Как ИИ-агент сжигает бюджет ещё до начала работы: когда MCP лишний, а навыка достаточно

143 000 токенов уходят на описание инструментов, которыми агент даже не воспользуется. Полезной работы при этом ноль.

MCP стал важным стандартом для подключения ИИ-агентов к внешним системам: CRM, базам данных, GitHub, Slack, внутренним API. Проблема в другом: его ставят как универсальный ответ на любой вопрос про интеграцию, хотя иногда агенту хватает навыка и обычной CLI-команды.

А разница в бюджете может быть не косметической.

Если упростить, MCP отвечает за доступ и автономию агента. Он говорит: вот список инструментов, вот что каждый умеет — выбирай и действуй. Задача ставится на человеческом языке, без технических деталей; агент самостоятельно решает, что вызвать, в каком порядке и как интерпретировать ответ.

Skill отвечает за процедуру. Он говорит агенту: вот конкретные команды, вот порядок вызова, вот как реагировать на ошибку, вот шаблон результата. Автономии меньше — предсказуемости больше.

Это разные слои.

Например, агенту нужно посмотреть issue в GitHub, найти связанные PR и подготовить короткое резюме. Один путь — подключить GitHub MCP-сервер. Второй: дать агенту навык, который объясняет, как пользоваться уже установленным gh: какие команды вызвать, как фильтровать вывод, как оформить результат.

В первом случае агент получает стандартизированный сервер с набором tools. Во втором — короткую рабочую инструкцию и доступ к привычному инструменту командной строки.

Оба варианта рабочие. Но стоят они по-разному.

У MCP есть неприятная особенность: многие клиенты загружают в контекст схемы всех доступных инструментов сервера. Агенту нужна одна операция, но модель видит описания десятков tools, их параметры, JSON-схемы и служебные подсказки.

В одном из сравнительных исследований разбирался GitHub MCP-сервер с 43 инструментами. Даже простой запрос мог тянуть около 44 000 токенов на итерацию: только за то, что сервер существует. При подключении трёх стандартных MCP-серверов служебный контекст доходил до 143 000 токенов — большая часть окна в 200k ещё до полезной работы.

Там же приводилась оценка по стоимости: 10 000 операций через связку CLI + Skills обходились примерно в $3.20, а через удалённые MCP-серверы — около $55.20. В тесте удалённых MCP-агентов ещё и 28% запусков падали из-за сетевых таймаутов.

Реальная стоимость зависит от клиента, модели, сервера, кэша, транспорта и реализации. Но направление видно: если агент каждый раз тащит большой список инструментов, он платит токенами ещё до того, как начал думать.

И это не только деньги. Перегруженный контекст ухудшает выбор инструмента. Модель хуже понимает, какой tool нужен сейчас, потому что рядом лежит слишком много похожих вариантов.

Skill хорошо работает там, где внешняя система уже доступна через локальный инструмент или простой внутренний скрипт.

Примеры:

В таких задачах агенту не всегда нужен отдельный MCP-сервер. Часто ему нужно другое: понятная инструкция, какие команды вызывать, какие флаги использовать, какие ошибки считать критичными, как не трогать прод без подтверждения.

Навык не заменяет права доступа и не делает систему безопасной. Зато он резко снижает лишний контекст, если задача процедурная: «сделай вот так, проверь вот это, результат отдай в таком формате».

Для локальной разработки, DevOps-рутины и внутренних инструментов это часто дешевле и надёжнее, чем разворачивать отдельную инфраструктуру только ради того, чтобы агент вызвал команду, которая уже есть в системе.

Есть обратная ошибка: увидеть цифры про токены и решить, что MCP можно всегда заменить навыками. Нельзя.

Skill + CLI работают, пока агентом пользуется один разработчик в терминале. Как только к нему подключается команда через веб-интерфейс — CLI-маршрута нет. Нужны HTTP-эндпоинты, и это уровень MCP.

Плюс Skill + CLI работают от имени одного системного процесса и не различают пользователей. MCP с OAuth привязывает каждый запрос к конкретному человеку: проверяет права, пишет его действие в лог, позволяет точечно отозвать доступ.

Это важно там, где агент работает с CRM, персональными данными или платёжной системой. Skill справится с задачей — но не с авторизацией на уровне конкретного пользователя.

Я бы не начинал агентную архитектуру с вопроса «Какой MCP-сервер подключить?». Лучше начать с другого: агенту нужен доступ, процедура или и то и другое?

В production чаще всего придётся соединить оба слоя: MCP как транспорт и контроль доступа, Skill как процедурная память и рабочие правила. Тогда бюджет идёт на работу, а не на описание инструментов, которыми агент не воспользуется.

Практические разборы по AI-агентам, CRM-интеграциям и бюджетам автоматизации веду в Telegram: @dmitra_ai.