MCP hay CLI tùy vào việc agent của bạn trả tiền cho công cụ vào lúc nào. Một MCP server gửi tên, mô tả và JSON Schema của mọi công cụ đến mô hình trước khi bạn gõ bất cứ thứ gì. Một CLI thì không tốn gì cho đến khi agent thực thi nó và đọc phần --help hoặc đầu ra. Trên một thiết lập được đo lường, bốn MCP server phổ biến làm phát sinh 11.923 token định nghĩa công cụ; kỹ năng Apidog CLI chỉ thêm 112.
Khoảng cách ấy chính là toàn bộ câu chuyện đằng sau hai bài đăng trên Dev.to trong tuần này. Một lập trình viên gõ "Run tests" vào một coding agent và thấy 28.400 token đầu vào ngay request đầu tiên, không kèm file nào và không có lịch sử. Thủ phạm là bảy MCP server. Một người khác lập luận rằng việc xây dựng MCP quá đơn giản, và phần khó khăn (xác thực, phê duyệt, các lời gọi trùng lặp) bắt đầu ngay sau khi demo chạy được.
Bài viết này tập trung vào một câu hỏi: các định nghĩa công cụ tốn bao nhiêu trong context window của bạn, và khi nào thì một CLI mà agent gọi theo yêu cầu lại rẻ hơn? Nếu vấn đề của bạn là các phản hồi công cụ khổng lồ, hãy đọc bài viết đi kèm về cách thu gọn phản hồi API cồng kềnh.
Vì sao MCP server dùng token của context window
Một MCP server quảng bá các công cụ của nó qua phương thức tools/list. Theo đặc tả MCP tools, mỗi công cụ mang một name, một description và một inputSchema (một JSON Schema cho các tham số của nó). Để mô hình chọn được công cụ, client phải đưa các định nghĩa đó vào request. Trong thiết lập thông thường, điều này xảy ra ở mọi lượt của mọi cuộc hội thoại, dù agent có gọi công cụ hay không.
Vậy chi phí tăng theo ba yếu tố:
- Số lượng công cụ. Một tích hợp GitHub đầy đủ có thể cung cấp hàng chục công cụ.
- Độ sâu của schema. Các đối tượng lồng nhau, enum và mô tả dài đều trở thành token.
- Số lượt. Vòng lặp agent gửi lại các định nghĩa ở mỗi bước.
Bài post của necoz đưa ra con số cụ thể: một stack 52 công cụ tốn 24.600 token schema ở lượt thứ nhất, so với 640 token cho thiết lập 4 công cụ, và khoảng 246.000 token qua vòng lặp 10 bước. Hãy coi đó là phép đo của một lập trình viên, không phải một benchmark. Prompt caching làm giảm chi phí tiền của các định nghĩa lặp lại, nhưng các token vẫn chiếm chỗ trong context window và cạnh tranh sự chú ý với code của bạn.
Còn có chi phí về chất lượng. Tài liệu tool search của Anthropic cho biết một thiết lập đa server với GitHub, Slack, Sentry, Grafana và Splunk "có thể tiêu tốn ~55k token cho định nghĩa trước khi Claude làm bất cứ việc gì", và độ chính xác khi chọn công cụ của Claude giảm sút khi bạn vượt qua ngưỡng 30 đến 50 công cụ khả dụng.
Token định nghĩa công cụ MCP: một phép đo bạn có thể lặp lại
Vào ngày 2026-11-16, tôi đã khởi chạy năm MCP server cục bộ qua stdio, gửi initialize và tools/list từ một script Node 30 dòng, rồi đếm token trong name, description và inputSchema của từng công cụ.
Một lưu ý ngay từ đầu: tôi đếm bằng bộ mã hóa o200k_base của tiktoken của OpenAI vì nó chạy offline. Claude, Gemini và các mô hình khác dùng tokenizer riêng, nên số đếm của bạn sẽ chênh lệch một chút. Tỷ lệ giữa các thiết lập mới là điều quan trọng ở đây.
| MCP server (phiên bản) | Công cụ | Token định nghĩa | Trung bình mỗi công cụ |
|---|---|---|---|
@playwright/mcp 0.0.85 |
25 | 4,634 | 185 |
@modelcontextprotocol/server-filesystem 2.3.0 |
16 | 3,281 | 205 |
@modelcontextprotocol/server-memory 2.1.1 |
9 | 2,013 | 224 |
@modelcontextprotocol/server-everything 2.3.0 |
16 | 1,995 | 125 |
| Bốn server cộng lại | 66 | 11,923 | 181 |
apidog-mcp-server 0.0.18 |
3 | 291 | 97 |
Bốn server bình thường tốn khoảng 12.000 token trước khi agent đọc được một file.
Dòng cuối là ví dụ phản chứng hữu ích. Apidog MCP server chỉ cung cấp ba công cụ hẹp (đọc đặc tả OpenAPI của dự án, đọc các file $ref, làm mới đặc tả), nên nó chỉ tốn 291 token. Số lượng công cụ và độ sâu schema mới là thứ quyết định hóa đơn, chứ không phải giao thức.
Về phía CLI, tôi đo những gì agent thực sự đọc khi dùng Apidog CLI 2.2.12:
| Nội dung CLI | Khi nào vào context | Token |
|---|---|---|
| Mô tả kỹ năng Apidog CLI (frontmatter) | Mỗi phiên, như một mục liệt kê kỹ năng | 112 |
| Phần thân kỹ năng Apidog CLI | Chỉ khi tác vụ khớp | 1,189 |
apidog --help |
Chỉ khi agent chạy nó | 668 |
apidog test-case --help |
Chỉ khi agent chạy nó | 511 |
apidog run --help |
Chỉ khi agent chạy nó | 1,036 |

Chi phí luôn hoạt động của hướng CLI là 112 token. Ngay cả khi agent tải toàn bộ kỹ năng và đọc ba trang help, tổng cộng cũng chỉ gần 3.500 token, và chỉ trong cuộc hội thoại cần đến nó.
MCP vs CLI: so sánh chi phí token
| MCP server (định nghĩa được tải trước) | CLI gọi qua shell | |
|---|---|---|
| Chi phí ban đầu | Schema của mọi công cụ, ở mọi lượt | Bằng không, hoặc một mô tả kỹ năng ngắn |
| Khám phá | tools/list có cấu trúc |
Văn bản --help, đọc khi cần |
| Đầu ra | Bất cứ gì công cụ trả về | Bất cứ gì lệnh in ra (bạn có thể lọc) |
| Hoạt động trên nhiều client | Bất kỳ MCP client nào, một cấu hình | Bất kỳ agent nào có công cụ shell |
| Tham số có kiểu | Có, qua JSON Schema | Flags; file payload được kiểm tra riêng |
| Xác thực và phân quyền | Việc của server (OAuth cho server HTTP từ xa) | Đăng nhập cục bộ và quyền shell của bạn |

CLI thắng ở chi phí ban đầu vì agent đã có sẵn công cụ shell. Chạy apidog endpoint list --project 123 dùng chính công cụ Bash mà nó vốn sẽ tải. Hướng MCP thắng khi bạn cần cùng một năng lực ở nhiều client mà không phải viết tích hợp riêng cho từng client — đó chính là điểm Sylwia Lask nêu ra: MCP không phải thay thế cho REST, mà là cách chuẩn để các AI client khám phá và gọi công cụ.
Client của bạn có thể đã trì hoãn tải công cụ MCP
Trước khi bạn gỡ bỏ toàn bộ server, hãy xem agent của bạn làm gì. Chi phí nêu trên giả định các định nghĩa được tải ngay từ đầu. Một số client hiện không còn làm vậy theo mặc định.
Tài liệu MCP của Claude Code cho biết tool search được bật mặc định: "Chỉ tên công cụ và hướng dẫn của server được tải lúc bắt đầu phiên", và các định nghĩa đầy đủ được tải khi Claude tìm kiếm chúng. Bạn kiểm soát bằng ENABLE_TOOL_SEARCH:
- không đặt hoặc
true: công cụ MCP được trì hoãn và tải theo yêu cầu auto: công cụ được tải trước trong khi tổng định nghĩa của chúng dưới 10% context windowauto:N: tương tự, với tỷ lệ phần trăm do bạn chọnfalse: mọi công cụ MCP đều được tải trước
Có hai ngoại lệ đáng lưu ý. Các mô hình trước Opus 4 và Sonnet 4 luôn tải công cụ MCP trước bất kể cài đặt, và một server đặt alwaysLoad: true sẽ bỏ qua việc trì hoãn. Chạy /context trong Claude Code để xem công cụ nào được đánh dấu là deferred. Trên chính Claude API, ý tưởng tương tự là tool search tool: bạn đặt defer_loading: true cho các công cụ không nên tải trước, và Anthropic cho biết điều này thường cắt giảm hơn 85% token định nghĩa.
Việc trì hoãn chỉ giải quyết chi phí định nghĩa, không phải chi phí đầu ra: Claude Code cảnh báo khi một công cụ MCP trả về hơn 10.000 token và giới hạn đầu ra ở 25.000 theo mặc định (MAX_MCP_OUTPUT_TOKENS). Mới làm quen giao thức? Hãy bắt đầu với MCP là gì và tại sao nó quan trọng với API.
Khi nào dùng MCP hay CLI cho công việc API
Cho việc thiết kế, kiểm thử và tài liệu hóa API, hãy chia như sau:
- Dùng CLI khi tác vụ vốn là thứ bạn chạy trong terminal: liệt kê endpoint, xuất file OpenAPI, tạo và chạy test case, chạy bộ test trong CI. Agent chỉ trả chi phí help text khi cần, và bạn có thể pipe đầu ra qua
jqhoặc--reportersđể giữ cho ngắn gọn. - Dùng MCP server hẹp khi agent cần quyền đọc có cấu trúc ở mọi lượt, ví dụ đọc đặc tả OpenAPI của bạn trong khi viết code client. Ba công cụ với 291 token là cái giá hợp lý.
- Tránh bật năm server trở lên toàn cục trên mọi dự án. Đó chính là thiết lập tạo ra trường hợp "Run tests" tốn 28.400 token.
Dù chọn hướng nào, các cảnh báo của Sylwia vẫn đúng: một công cụ ghi dữ liệu cần kiểm tra quyền phía server, một bước phê duyệt của con người cho các hành động rủi ro, và phát hiện trùng lặp để lần chạy lại không tạo cùng một bản ghi hai lần.
Để coding agent của bạn điều khiển Apidog CLI
Đây là hướng CLI cho công việc API, với coding agent của bạn đảm nhiệm phần gõ lệnh. Cài CLI, đăng nhập một lần và thêm kỹ năng cho agent:
npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com # pick your agent when prompted
Bạn cũng có thể bảo agent "Đọc https://apidog.com/apidog-cli-installation-guide.md và thiết lập Apidog CLI", và nó sẽ làm theo hướng dẫn cài đặt thân thiện với agent.
Sau đó đưa cho nó một prompt:
In Apidog project 123, list the endpoints, export the spec as OpenAPI 3.1 to
./openapi.json, then create a test case for GET /users/{id} that asserts a 200
status and an id field, run it against environment 456 and summarize failures.
Read --help for each command before using it. Print only the lines you need.
Agent đọc help khi cần, kiểm tra JSON của nó, rồi chạy test case:
apidog endpoint list --project 123 --page 1 --page-size 500
apidog export --project 123 --format openapi --oas-version 3.1 --output ./openapi.json
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project 123 --file case.json
apidog run --test-case <caseId> --project 123 -e 456 -r cli,json
Mỗi lệnh trả về JSON có cấu trúc, thường kèm agentHints.nextSteps, nên agent biết phải chạy gì tiếp theo mà không cần tải schema cho mọi hành động có thể xảy ra. Cùng dòng apidog run ... -r junit ấy được đưa thẳng vào CI, như trong hướng dẫn pipeline CI/CD với Apidog CLI. Để xem walkthrough với Claude Code, xem Apidog CLI trong Claude Code, còn số liệu tiết kiệm lời gọi công cụ, xem ít hơn 30% lời gọi công cụ, ít hơn 25% token.
Để xem tất cả nhóm lệnh trước khi bắt đầu, hãy đọc trang Apidog CLI.
Cách giảm chi phí token MCP ngay hôm nay
- Chạy
/contexttrong Claude Code (hoặc công cụ tương đương của client bạn) và ghi lại tổng token định nghĩa công cụ. - Chuyển các server không cần thiết từ cấu hình toàn cục sang cấu hình dự án.
- Bật chế độ tải trì hoãn (
ENABLE_TOOL_SEARCHtrong Claude Code). - Thay các server bao quát rộng bằng một CLI cùng một kỹ năng ngắn cho công việc dạng terminal.
- Với server bạn tự xây, hãy giữ số công cụ ít và mô tả ngắn gọn.
Câu hỏi thường gặp
Công cụ MCP có dùng token nếu agent không bao giờ gọi chúng? Với client tải định nghĩa trước, có. Tên, mô tả và input schema của mọi công cụ đều được đưa vào mỗi request. Các client có chế độ tải trì hoãn, như Claude Code khi bật tool search, chỉ gửi tên công cụ cho đến khi một công cụ thực sự cần dùng.
Một MCP server dùng bao nhiêu token? Tùy vào số lượng công cụ và độ sâu schema. Trong phép đo của tôi, @playwright/mcp dùng 4.634 token cho 25 công cụ còn Apidog MCP server dùng 291 cho 3 công cụ, đếm bằng tokenizer o200k_base.
CLI có luôn rẻ hơn MCP cho AI agent không? Về chi phí ban đầu, gần như luôn luôn, vì agent tái dùng công cụ shell sẵn có. Tính theo từng lời gọi, CLI vẫn có thể làm ngập context nếu agent in ra một payload lớn, nên hãy lọc đầu ra theo cả hai cách.
Prompt caching có sửa được tình trạng phình to context của MCP không? Nó làm giảm giá thành của các định nghĩa lặp lại. Nó không giải phóng context window, và mô hình vẫn phải chú ý đến các token đó ở mọi lượt.
Tôi có nên ngừng dùng MCP server? Không. Hãy dùng các server hẹp cho quyền truy cập có cấu trúc ở mọi lượt và để chia sẻ một năng lực qua nhiều client. Chuyển các công việc API dạng terminal, như xuất dữ liệu và chạy test, sang CLI.
