Οθόνη φορητού υπολογιστή με κώδικα σε περιβάλλον με μπλε φωτισμό

MCP, CLI και skills: Το κρυφό κόστος των εργαλείων στους AI agents

Για να απαντήσει ένας AI agent σε μια απλή ερώτηση, μπορεί πρώτα να χρειαστεί να διαβάσει ολόκληρο κατάλογο εργαλείων. Τι κάνει το καθένα, ποιες παραμέτρους δέχεται και πώς επιστρέφει αποτελέσματα. Αυτή η προετοιμασία δεν εμφανίζεται απαραίτητα στον χρήστη, αλλά καταναλώνει χώρο και υπολογιστικούς πόρους.

Μια σύγκριση που δημοσίευσε το OpenRouter στις 11 Νοεμβρίου εξετάζει ακριβώς αυτό το κόστος. Το ενδιαφέρον της ξεπερνά το ποια επιλογή κατανάλωσε λιγότερα tokens: δείχνει γιατί η αρχιτεκτονική γύρω από ένα μοντέλο αξίζει τόση προσοχή όσο και το ίδιο το μοντέλο. Πηγή: OpenRouter

Τρεις έννοιες που κάνουν διαφορετικές δουλειές

Οι όροι MCP, CLI και skills εμφανίζονται συχνά ως ανταγωνιστικές επιλογές. Στην πράξη, περιγράφουν διαφορετικά μέρη ενός συστήματος και μπορούν να συνεργάζονται.

Το Model Context Protocol, ή MCP, τυποποιεί την επικοινωνία μιας εφαρμογής AI με εξωτερικά εργαλεία και δεδομένα. Ένας διακομιστής MCP μπορεί να εκθέτει λειτουργίες για αναζήτηση εγγράφων ή πρόσβαση σε μια υπηρεσία. Η εφαρμογή συνδέεται μαζί του και διαχειρίζεται τη χρήση αυτών των δυνατοτήτων. Ο διακομιστής μπορεί να λειτουργεί τοπικά ή απομακρυσμένα. Πηγή: επίσημη αρχιτεκτονική MCP

Το CLI, δηλαδή η διεπαφή γραμμής εντολών, είναι ένας τρόπος χειρισμού προγράμματος μέσω γραπτών εντολών. Ένας agent με κατάλληλη πρόσβαση μπορεί να χρησιμοποιεί τέτοια προγράμματα, όπως ένας προγραμματιστής στο τερματικό.

Ένα skill οργανώνει οδηγίες και υλικό για μια εργασία. Στο ανοικτό πρότυπο Agent Skills, περιλαμβάνει ένα αρχείο SKILL.md και μπορεί να συνοδεύεται από scripts, παραδείγματα ή πρότυπα εγγράφων. Προσθέτει διαδικαστική γνώση, χωρίς να αποτελεί από μόνο του σύνδεση με κάποια υπηρεσία. Πηγή: Agent Skills

Έτσι, ένα skill μπορεί να εξηγεί πώς συντάσσεται μια αναφορά, ενώ τα δεδομένα της αναφοράς αποκτώνται μέσω MCP ή ενός CLI.

Τι μέτρησε το OpenRouter

Η δοκιμή αφορούσε μία εργασία στο GitHub: εντοπισμό της τελευταίας έκδοσης ενός αποθετηρίου και των τριών πιο πρόσφατων ανοικτών αναφορών σφάλματος. Έγιναν τρεις εκτελέσεις ανά συνδυασμό και δημοσιεύθηκαν οι διάμεσες τιμές.

Για το Claude Sonnet 5.5, τα συνολικά tokens εισόδου ήταν:

ΠροσέγγισηTokens εισόδου
GitHub CLI1.421
CLI με skill3.315
MCP με 46 προεπιλεγμένα εργαλεία59.417
MCP με δύο εργαλεία και περιορισμένα αποτελέσματα5.357

Οι συγκεκριμένες διαδρομές έδωσαν σωστές απαντήσεις. Πρόκειται, όμως, για εταιρική τεχνική δοκιμή ενός σεναρίου και ενός MCP server, όχι για αξιολογημένη επιστημονική μελέτη ή ανεξάρτητη αναπαραγωγή. Οι αριθμοί δεν θεμελιώνουν γενική κατάταξη. Πηγή: μεθοδολογία και αποτελέσματα OpenRouter

Γιατί κοστίζει ό,τι διαβάζει το μοντέλο

Τα tokens είναι οι μονάδες στις οποίες μετατρέπεται το κείμενο για να το επεξεργαστεί ένα γλωσσικό μοντέλο. Δεν αντιστοιχούν πάντοτε σε ολόκληρες λέξεις. Στο πλαίσιο μιας εργασίας μπορεί να περιλαμβάνουν την ερώτηση, οδηγίες, περιγραφές εργαλείων και αποτελέσματα προηγούμενων ενεργειών.

Το σύνολο των πληροφοριών που έχει διαθέσιμο το μοντέλο σε μια κλήση αποτελεί το context του. Όταν εκεί προστίθενται μεγάλες ποσότητες άσχετων δεδομένων, μένει λιγότερος χώρος για το ουσιαστικό υλικό της εργασίας.

Η Anthropic έχει περιγράψει δύο συνηθισμένες πηγές επιβάρυνσης: τη φόρτωση πολλών ορισμών εργαλείων εξαρχής και τη μεταφορά ογκωδών ενδιάμεσων αποτελεσμάτων μέσα από το μοντέλο. Η δεύτερη περίπτωση είναι εύκολο να υποτιμηθεί. Ένα εργαλείο μπορεί να είναι σύντομο στην περιγραφή του, αλλά να επιστρέφει χιλιάδες εγγραφές. Πηγή: Anthropic

Για παράδειγμα, μια αναφορά πωλήσεων μπορεί να χρειάζεται μόνο το άθροισμα ανά μήνα. Αν το μοντέλο λαμβάνει όλες τις συναλλαγές και τα συνοδευτικά πεδία τους, επεξεργάζεται πολύ περισσότερο υλικό από όσο απαιτεί η τελική απάντηση.

Το MCP δεν επιβάλλει να φορτώνονται τα πάντα

Εδώ χρειάζεται μια ουσιαστική διευκρίνιση. Η επίσημη τεκμηρίωση του MCP αναφέρει ότι το πρωτόκολλο αφορά την ανταλλαγή πληροφοριών και δεν υπαγορεύει πώς μια εφαρμογή χρησιμοποιεί το μοντέλο ή διαχειρίζεται το context.

Συνεπώς, η αποστολή ολόκληρου του καταλόγου εργαλείων σε κάθε κλήση αποτελεί επιλογή υλοποίησης. Δεν είναι αναπόφευκτη ιδιότητα του πρωτοκόλλου. Πηγή: Model Context Protocol

Ο επίσημος GitHub MCP server, για παράδειγμα, επιτρέπει να ενεργοποιούνται επιλεγμένες ομάδες λειτουργιών ή συγκεκριμένα εργαλεία. Διαθέτει επίσης λειτουργία μόνο για ανάγνωση, η οποία δεν προσφέρει εργαλεία τροποποίησης αποθετηρίων και άλλων αντικειμένων. Πηγή: GitHub MCP Server

Αυτό έχει σημασία για μια επιχείρηση που θέλει έναν βοηθό αναζήτησης. Δεν χρειάζεται να του παρέχει όλες τις δυνατότητες διαχείρισης της υπηρεσίας απλώς επειδή υπάρχουν. Η επιλογή των εργαλείων μπορεί να ακολουθεί την πραγματική εργασία που του ανατίθεται.

Η οικονομία αρχίζει από τα αποτελέσματα

Το GitHub CLI προσφέρει ένα χρήσιμο παράδειγμα ελεγχόμενης εξόδου. Με την επιλογή --json, ο χρήστης ή ο agent μπορεί να ζητήσει συγκεκριμένα πεδία. Πρόσθετα φίλτρα επιτρέπουν περαιτέρω επεξεργασία πριν εμφανιστούν τα δεδομένα. Πηγή: GitHub CLI — Formatting

Η ίδια αρχή μπορεί να εφαρμοστεί σε άλλες συνδέσεις: ζητάμε την πληροφορία που χρειάζεται η απόφαση και διατηρούμε τα υπόλοιπα διαθέσιμα για περίπτωση που χρειαστούν.

Η Anthropic προτείνει μια συναφή αρχιτεκτονική, όπου ο agent γράφει κώδικα που καλεί εργαλεία MCP και επεξεργάζεται τα αποτελέσματα πριν τα επιστρέψει στο μοντέλο. Έτσι, φίλτρα, υπολογισμοί και μεταφορές δεδομένων μπορούν να εκτελούνται στο περιβάλλον κώδικα. Πηγή: Anthropic

Αυτό δείχνει και γιατί οι απόλυτες συγκρίσεις είναι παραπλανητικές: η εκτέλεση κώδικα και το MCP μπορούν να αποτελούν τμήματα της ίδιας λύσης.

Τι προσθέτουν τα skills και η αναζήτηση εργαλείων

Τα Agent Skills χρησιμοποιούν σταδιακή φόρτωση. Αρχικά διατίθενται το όνομα και μια σύντομη περιγραφή. Όταν το skill χρειάζεται, ο agent διαβάζει τις πλήρεις οδηγίες και, στη συνέχεια, όποιο πρόσθετο υλικό είναι σχετικό. Πηγή: Agent Skills

Η πρακτική αξία βρίσκεται στην επαναχρησιμοποίηση μιας διαδικασίας. Μια ομάδα μπορεί, για παράδειγμα, να καταγράψει πώς θέλει να ελέγχονται οι πηγές μιας αναφοράς ή ποια στοιχεία πρέπει να περιλαμβάνει ένα παραδοτέο. Το skill δίνει αυτές τις οδηγίες όταν απαιτούνται. Δεν εγγυάται ότι το μοντέλο θα τις εφαρμόσει αλάνθαστα.

Αντίστοιχα, η τεκμηρίωση του Tool Search του OpenRouter περιγράφει εργαλεία των οποίων οι πλήρεις ορισμοί παραμένουν κρυμμένοι μέχρι να αναζητηθούν. Μετά την εύρεσή τους, μπορούν να χρησιμοποιηθούν κανονικά. Πηγή: OpenRouter — Tool Search

Η προσέγγιση μειώνει όσα πρέπει να παρουσιαστούν εξαρχής, αλλά προσθέτει ένα βήμα ανακάλυψης. Γι’ αυτό χρειάζεται μέτρηση ολόκληρης της εργασίας: μια μικρότερη αρχική κλήση δεν αρκεί για να χαρακτηριστεί αποδοτικότερο το τελικό σύστημα.

Η σωστή επιλογή μετριέται στην ολοκληρωμένη εργασία

Για μια ομάδα ανάπτυξης, χρήσιμη αφετηρία είναι μια αντιπροσωπευτική σειρά πραγματικών εργασιών. Πόσες ολοκληρώνονται σωστά; Πόσο διαρκούν; Πόσες επαναλήψεις χρειάζονται και ποιο είναι το συνολικό κόστος;

Εξίσου σημαντικά είναι τα δικαιώματα πρόσβασης και η συντήρηση. Ένα CLI προϋποθέτει κατάλληλο περιβάλλον εκτέλεσης και διαπιστευτήρια. Μια σύνδεση MCP χρειάζεται σωστή ρύθμιση. Οι οδηγίες ενός skill πρέπει να ενημερώνονται όταν αλλάζει η διαδικασία που περιγράφουν.

Οι συγκρίσεις έχουν αξία όταν βοηθούν να εντοπιστεί περιττή εργασία. Ένας αποτελεσματικός agent χρειάζεται πρόσβαση στα κατάλληλα εργαλεία, κατανοητές οδηγίες και επαρκή δεδομένα για να ελέγξει το αποτέλεσμα. Η εξοικονόμηση προκύπτει όταν αυτά παρέχονται με ακρίβεια — χωρίς να θυσιάζεται η ορθότητα για έναν μικρότερο αριθμό tokens.

Πηγές

ΣΧΕΤΙΚΑ ΑΡΘΡΑ