Token Saver Mcp2skill

令牌保护程序MCP2Skill

使用CLI+Skill替换MCP，节省代码代理令牌消耗

英语 | 中文

______________________________________________________________________

即使每月订阅，代币也用完了？

在使用Cursor、Claude Code或Qwen Code等代码代理工具时，您是否经常发现令牌不足？

代币=货币每一次谈话都会烧钱，但很少有行动真正产生价值。

试试这个解决方案！它不仅节省了大量的令牌，而且使LLM能够更专注于解决您的问题，而不是被数十个工具的模式分心。

______________________________________________________________________

背景：MCP的令牌消费问题

在过去的一年里，MCP（模型上下文协议）工具生态系统变得非常流行，出现了大量工具。每个人的工具箱里都有几十个MCP工具。

核心问题：

1. 巨大的代币消费 -每次对话都会向LLM发送所有MCP工具的完整模式
2. 大多数场景实际上并没有使用它们 -MCP工具实际触发的次数非常低
3. 但它们必须被发送 -我们无法预测LLM何时需要使用这些工具进行评估，因此每次都必须发送这些工具

这导致了大量的代币浪费。

典型MCP配置：

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    },
    "sqlite": {
      "command": "npx",
      "args": ["-y", "@executeautomation/database-server", "/tmp/database.db"]
    },
    "redis": {
      "command": "uvx",
      "args": ["redis-mcp-server", "--url", "redis://localhost:6379/0"]
    }
  }
}

______________________________________________________________________

解决方案：CLI+技能模式

这个项目是一个实验，也是一个推荐的模式： 使用本地CLI命令+技能取代传统的MCP工具模式.

核心思想：

• 使用本地CLI命令完成相同的功能
• 需要时，让法学硕士通过Skill给他们打电话
• 虽然一次技能调用会触发更多的LLM交互，但对于每天数百或数千次代码代理调用来说，这是非常划算的

项目测试方法：

此项目使用 Qwen代码 (https://github.com/QwenLM/qwen-code)作为测试平台，取代 剧作家MCP 随着 剧作家CLI技能 比较两种模式之间的令牌消耗。

相关项目：

• 剧作家MCP：https://github.com/microsoft/playwright-mcp
• 剧作家CLI：https://github.com/microsoft/playwright-cli

______________________________________________________________________

代币消费对比测试

测试工具

• 代码代理：Qwen代码
• 比较工具：剧作家MCP vs剧作家CLI技能
• 测试命令: qwen --openai-logging -p "test echo, pls say hi"

测试数据

数据分析

剧作家MCP与剧作家CLI技能比较：

多MCP场景开销：

在添加了3个MCP（Playwright+SQLite+Redis）后，代币消费激增至 26,118，即 2.5倍 基线测试。

主要结论：

• 默认提示和基础工具已消耗约 10000个代币
• 每增加一个MCP都会显著增加消耗（剧作家MCP增加约4.5k）
• 使用10+MCP，消耗变得更加严重
• 添加技能只需要大约 100个代币

MCP工具示例

Playwright MCP包括22个工具，每个工具的模式在每次对话中都会发送：

playwright - Ready (22 tools)
Tools:
- mcp__playwright__browser_click
- mcp__playwright__browser_close
- mcp__playwright__browser_console_messages
- mcp__playwright__browser_drag
- mcp__playwright__browser_evaluate
- mcp__playwright__browser_file_upload
- mcp__playwright__browser_fill_form
- mcp__playwright__browser_handle_dialog
- mcp__playwright__browser_hover
- mcp__playwright__browser_install
- mcp__playwright__browser_navigate
- mcp__playwright__browser_navigate_back
- mcp__playwright__browser_network_requests
- mcp__playwright__browser_press_key
- mcp__playwright__browser_resize
- mcp__playwright__browser_run_code
- mcp__playwright__browser_select_option
- mcp__playwright__browser_snapshot
- mcp__playwright__browser_tabs
- mcp__playwright__browser_take_screenshot
- mcp__playwright__browser_type
- mcp__playwright__browser_wait_for

单个工具模式示例（每次对话都发送）：

{
  "type": "function",
  "function": {
    "name": "mcp__playwright__browser_tabs",
    "description": "List, create, close, or select a browser tab.",
    "parameters": {
      "type": "object",
      "properties": {
        "action": {
          "type": "string",
          "enum": ["list", "new", "close", "select"],
          "description": "Operation to perform"
        },
        "index": {
          "description": "Tab index, used for close/select. If omitted for close, current tab is closed.",
          "type": "number"
        }
      },
      "required": ["action"],
      "$schema": "https://json-schema.org/draft/2020-12/schema",
      "additionalProperties": false
    }
  }
}

______________________________________________________________________

快速入门：从MCP到技能

1.删除MCP配置

// Delete or comment out
{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

2.安装Playwright命令行界面

# Install Playwright CLI
npm install -g @playwright/cli

3.安装技能

# Install playwright-cli skill
playwright-cli install --skills

这会自动将技能文件安装到Qwen Code的技能目录中：

.qwen/
  skills/
    playwright-cli/
      SKILL.md
      references/
        - request-mocking.md
        - running-code.md
        - session-management.md
        ...

4.验证令牌节省

再次运行测试命令以比较令牌消耗：

qwen --openai-logging -p "test echo, pls say hi"

检查输出中的令牌统计数据，确认从~15k减少到~10.6k。

______________________________________________________________________

实例：创建Web搜索技能

如果你有一个CLI，创建一个技能非常简单。

网络搜索是每个人都需要的一个非常常见的工具。参见 demo_SKILL_for_websearch.md，这是一种人工智能生成的网络搜索技能，可以使用Bing进行搜索并总结结果。

技能档案结构：

---
name: websearch
description: Performs web search using Bing search engine via playwright-cli...
---

# Web Search with Bing and playwright-cli

## Usage Pattern

playwright-cli open https://www.bing.com/
playwright-cli type "your search query"
playwright-cli press Enter
playwright-cli snapshot
...

核心思想：

使用 playwright-cli 命令序列替换Playwright MCP的22个工具，并让LLM了解如何通过技能描述调用它们。

代币消费比较：

______________________________________________________________________

问题与思考

问题1：为什么MCP仍然很受欢迎？

综上所述，CLI+Skill模式在节省代币方面具有明显优势。然而，实际上，MCP生态系统仍然非常受欢迎，许多开发人员和公司都在投资MCP工具开发。

这是为什么？

也许我们应该更加努力 本地CLI开发 而不是MCP。

CLI工具的优点：

• 独立于任何代理框架
• 可用于脚本、CI/CD和其他场景
• 更符合Unix哲学：小工具，组合使用
• 不受特定协议的约束，迁移成本低

建议： 如果你有一个好的工具想法，可以考虑先将其制作成CLI，然后考虑是否需要MCP封装。

问题2：技能浪费问题

虽然技能模式比MCP节省了更多的代币，但仍然存在浪费。

服用 开放规范 例如，它生成了几个技能。虽然这些技能只有几百或几千个代币，不占用太多资源，但在实际应用中，像 /opsx:propose 是 手动触发.

问题： 既然这些技能是手动触发的，为什么每次对话都要向LLM发送它们的描述？这些成百上千的代币基本上被浪费了。

进一步思考：

除了MCP/Skill，我们是否还缺少某种形式的 本地命令/工具?

• 仅在本地触发的表单
• 不需要发送给LLM
• 仅在用户明确调用时执行

此表单可能更接近传统的CLI命令，但需要更好地与Agent工具集成。

哦，对了，这正是斜线命令场景！大多数代码代理都支持它。

______________________________________________________________________

相关链接

• Qwen代码: https://github.com/QwenLM/qwen-code
• 剧作家MCP: https://github.com/microsoft/playwright-mcp
• 剧作家CLI: https://github.com/microsoft/playwright-cli
• 开放规范: https://openspec.dev/
• 网络搜索技能示例: demo_SKILL_for_websearch.md

许可证

麻省理工学院