在上个月的文章《我的 Claude Code 配置实践》中，我分享了自己配置 MCP 服务器的经验。但经过这段时间的深度使用，我发现了一个关键问题：MCP 服务器非常占用 context。在调研官方文档和工程实践后，我决定将部分 MCP 配置迁移到更轻量级的 Skill 和 CLI 工具上。本文记录这次优化的过程和心得。
根据 ，MCP 服务器在每个请求中都会加载其工具定义和 JSON 架构。这意味着即使你没有调用某个 MCP 工具，它仍然会消耗宝贵的上下文窗口。
当你配置了多个 MCP 服务器时，这个问题会更加明显。比如同时启用 和 两个 MCP，每次请求可能就要消耗数万个 token 的上下文空间，留给实际代码分析和对话的空间就被压缩了。
安装完成后，Claude Code 会自动识别这个 Skill，无需在配置文件中手动添加。
Chrome DevTools MCP 的方式：
agent-browser Skill 的方式：
除了更低的 context 成本， 还带来了额外能力：
- 视觉回归测试：可以对比两个版本的页面截图，检测像素级差异
- 网络请求拦截：可以拦截、修改或模拟网络请求，而不仅仅是监控
- 更适合 claude code 教程 AI 的 API：针对 AI agent 的使用场景设计，操作更直观
直接调用：
Claude 会直接执行：
结合其他命令：
Claude 会执行：
- ：通过 安装，不占用 MCP 配置
- ：通过 安装，通过 Bash 调用
- 需要结构化数据返回：MCP 返回的是结构化数据，Claude 可以更好地理解和处理
- 需要与 IDE 深度集成：比如 context7 查询文档，返回的内容直接用于代码补全
- 复杂的多步骤操作：MCP 可以维护状态，适合复杂的工具链调用
- 浏览器自动化： 专为 AI 设计，功能更强、成本更低
- 特定领域的专业工具：Skill 通常针对特定场景优化
- 需要视觉/截图能力：Skill 在这方面有明显优势
- 简单直接的操作：如 、 等单次调用
- 成本敏感的场景：CLI 不占用 context，成本最低
- 可靠性要求高的场景：本地 CLI 不会遇到 MCP 连接超时问题
我的最终配置策略：
通过这次优化，我获得了显著的改进：
- Token 消耗：预计减少 50-80%，尤其是浏览器和 GitHub 相关操作
- 响应速度：减少了 MCP 加载时间，Claude 的响应更快
- 可靠性提升：避免了 MCP 连接失败的问题
- 成本降低：如果使用 API 调用，月度成本从 $50+ 降低到 $5 以下
更重要的是，这次优化让我重新思考了工具选择的原则：不是功能越多越好，而是要在功能、成本和可靠性之间找到平衡。MCP 是一个优秀的协议，但并不意味着所有操作都要通过 MCP 完成。Skill 和 CLI 在很多场景下是更轻量、更高效的选择。
未来我计划继续关注 Claude Code 生态的发展，探索更多轻量级工具，同时保持配置的简洁和高效。
参考链接：
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/282668.html原文链接：https://javaforall.net
