Contents
Chào mừng bạn đến với Fx Studio. Bài này đi tìm chi phí token thật sự của những skill và máy chủ MCP nằm im trong máy mà không ai gọi tới.
Tập 2 của series Nghĩa địa skill — về những skill tui viết cho Claude Code rồi không mở lại lần nào. Tập 1 hỏi: skill nằm im thì mất gì. Câu trả lời là chi phí token: cái đã chết vẫn chiếm chỗ trong ngữ cảnh ở mọi lượt hội thoại, và chỗ đó cộng vào tổng độ dài input nên kéo chất lượng đầu ra xuống theo. Thuế trả bằng hai tầng — chỗ ngồi và chất lượng — không phải bằng dung lượng ổ cứng.
Tập trước tui kết bằng một câu hỏi và cố tình không trả lời: mấy cái skill nằm im trong thư mục đó, kệ nó thì mất gì.
Câu hỏi đó có một câu trả lời rất dễ chịu, và tui đã tự nói với mình đúng câu đó nhiều lần. Ổ cứng rẻ. File text nhẹ. Cùng lắm là hơi bừa. Bừa thì có chết ai.
Đi tìm thật thì câu trả lời không dễ chịu như vậy.
Thuế tầng một: chi phí token cho chỗ ngồi trong ngữ cảnh
Chi phí token của công cụ nằm im dễ thấy nhất ở MCP (Model Context Protocol — giao thức cắm công cụ ngoài vào model), vì ở đó người ta đo được.
Có một bài phân tích đo máy chủ MCP chính thức của GitHub khi cắm vào Claude Code, và con số là khoảng bốn mươi hai nghìn token — chỉ riêng phần định nghĩa công cụ. Chưa phải là bạn gọi công cụ nào. Chỉ là chúng có mặt. Bốn mươi hai nghìn token đó nằm sẵn trong ngữ cảnh trước khi bạn kịp gõ chữ đầu tiên.
Cơ chế đơn giản đến mức khó chịu: khoảnh khắc bạn cắm một máy chủ MCP vào, toàn bộ định nghĩa công cụ được nạp vào ngữ cảnh. Tên, mô tả, schema tham số, giá trị enum, tất cả. Và không phải chỉ nạp lúc bạn gọi công cụ — nạp ở mọi lượt hội thoại.
Có một cách ví von tui thấy rất đúng: giống như vào thư viện đọc một cuốn sách, nhưng thủ thư bắt bạn đọc hết catalog trước đã. Mỗi lần bước vào.
Vì sao con số token của GitHub MCP không đứng yên
Đây là chỗ tui phải dừng lại, vì nếu bỏ qua thì bài này thành một bài trích số ẩu.
Bốn mươi hai nghìn không phải con số duy nhất đang lưu hành. Một người đếm sau đó ra năm mươi lăm nghìn token cho chín mươi ba định nghĩa công cụ. Một chỗ khác lại đo được mười bảy nghìn sáu trăm cho chín mươi bốn công cụ. Ba con số, chênh nhau hơn ba lần.
Không phải ai đó đếm sai. Là vì GitHub đã sửa giữa chừng. Trong changelog của họ, bộ công cụ Projects được gộp lại và riêng việc đó cắt được khoảng hai mươi ba nghìn token, tức khoảng một nửa.
Tui thấy chi tiết này quan trọng hơn bản thân con số, vì hai lý do.
Thứ nhất, nó cho thấy vấn đề là thật tới mức nhà cung cấp phải đích thân đi sửa. Không ai bỏ công gộp lại cả một bộ công cụ để tiết kiệm thứ không đáng tiếc.
Thứ hai, nó nhắc rằng con số trong lĩnh vực này có hạn sử dụng. Ai trích bốn mươi hai nghìn hôm nay mà không nói nó đo lúc nào thì đang trích một cái ảnh chụp, không phải một sự thật.
Và kể cả sau khi sửa, phần định nghĩa vẫn còn hàng chục nghìn token. Một khảo sát đo thử năm máy chủ phổ biến cắm cùng lúc — Notion, GitHub, Playwright, filesystem, Slack — ra hai mươi sáu nghìn token, tức khoảng mười ba phần trăm của cửa sổ hai trăm nghìn, trả ở mọi request.
MCP không phải skill — một dấu ngoặc bắt buộc
MCP không phải skill. Tui không muốn đánh tráo hai thứ đó.
Định nghĩa công cụ MCP nặng chủ yếu vì schema — với máy chủ tốn kém nhất trong khảo sát trên, chín mươi bảy phần trăm chi phí nằm ở inputSchema chứ không phải ở phần mô tả. Skill thì nhẹ hơn nhiều, phần nạp sẵn chủ yếu là dòng mô tả.
Nên tui không nói thư mục skill của bạn đang ăn bốn mươi hai nghìn token. Nói vậy là bịa.
Cái tui nói là: cơ chế thì giống hệt nhau. Thứ có mặt mà không được gọi vẫn chiếm chỗ trong ngữ cảnh, ở mọi lượt, và cái giá đó tỉ lệ với số lượng thứ đang có mặt. MCP chỉ là chỗ hiện tượng đó lộ ra rõ nhất vì nó to nhất và có người chịu khó đo. Skill là cùng một hình dạng vấn đề, nhỏ hơn, và không ai đo.
Thuế tầng hai: chất lượng đầu ra giảm theo độ dài input
Nếu chuyện chỉ là mất chỗ thì vẫn còn dễ chịu. Mua cửa sổ ngữ cảnh to hơn là xong. Một triệu token, thoải mái.
Chỗ đau nằm ở tầng thứ hai.
Chroma làm một nghiên cứu mà họ đặt tên là context rot, thử mười tám model tuyến đầu — GPT-4.1, Claude 4, Gemini 2.5, Qwen3 — và kết quả là không con nào thoát. Không phải một vài con. Không phải phần lớn. Tất cả. Input càng dài thì chất lượng đầu ra càng giảm, và giảm ở mọi mức tăng độ dài mà họ thử.
Điểm chí mạng nằm ở chữ này: chuyện đó xảy ra kể cả khi cửa sổ ngữ cảnh còn xa mới đầy. Không có cái ngưỡng nào để mình yên tâm rằng dưới ngưỡng thì an toàn. Nó không phải cái trần mình đụng vào. Nó là một cái dốc mình đã đi xuống từ lâu mà không biết, vì model vẫn trả lời, chỉ là trả lời tệ dần.
Có một phát hiện trong đó lật ngược trực giác của tui. Model làm tốt hơn khi đống ngữ cảnh bị xáo trộn lung tung, so với khi nó là một tài liệu mạch lạc có logic. Sự mạch lạc về cấu trúc lại làm hại hiệu năng, ở cả mười tám model.
Tui vẫn chưa tiêu hoá xong chi tiết đó, và tui nghĩ nó xứng đáng một bài riêng.
Ghép hai tầng thuế lại
Giờ thì câu hỏi của tập 1 có câu trả lời.
Một skill nằm im không lấy của bạn dung lượng ổ cứng. Nó lấy hai thứ khác. Nó lấy chỗ ngồi trong ngữ cảnh, ở mọi phiên, kể cả phiên bạn không định dùng tới nó. Và cái chỗ ngồi đó cộng vào tổng độ dài input, tức là nó đẩy bạn xuống dốc chất lượng nhanh hơn.
Nói cách khác: cái đã chết không nằm yên một chỗ chờ bạn dọn. Nó rút bớt năng lực của những cái còn sống. Con dao mòn để trong ngăn kéo thì không làm cùn con dao đang dùng. Còn ở đây thì có.
Không dùng không có nghĩa là không tốn.
MCP Tool Search — dấu hiệu cho thấy vấn đề này là thật
Tháng Một năm 2026, MCP có thêm cơ chế Tool Search: khi phần định nghĩa công cụ vượt quá mười phần trăm cửa sổ ngữ cảnh, client tự động hoãn nạp chúng, và model đi tìm công cụ theo nhu cầu thay vì được nhồi sẵn toàn bộ catalog. Báo cáo ban đầu cho thấy chi phí token lúc khởi động giảm khoảng chín mươi lăm phần trăm.
Người ta không viết cả một cơ chế ở tầng giao thức để chữa một vấn đề tưởng tượng.
Điều đáng chú ý là hướng chữa: không phải nén cho nhỏ lại, mà là đừng nạp thứ chưa cần. Đó là một câu trả lời có hình dạng rất giống với câu trả lời cho thư mục skill của tui. Tui sẽ quay lại chuyện này ở tập 4.
Biết chi phí token rồi mà tháng sau vẫn viết thêm skill
Tới đây thì tui biết cái chết có giá. Biết giá rồi thì đáng ra hành vi phải đổi.
Vậy mà tháng sau tui vẫn sẽ viết thêm một skill nữa, và có khả năng cao là tui cũng sẽ không gọi lại nó lần thứ hai.
Biết mà vẫn làm thì không phải chuyện thiếu thông tin. Đó là chuyện khác. Tập sau tui đi vào chỗ đó — và tui sẽ bắt đầu bằng một con số mà cả ngành phần mềm trích suốt hai mươi năm, rồi truy xem nó từ đâu ra.
Tập 3: vì sao chết.
Nguồn
- Đo chi phí token của máy chủ MCP GitHub trong Claude Code: getunblocked.com — GitHub MCP Token Cost: A 2026 Autopsy and 4 Fixes
- Đối chiếu số đo khác: StackOne — MCP Token Optimization; dev.to — Your MCP server eats 55,000 tokens before your agent says a word
- Khảo sát nhiều máy chủ, tỉ trọng
inputSchema: zhang-liz/mcp-token-benchmark - GitHub gộp bộ công cụ Projects, giảm ~23.000 token: GitHub Changelog, 28/01/2026
- Nghiên cứu Context Rot: Chroma
- MCP Tool Search: ghi nhận trong bài đo của dev.to nêu trên
Cảm ơn bạn đã đọc bài viết này!
Related Posts:
