Custo das tools MCP: 26 tools, $0.03 por chamada

Conectar um servidor MCP ao seu agente gera um custo por chamada antes mesmo de qualquer ação: as 26 tools do servidor GitHub custam $0.0302 em cada chamada ao Claude Opus 4.8, mesmo quando nenhuma tool é usada. O mecanismo só aparece quando você consulta as métricas. O custo depende mais do modelo usado do que do número de tools conectadas, e a maior parte pode ser recuperada. Medimos a cadeia inteira: cinco famílias de modelos, cinco servidores MCP reais, conjuntos sintéticos de 0 a 40 tools e os recursos de cache e redução que diminuem a conta.

TL;DR

• As definições das tools voltam a ser cobradas como tokens de entrada em cada chamada à API; uma única tool pequena consumiu 401 tokens no Claude Opus 4.8.
• O mesmo conjunto de tools usa 2.7x mais tokens no Claude do que no GPT-5.6: 173 contra 64 por tool nas medições.
• O servidor MCP real do GitHub, com 26 tools, custa $0.0302 por chamada no Opus 4.8 e $0.0029 no Gemini 3.6 Flash, uma diferença de 10x.
• O cache explícito reduz o custo recorrente do bloco a um décimo, mas conjuntos abaixo do limite mínimo não podem ser armazenados em cache, e alterar uma única tool faz o bloco inteiro ser cobrado novamente.

Como um servidor MCP vira tokens de entrada?

O processo tem três etapas. Só a última custa dinheiro, mas ela se repete em todas as chamadas. Primeiro, uma delimitação importante: servidores MCP expõem três primitivas, tools, resources e prompts. Apenas as tools geram um custo recorrente, porque a API tem um parâmetro tools que precisa incluir todos os schemas em cada requisição. Resources e prompts não têm campos próprios na API; eles só consomem tokens quando seu conteúdo é inserido na conversa. Na etapa 1, o cliente do agente consulta tools/list no servidor via JSON-RPC e recebe os schemas. Isso acontece uma vez por sessão e não envolve o modelo. Na etapa 2, o cliente converte esses schemas para o parâmetro tools da API e remove campos exclusivos do MCP, como annotations e outputSchema. Essa etapa também não tem custo. Na etapa 3, o provedor renderiza os schemas como texto oculto no prompt em cada requisição. Como a API não mantém estado, o modelo não se lembra de quais tools existem. Esse texto renderizado é cobrado pela tarifa integral de entrada em todas as chamadas, independentemente de as tools serem usadas.

O exemplo mínimo é este: uma requisição cuja mensagem do usuário contém apenas “Reply OK” usa 11 tokens de prompt no Opus 4.8. Ao adicionar uma tool get_weather simples, com dois parâmetros e uma descrição de uma linha, a mesma requisição passa a consumir 412 tokens. Essa única tool acrescenta 401 tokens e $0.002 a cada chamada em que está presente. Há uma diferença considerável em relação ao conteúdo enviado: o JSON da tool tem apenas cerca de 130 tokens de texto, mas a renderização do provedor quase triplicou esse número.

Quanto custa uma tool em cada modelo?

O modelo faz muito mais diferença do que a maioria das equipes imagina. Enviamos conjuntos sintéticos idênticos de tools, cada uma com três parâmetros e descrições de uma linha, em tamanhos de 0 a 40, para cinco famílias. Depois, medimos as diferenças cobradas:

Com as mesmas tools, a diferença chega a 2.7x: o Claude produz o bloco de instruções para tools mais detalhado do grupo, enquanto o GPT-5.6 produz o mais compacto. A relação com o JSON enviado também varia nos dois sentidos. O Claude cobra cerca de 1.36x uma estimativa simples baseada no número de bytes dividido por quatro, enquanto GPT-5.6 e Gemini cobram aproximadamente metade dessa estimativa. A contagem de tokens dos blocos de tools não é transferível entre famílias. Faça o orçamento por modelo, não por schema.

Quanto custam servidores MCP reais por chamada?

A tabela abaixo mostra cinco servidores reais, sem modificações, do repositório oficial do MCP. Os schemas foram convertidos com o mapeamento padrão de campos, e os valores representam o overhead recorrente por chamada:

A última linha traz duas conclusões. O Sequential-thinking expõe apenas uma tool e ainda custa mais do que as nove tools do Memory em quatro das cinco famílias, porque sua única descrição é enorme: a métrica relevante não é o número de tools, mas o tamanho renderizado. A primeira linha costuma surpreender quem desenvolve agentes: manter o conjunto de tools do GitHub durante um episódio de 10 chamadas custa $0.30 no Opus 4.8 e $0.03 no Gemini, uma diferença de uma ordem de grandeza, antes de qualquer trabalho real. O GLM 5.2 custa ainda menos em dólares, apesar de cobrar mais que o dobro dos tokens do Gemini. Uma tarifa de tabela baixa compensa uma renderização detalhada. Por isso, planeje tokens e dólares separadamente.

Quantas tools os agentes realmente usam?

Em cada chamada, apenas uma pequena parte. Por isso, esse custo parece tão desproporcional. No cenário de uso de tools da nossa suíte de agentes, um conjunto de 8 tools acompanha as três chamadas de um episódio típico, mas cada chamada invoca no máximo uma delas: todas pagam por oito schemas para usar um. Com as taxas medidas no Opus 4.8, esse bloco de 8 tools usa cerca de 1,674 tokens por chamada, ou aproximadamente 5,000 tokens por episódio apenas para transportar schemas. O cenário de loop de tools é mais favorável: são três tools, usadas em quase todas as chamadas. Mesmo assim, o bloco é reenviado nas quatro ou cinco chamadas do loop. Os registros mostram uma regra geral: raramente mais de uma tool é usada por chamada. Portanto, o custo do conjunto em cada chamada depende do que foi conectado, não do que o agente faz.

O cache consegue absorver o custo das tools?

Na maioria dos casos, sim, desde que o modelo seja adequado. Porém, nossas medições revelaram três limitações importantes. No Claude Opus 4.8, o bloco de tools é um prefixo que pode ser armazenado diretamente em cache: ao marcar a última tool com cache_control, nosso bloco de 20 tools foi gravado uma vez, com 3,682 tokens cobrados pelo multiplicador de escrita de 1.25x. Todas as chamadas seguintes leram o bloco por 0.1x, reduzindo em 90% seu custo recorrente efetivo. O cache automático do Kimi K3 foi ainda melhor, sem exigir configuração: na segunda chamada, 2,048 dos 2,112 tokens do bloco, ou 97%, vieram do cache, seguindo os blocos usuais de 256 tokens. Os breakpoints explícitos do GPT-5.6 aplicam a mesma estrutura de preços: escritas a 1.25x e leituras a 0.1x, segundo nossas medições iniciais dessa família. O cache implícito do Gemini, em linha com tudo o que já medimos sobre ele, não registrou nenhum hit em três testes preparados com o bloco de tools. Considere qualquer desconto nesse caso um bônus, não parte do planejamento.

Agora, as limitações. A primeira é o limite mínimo: um bloco de 2 tools tem cerca de 655 tokens no Claude, abaixo do mínimo de 1,024 tokens para cache. Portanto, conjuntos pequenos não podem usar cache, mesmo quando marcados explicitamente. Os limites mínimos de cada modelo determinam se esse recurso está disponível. A segunda é a volatilidade: o bloco de tools fica no início do prompt, então qualquer alteração na lista invalida tudo o que vem depois. Medimos esse custo diretamente. Ao adicionar uma tool a um conjunto de 20 tools já armazenado em cache no Claude Opus 5, o bloco inteiro de 4,082 tokens foi regravado com o multiplicador de escrita. Mantenha a lista de tools fixa durante a sessão ou pague pela regravação em cada mudança. A terceira decorre justamente dessa necessidade de manter a lista fixa. O recurso beta da Anthropic para alterar tools durante a conversa, documentado para o Opus 5, foi criado para permitir mudanças entre turnos sem invalidar o cache. É o recurso a acompanhar em agentes que usam muitas tools.

Como reduzir o próprio bloco de tools?

Corte parâmetros antes de encurtar o texto. No nosso bloco de 20 tools, reduzir as descrições a uma única frase curta economizou 10%. Diminuir cada tool de três parâmetros para um economizou 34%. As duas mudanças juntas economizaram 44%, reduzindo o bloco de 3,768 para 2,128 tokens. A maior parte dos tokens está nos schemas dos parâmetros, incluindo nomes, tipos e descrições aninhadas. Isso contraria o impulso comum de lapidar as descrições enquanto os schemas crescem sem controle.

A medida mais eficaz é não conectar o que você não vai usar. Cada servidor MCP anexado adiciona seu bloco completo a todas as chamadas. Uma segunda linha de configuração pode dobrar o custo. Quando o cliente permite filtragem, registrar apenas um subconjunto das tools do servidor reduz o overhead aproximadamente na mesma proporção. Se você mantiver cinco das 26 tools do servidor GitHub, os $0.0302 do Opus 4.8 caem para cerca de $0.007, considerando o tamanho médio das tools desse servidor. Se você usa modelos de mais de uma família, leve em conta a diferença de 2.7x mencionada acima. Migrar o mesmo agente do Gemini para o Claude sem refazer o orçamento quase triplica o transporte de tools em tokens.

FAQ

O próprio MCP adiciona custo em tokens?

Não. O protocolo MCP, a descoberta, o JSON-RPC e o mecanismo de invocação de tools não passam pelo modelo e não geram cobrança. O custo aparece quando o cliente encaminha os schemas do servidor para o parâmetro tools da API. O provedor renderiza esses schemas novamente como texto cobrado no prompt em cada chamada. A contribuição do MCP está na escala: ele permite anexar 26 tools com uma única linha, e os 26 schemas passam a acompanhar todas as chamadas.

Tools não usadas têm algum custo?

Sim, exatamente o mesmo custo das que são usadas. O modelo precisa ler todos os schemas em cada chamada para saber o que pode invocar. Os registros da nossa suíte de agentes mostram no máximo uma tool invocada por chamada, embora o conjunto completo seja cobrado todas as vezes. Um servidor conectado, mas ocioso, gera apenas custo de transporte. O cache pode reduzir esse valor, mas somente diminuir o conjunto ou desconectar o servidor elimina o custo.

Resources e prompts do MCP consomem tokens como as tools?

Não. As tools são as únicas com custo recorrente por chamada, porque o parâmetro tools reenvia todos os schemas em cada requisição. Resources só são cobrados quando o cliente lê um deles e insere seu conteúdo na conversa. Nesse momento, tornam-se uma entrada comum, com o mesmo preço de qualquer documento recuperado, e aplica-se a mesma estratégia de camadas: conteúdo volátil de resources deve ficar depois dos breakpoints do cache. Da mesma forma, templates de prompts só são cobrados quando invocados, conforme o texto renderizado que produzem. Resources e prompts não utilizados de um servidor conectado não custam nada. Ao investigar a cobrança de uma integração MCP, audite primeiro as tools.

Alterar a lista de tools invalida o prompt cache?

Sim, por completo. O bloco de tools é renderizado no início do prompt. Qualquer alteração faz com que ele e tudo o que está armazenado em cache depois dele sejam regravados. Medimos a adição de uma única tool fazendo um bloco de 4,082 tokens ser cobrado novamente com o multiplicador de 1.25x. Mantenha a lista de tools fixa durante cada sessão, agrupe as alterações e acompanhe o recurso beta da Anthropic para mudanças de tools durante a conversa, criado justamente para eliminar essa penalidade no Opus 5.

Medido em 2026-07-31 pelo gateway da Synthorai: conjuntos sintéticos de 0-40 tools (n=2) e conjuntos de tools de cinco servidores MCP reais, com schemas capturados diretamente dos servidores oficiais via JSON-RPC tools/list, em cinco famílias de modelos; testes de cache com prefixos aleatórios e detalhamento do cache por chamada; utilização dos agentes extraída dos registros da suíte usados em nossos estudos de custo de agentes. Os multiplicadores de cache do GPT-5.6 vêm das medições iniciais do nosso estudo de custos. Os valores em dólares são diferenças de custo faturado lidas no medidor do gateway, que aplica as tarifas de tabela para tokens de entrada. Tarifas e comportamento de renderização podem mudar; valide os dados nos seus próprios registros de uso.

← Voltar ao blog