优化MCP多步骤工作流：减少模型重入与Token损耗

在复杂的MCP工作流中，多步骤任务频繁触发模型重入，带来了显著的Token损耗。Tura-AI引入了Command Run Macro机制，改变了传统Agent每步回传结果的交互模式。通过描述依赖图并在运行时自动解析变量，前一步的输出可直接作为后一步的输入，避免了模型中转。在电商广告工作流的基准测试中，该方法将模型请求次数从11次降至3次，Token消耗减少了约78.6%。这表明，优化MCP工作流的核心在于减少上下文的反复回传，而非减少工具调用次数，为构建长链路Agent提供了低成本、高效能的实践思路。