file://src/Button.tsx@v1，需求轉(zhuǎn)成 requirement://add-loading-state，上一輪反饋標(biāo)記為 feedback://v2。
2. 上下文裁剪
   不傳全部塊，只傳當(dāng)前任務(wù)強(qiáng)依賴(lài)的塊 ID 列表。比如“加 loading”這步，只引用 file://src/Button.tsx@v1 和 requirement://add-loading-state，跳過(guò)前兩輪關(guān)于 dark mode 的討論。
3. 結(jié)果緩存與版本聯(lián)動(dòng)
   每次 Claude 返回新代碼，Server 自動(dòng)創(chuàng)建 file://src/Button.tsx@v2，并把舊塊 v1 標(biāo)記為 deprecated。后續(xù)請(qǐng)求自動(dòng)切換引用。

import mcp
from mcp.server import StdioServer
from claude_code import Client

class ClaudeMCPServer:
    def __init__(self):
        self.claude = Client()
        self.context_db = {}  # {id: content}

    def handle_context_request(self, req: mcp.ContextRequest):
        # 只加載 req.referenced_context_ids 對(duì)應(yīng)的內(nèi)容
        context = []
        for cid in req.referenced_context_ids:
            if cid in self.context_db:
                context.append(mcp.ContextItem(
                    id=cid,
                    content=self.context_db[cid]
                ))
        return mcp.ContextResponse(context_items=context)

    def handle_action_request(self, req: mcp.ActionRequest):
        # 構(gòu)造精簡(jiǎn) prompt：只含 referenced_context_ids 對(duì)應(yīng)的語(yǔ)義塊
        prompt = self.build_prompt(req)
        response = self.claude.chat(prompt)
        
        # 提取新生成的文件塊，存入 context_db 并返回 versioned id
        new_file_id = self.save_new_file(response)
        return mcp.ActionResponse(
            result=mcp.Result(
                status="success",
                output={"new_file_id": new_file_id}
            )
        )

# 啟動(dòng)：mcp run --server python:main.py

部署就是一行命令：

pip install mcp-server claude-code && python server.py

不需要 Kubernetes，不連 Redis，單進(jìn)程跑滿(mǎn) CPU 也能撐住日均 5000 請(qǐng)求。

實(shí)測(cè)數(shù)據(jù)

響應(yīng)時(shí)間平均快 1.8 秒——因?yàn)?Claude 不再花 3 秒解析重復(fù)的 node_modules 路徑和無(wú)用的 console.log 示例。

這東西為什么能直接用

• 零訓(xùn)練成本：不碰模型權(quán)重，不調(diào)超參，純工作流層改造
• 不改業(yè)務(wù)邏輯：現(xiàn)有 Agent 只需把 send_to_claude() 替成 mcp_client.action()
• 天然兼容：LangChain、LlamaIndex、AutoGen 都已支持 MCP Action 調(diào)用
• 可審計(jì)：所有上下文塊存本地 JSON 文件，隨時(shí)查哪次用了哪個(gè)版本的文件

怎么自己搭一個(gè)

1. pip install mcp-server
2. 寫(xiě) server.py，繼承 mcp.Server，實(shí)現(xiàn) handle_context_request 和 handle_action_request
3. 在 handle_action_request 里調(diào) Claude，但只拼接 req.referenced_context_ids 對(duì)應(yīng)的內(nèi)容
4. 把生成結(jié)果按語(yǔ)義存成新 context item（比如 file://...@v2）
5. mcp run --server python:server.py

緩存用 dict 就夠，要持久化就寫(xiě) JSON 文件。別一上來(lái)就上 Redis——90% 的小團(tuán)隊(duì)根本用不到。

MCP 的價(jià)值不在協(xié)議本身，而在于它逼你把“上下文”從一坨文本，變成可標(biāo)識(shí)、可版本、可裁剪的資源。Claude 不是變便宜了，是你終于不再喂它吃垃圾。