ainews
Сколько инструментов должно быть в вашем MCP-сервере?
Автор делится практическим опытом разработки MCP-серверов (Model Context Protocol) и показывает, как количество инструментов влияет на точность выбора моделью нужного действия. Оказывается, больше — не значит лучше: уже при 200+ инструментах точность падает до 41-83%, а контекст съедает десятки тысяч токенов ещё до начала диалога.
Тем, кто разрабатывает AI-агентов с внешними инструментами (MCP-серверы), стоит прочитать, чтобы избежать типичных ошибок: раздутого контекста, падения точности и молчаливых breaking changes. Автор подкрепляет выводы реальными цифрами из документации Anthropic и AWS.
Это аннотация к авторской статье. Мы не публикуем и не пересказываем чужие тексты целиком — полная версия у автора.
О чём статья
- По данным Anthropic, оптимум — около 50 инструментов (точность 84-95%); при 200+ инструментах точность падает до 41-83%, при 740+ — до 0-20%
- Определения инструментов — это не бесплатно: реальный набор из 5 серверов может «съедать» 55-70K токенов ещё до начала диалога
- Инструмент должен соответствовать рабочему процессу (workflow), а не отдельному API-эндпоинту: автор сократил 22 endpoint'а до 6 осмысленных инструментов
- Жёсткая валидация схемы (через Pydantic) и подробные docstring'и повышают точность параметров с 72% до 90% — это не бойлерплейт, а контракт для модели
- MCP-протокол не отслеживает версионность отдельных инструментов — изменение описания может незаметно сломать клиента; безопаснее добавлять поля, а не менять существующие
Инструменты из статьи
Локальный запуск открытых LLM (Llama, Qwen, GLM) на своём железе. Бесплатно...
Доступ из РФ →
Комментарии