待验证50% 置信事实精确时间

在Agent循环中，MCP工具的返回值会直接进入下一轮LLM的上下文，因此其输出体积对Token消耗有直接影响

1

来源数

50%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

LLM重试如何省Token？大上下文Agent工作流的优化策略

涉及实体

MCPtechnology LLMtechnology

相关事实

待验证让MCP工具返回小而结构化的错误对象而非完整数据流，能提升Agent循环的Token效率74% 相似待验证MCP的工作机制需要将大量上下文信息注入模型输入，导致Token消耗过大72% 相似已验证每个MCP加载时其工具描述会被塞入上下文，若给Agent附加大量MCP且不限制Tools，会导致token爆炸、延迟增加和成本上升71% 相似待验证MCP的Resource机制允许Agent在多轮分析对话中持续访问已加载的数据上下文68% 相似待验证MCP定义了工具调用出错时的标准响应机制66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931919

API

curl https://kongchang.com/api/v1/knowledge/claims/931919

MCP

get_claim(id=931919)