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

問題在哪

Claude Code 的上下文開銷高得離譜。一個中等長度的代碼審查對話，輕松吃掉 2000+ token——其中 90% 是重復的文件路徑、函數簽名、注釋塊和之前幾輪已確認的結論。小團隊沒預算為每條請求支付高昂的上下文費用，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誤建議。

這不是模型能力問題，是工作流設計問題。

Hacker News 上那個跑通的方案

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

背景很實在

團隊做 AI 輔助的前端組件生成工具。用戶上傳一個 React 組件文件，再提幾個修改需求（比如“加 loading 狀態”“支持 dark mode”）。原始流程是：每次請求都把整個文件 + 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，響應還變慢。

他們試過摘要、滑動窗口、向量檢索——效果都不穩定。最后轉向 MCP（Model Context Protocol），不是因為它“新”，而是它定義了明確的上下文生命周期：context → action → result → update。

技術怎么落地

MCP 不是跨云協議。它是 Anthropic 提出的、專為 LLM 工作流設計的輕量通信規范，核心就三點：

• 上下文按語義分塊（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，不傳原始內容

他們的輕量級 MCP Server 就干三件事：

1. 結構化預處理
   把用戶輸入拆成標準 MCP 塊：源碼存進 file://src/Button.tsx@v1，需求轉成 requirement://add-loading-state，上一輪反饋標記為 feedback://v2。
2. 上下文裁剪
   不傳全部塊，只傳當前任務強依賴的塊 ID 列表。比如“加 loading”這步，只引用 file://src/Button.tsx@v1 和 requirement://add-loading-state，跳過前兩輪關于 dark mode 的討論。
3. 結果緩存與版本聯動
   每次 Claude 返回新代碼，Server 自動創建 file://src/Button.tsx@v2，并把舊塊 v1 標記為 deprecated。后續請求自動切換引用。

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 對應的內容
        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):
        # 構造精簡 prompt：只含 referenced_context_ids 對應的語義塊
        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：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，單進程跑滿 CPU 也能撐住日均 5000 請求。

實測數據

響應時間平均快 1.8 秒——因為 Claude 不再花 3 秒解析重復的 node_modules 路徑和無用的 console.log 示例。

這東西為什么能直接用

• 零訓練成本：不碰模型權重，不調超參，純工作流層改造
• 不改業務邏輯：現有 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 調用
• 可審計：所有上下文塊存本地 JSON 文件，隨時查哪次用了哪個版本的文件

怎么自己搭一個

1. pip install mcp-server
2. 寫 server.py，繼承 mcp.Server，實現 handle_context_request 和 handle_action_request
3. 在 handle_action_request 里調 Claude，但只拼接 req.referenced_context_ids 對應的內容
4. 把生成結果按語義存成新 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 JSON 文件。別一上來就上 Redis——90% 的小團隊根本用不到。

MCP 的價值不在協議本身，而在于它逼你把“上下文”從一坨文本，變成可標識、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。