大家好！

如果你在使用 Claude Code、Cursor 时配置了多个 MCP服务，你一定能感受到上下文（Context）窗口的压力。

^-^ 痛点：被工具定义吃掉的 Context

Anthropic 官方曾在 Advanced Tool Use

技术博客中披露过工具定义的开销数据：

• GitHub: 35 个工具占用约 26,000 tokens

• Slack: 11 个工具占用约 21,000 tokens

这意味着，如果你同时开启这两个 MCP 服务，还没开始对话，近 50,000 tokens 就已经消失了。这不仅让 API成本激增，更会导致 AI 的推理能力因为背景噪声过多而下降，甚至出现指令遵循失败。

──────────────────────────────────────────

^-^ One MCP v1.0.1：两种方案帮你「减负」

One MCP 新版本增加了 服务组合 (Combo)功能

针对不同场景提供两种瘦身方案：

方案一：导出为 Anthropic Skill (推荐)

Anthropic 近期将 Skill 定为开放标准，旨在解决大规模工具定义的开销问题。我也在 OpenCode 和 Droid 上完成了实测，效果非常理想。

• 极低开销：AI 只读取一个精简的 SKILL.md（~500 tokens），替代数万 tokens 的 JSON 定义。

• 按需加载：工具详情只有在 AI 决定调用时才会被实时读取，完美适配 Anthropic 的官方实践。

• 零依赖：导出的 Python 执行器仅使用标准库，不需安装任何包，开箱即用。

• 广泛适配：完美支持 Claude Code / Droid / OpenCode 等支持 Skill 协议的客户端。

方案二：精简版组合 MCP (适用于传统客户端)

如果你的软件尚未支持 Skill 协议，你可以将 N 个服务组合成一个统一端点：

• 精简工具：Context 里只暴露 search_tools 和 execute_tool。

• 动态调用：无论后台有多少工具，AI 的初始上下文里永远只有这两个入口。

──────────────────────────────────────────

^-^ 性能实测

以我测试的一个包含 4 个服务（24 个工具）的组合为例：

• 原生 MCP 模式：占用约 12,000+ tokens。

• One MCP Skill 模式：仅占用约 800 tokens。

Context 节省率达 93%！ 把宝贵的 Context 留给代码和真正的逻辑。

──────────────────────────────────────────

^-^ 实战案例

- - 使用Skill（工具：OpenCode）

这个例子，我创建了一个cherry-studio工具的组合，包含exa,amap,whois等4个mcp,导出skill，再解压到 opencode的skill目录

最终LLM按照skill.md的说明，使用python脚本调用了合适的mcp工具

- - 使用组合后的MCP（工具：Cherry Studio）

一开始只占用1000个token，然后查询时，这里会多调用一次查找合适的工具和参数

──────────────────────────────────────────

^-^ 快速体验

• Docker 一键启动：```

docker run --name one-mcp -d \
-p 3000:3000 \
-v $(pwd)/data:/data \
buru2020/one-mcp:latest

Access the application

open http://localhost:3000

Default username/password

root/123456
```- 在后台安装所需的 MCP 服务，创建一个「服务组合」。

- 导出 Skill：点击导出 zip 包，解压到对应的 Skill 目录即可使用。

──────────────────────────────────────────

也可以登录我的demo站点创建skill体验：

Demo: https://demo.one-mcp.com/

项目地址

GitHub: https://github.com/burugo/one-mcp

欢迎 Star ^-^ 和试用，让我们一起终结 MCP 的 Context 焦虑！如果有使用上的问题，欢迎在评论区讨论。