Token-Ökonomie

Jeder Tool-Name, jede Beschreibung und jedes Schema ist Kontext, für den das Modell in jedem Planungsturn bezahlt. Jedes Antwortfeld ist Kontext, für den es bei jeder Beobachtung bezahlt. MCP Fusion behandelt beides als Budget, mit Funktionen für bewusstes Ausgeben und einem Profiler, der die Lecks findet.

Beschreibungen: TOON

.toonDescription() ersetzt die Beschreibung in Prosa durch eine Pipe-getrennte Tabellenform, die aus dem Aktionsschema erzeugt wird:

billing actions|desc|required
get_invoice|Retrieve an invoice by ID|id
refund|Refund an invoice|id,amount_cents
list_invoices|List the tenant invoices|-

Der Agent liest eine Tabelle mit ungefähr der Hälfte der Tokens, die dieselbe Information in Sätzen benötigt. Sie wird aus dem Schema erzeugt und kann daher nicht abweichen: Ändern Sie ein Pflichtfeld, ändert sich die Tabelle.

Antworten: limit, select, Gruppen

Drei Hebel, nach Wirkung geordnet:

.agentLimit(max) begrenzt eine Collection und fügt beim Abschneiden einen korrigierenden ersten Block ein:

📊 Summary: Dataset truncated. 50 shown, 4200 hidden. Use filters to narrow results.

Das Modell erfährt, was passiert ist und was zu tun ist, statt still über eine unvollständige Liste zu schlussfolgern.

.enableSelect() fügt ein _select-Argument hinzu, dessen Enum die Vereinigung der Felder des Root-Schemas ist. Der Datenblock sendet nur die angeforderten Felder, während UI-Blöcke und Regeln weiterhin das vollständige Objekt sehen. Aus einem breiten Rechnungsmodell wird eine Antwort mit fünf Feldern, wenn die Frage klein war.

Gruppierung tauscht Schema-Größe gegen Namensanzahl: Ein Namespace mit zwölf Aktionen wird zu einem Tool mit Discriminator und das Menü wird entsprechend kleiner. Siehe Tool-Exposition.

.toonSuccess(data) verwendet dieselbe Tabellencodierung für eine einheitliche Collection-Antwort und fasst wiederholte Schlüssel in einer Kopfzeile zusammen.

FSM-Komprimierung

Ein zustandsgebundener Connector kann compactDescription() im Anfangszustand der Maschine liefern und später die vollständige Beschreibung offenlegen. Das Menü, das der Agent am Anfang des Workflows liest, ist kleiner als das Menü an der Stelle, an der die riskanten Aktionen liegen. Siehe FSM-State-Gating.

Der Profiler

Das Framework liefert einen statischen Analyzer, weil Antwortinflation unsichtbar bleibt, bis die Rechnung kommt. profileResponse teilt eine Antwort in Payload- und Overhead-Blöcke, berechnet overheadRatio und klassifiziert das Risiko:

mit Hinweisen wie COGNITIVE OVERLOAD, HIGH TOKEN DENSITY und OVERHEAD WARNING, bei einem standardmäßigen Overhead-Limit von etwa 30 % der Antwort. Das gleiche Modul klassifiziert das statische Inflationsrisiko eines Tools aus seinem Schema: Eine unbegrenzte Collection mit mehr als zehn Feldern ist kritisch, eine allein unbegrenzte Collection ist hoch und mehr als zwanzig Felder ist mittel. Diese Klassifizierung wird in die Capability-Lockdatei gehasht, sodass eine Inflationsregression CI fehlschlagen lässt, statt still ausgeliefert zu werden. Siehe Verträge.

Token-Schätzungen verwenden die Standardheuristik von ungefähr einem Token pro 3,5 Zeichen in JSON-artigem Text. Sie ist genau genug, um Varianten zu vergleichen, und wird nie als Provider-Zählung dargestellt.

Reihenfolge der Budget-Operationen

1. Gruppieren Sie Aktionen, damit das Menü klein bleibt
2. Aktivieren Sie _select für breite Entitäten
3. Setzen Sie .agentLimit() für jede Collection
4. Verwenden Sie .toonDescription() und .toonSuccess() für einheitliche Formen
5. Komprimieren Sie Beschreibungen in FSM-Zuständen, die nicht die vollständige Geschichte benötigen
6. Führen Sie den Profiler in CI aus und behandeln Sie eine Risikoerhöhung als Regression

Nächste Schritte

• Wire-Format: was jeder Block kostet
• Verträge: die Lockdatei, die das Budget festschreibt
• Tool-Exposition: Gruppierungsmechanik