多步骤 MCP 的 Token 损耗与优化方案

在多步骤 MCP 工作流中，传统 Agent 每完成一步都要将结果返回大模型，再由模型填入下一步参数，造成严重的 Token 浪费。Tura-AI 推出的 command_run Macro 通过一次性描述依赖图解决这一问题，前置步骤产生的变量在运行时直接解析，无依赖命令则并行执行。基准测试表明，减少大模型重复介入能显著降低总 Token 消耗，且 MCP 实际调用次数基本不变。这证明成本节省主要来自避免了累计上下文的反复传输。对开发者而言，优化任务结构、减少模型重入是提升长链路复杂 MCP 任务效率的关键。