最新资讯
dev.to 我们在 DolphinBench 上测试记忆检索:纯关键词搜索暴露了自身回归 dev.to 别再把 Agent 写成 while 循环,把它建模为状态机 bloomberg.com Rightmove 与 Scout24 借 AI 产品应对低迷房市并上调展望 stackoverflow.blog 欢迎来到芯片时代:半导体制造、AI 数据中心与芯片设计的未来 www.youtube.com AI Agent 总犯同样的错:CentralAgent AI 将记忆重构为经验系统 pub.towardsai.net Netflix 科学家建议重采样 LLM 评判:5 次仅将误差棒缩小 13% pub.towardsai.net Jev 作为 LLM 前的静默层:构建提示感知的模型路由器 reddit.com OpenAI 称 Astra 仅满足 10% 安全任务标准 dev.to FreeToken:在自有 GPU 上运行前沿 MoE 模型及其内存需求 dev.to 当 AI Agent 说“完成”时,究竟完成了什么? dev.to 部署 Underdog Bark 3.0 Pro:逐字转写、自定义后端与分块设置 dev.to 为艰难对话构建 AI:五个 Agent、一条安全正则与一位盲评监督者
多元动态
登录 注册
智能体 pub.towardsai.net · @Decoding AI by Nueravi

Agent Skills 与 MCP 工具对比:测量 6,434 个 skill,中位数 78 token,工具 177.5 token

原文 我的收藏

Decoding AI 于 2026 年 9 月 18 日发布测量结果:在相同 tokenizer、相同 prompt 位置下,一个 agent skill 的常驻上下文成本中位数为 78 token,而一个 MCP 工具为 177.5 token,单位成本上 skill 便宜 2.28 倍。差距几乎全部来自 MCP 工具必须携带的 JSON 输入 schema,占其中位数成本的 85.1%;若去掉 schema,工具反而更省。skill 数据来自当天克隆的 214 个仓库,工具数据来自 9 个已发布的 MCP 服务器。

AI推荐理由 Decoding AI 给出一次可复现的测量:在相同 tokenizer、相同 prompt 位置下,agent skill 的常驻上下文成本中位数为 78 token,MCP tool 为 177.5 token,差距的 85.1% 来自工具必须携带的 JSON 输入 schema;样本为 6,434 个 skill 与 108 个工具。对 agent 上下文预算与工具设计有直接参考价值;但数据来自单一测量方,且摘要未给出完整方法与误差范围。

76

正文

当前仅保存了标题或简介;并非所有来源都提供正文,可通过下方原文链接查看。

来源报道 · 1 篇 · 以下链接均前往原始媒体

← 返回精选动态 原文

更多内容