NCA Social Media
Erstellt:
Aktualisiert:
Autor:
Roland Golla
Server-Rack mit Token-Trichter, Kosten-Graph und Rakete, grün

MCP Responses optimieren und massiv Token sparen

MCP Responses optimieren heißt, dass der Server dem KI Agenten nur das liefert, was er für den nächsten Schritt braucht. Wer das nicht tut, verschwendet schnell 90% der Token. Das haben wir an unserem eigenen Sulu CMS MCP Server erlebt: 15.000 Zeichen pro Call, von denen der Agent vielleicht 1.500 brauchte.
Hier zeigen wir die vier Änderungen, die unseren Token Verbrauch gesenkt haben. Dazu ordnen wir ein, was neue Ansätze wie Tool Search und Code Mode heute lösen und welche Arbeit trotzdem bei dir bleibt.
Inhalt
NCA KI Workshop für Developer

Agentic Coding im Team, nicht nur im Glossar

Ein Tag inhouse mit Benjamin Klein für Developer, Tester und Admins. Context Engineering, Harness, ADRs und zwei Hands on Blöcke mit KI Agenten in eurem Setup.

  1. 1
    Kostenloses Vorgespräch
    Stand, Rollen und Ziele klären
  2. 2
    Workshoptag bei euch
    Praxis am Vormittag, Hands on danach
  3. 3
    Praxistag optional
    Agenten im eigenen Projekt
Benjamin Klein
Benjamin Klein
Senior Consultant
Zum Workshop für Developer arrow_forward

Bei MCP Servern bekommst du schnelle Hilfe vom Experten

Wir bauen MCP Server und arbeiten selbst jeden Tag mit ihnen. Alle Zahlen zu unserem Umbau stammen aus unserem eigenen Server. Darum wissen wir, wo Token in der Praxis wirklich verloren gehen.
Unsere NCA PHP MCP Server gibt es für Sulu CMS, TYPO3 und WordPress. Im Vibe Coding Consulting helfen wir Teams bei Architektur und Optimierung. Im NCA KI Workshop für Developer lernt dein Team, wie KI Agenten sauber im eigenen Setup arbeiten.

Jeder API Call frisst Token

Du baust einen MCP Server. Der Agent ruft ein Tool auf und bekommt eine fette JSON Response zurück. Bei einem CMS mit 15 Content Blöcken sind das schnell 15.000 Zeichen pro Antwort. Der Agent braucht davon vielleicht 10%.
Genau so lief es bei uns. Über unseren MCP Server für Sulu CMS können KI Agenten Seiten lesen, erstellen und bearbeiten. Am Anfang gab jede Operation die komplette Seite zurück: alle Blöcke, voller HTML Content, alle Metadaten. Das hat funktioniert, war aber brutal teuer.
Das eigentliche Problem: MCP Server werden oft nach klassischem API Design gebaut. Ein KI Agent braucht aber andere Informationen, in anderen Formaten, zu anderen Zeitpunkten. Wer das versteht, spart Token und macht den ganzen Workflow schneller und zuverlässiger.

Eine Seite lesen kostete 15.000 Zeichen

Unser Sulu CMS MCP Server hatte anfangs eine einzige Read Operation: get. Sie holt eine komplette Seite mit allen Blöcken und dem vollen HTML Content. Für eine typische Glossar Seite mit 15 Blöcken sah die Response so aus:
Code:
          

// Response von get: ~15.800 Zeichen
{
  "title": "PHPUnit",
  "blocks": [
    {
      "position": 0,
      "type": "headline-paragraphs",
      "headline": "Was ist PHPUnit?",
      "items": [
        {
          "type": "description",
          "description": "PHPUnit ist das Standard Framework... (500+ Zeichen HTML)"
        }
        // ... noch mehr items mit vollem HTML
      ]
    }
    // ... 14 weitere Blöcke mit komplettem Content
  ]
}

Will der Agent nur wissen, welche Blöcke auf der Seite sind, braucht er den HTML Content nicht. Er braucht eine Übersicht. Trotzdem bekam er jedes Mal die komplette Seite.
In einem typischen Content Workflow passiert das mehrfach. Der Agent liest die Seite, bearbeitet Block 3, bekommt die ganze Seite zurück, bearbeitet Block 7 und bekommt sie wieder. Pro Glossar Artikel kamen so leicht über 100.000 Zeichen nur für Responses zusammen.

Vier Optimierungen haben alles geändert

Vier Änderungen am MCP Server haben zusammen rund 90% der Response Token eingespart. Keine davon war besonders aufwendig. Man muss nur verstehen, was der KI Agent in welcher Situation tatsächlich braucht.

Erste Optimierung ist get_structure statt get

Die größte Ersparnis kam von einer neuen Read Operation: get_structure. Sie liefert nur Metadaten und eine Block Übersicht ohne Content. Für dieselbe PHPUnit Seite sieht das so aus:
Code:
          

// Response von get_structure: ~1.650 Zeichen
{
  "title": "PHPUnit",
  "uuid": "edcfbc1e-7e39-4dc8-aaca-e10e3d12e9fe",
  "blocks_count": 15,
  "blocks": [
    { "position": 0, "type": "excerpt-image" },
    { "position": 1, "type": "table-of-contents" },
    { "position": 2, "type": "headline-paragraphs", "headline": "Was ist PHPUnit?", "items_count": 2 },
    { "position": 3, "type": "contact" },
    { "position": 4, "type": "headline-paragraphs", "headline": "Was ist neu in Version 13?", "items_count": 3 }
    // ... nur Position, Typ und Headline pro Block
  ]
}

Rund 1.650 statt rund 15.800 Zeichen. Das sind etwa 90% weniger.
Der Agent sieht auf einen Blick, welche Blöcke wo stehen, welchen Typ sie haben und wie die Headline lautet. Das reicht für die Entscheidung, welchen Block er bearbeiten will. Erst dann holt er mit get_block gezielt diesen einen Block.

Zweite Optimierung sind kompakte Write Responses

Der zweite große Hebel waren die Write Responses. Nach einem Block Update braucht der Agent keine komplette Seite. Er will wissen, ob es geklappt hat und wie die Blöcke jetzt aussehen.
Vorher kam nach jedem update_block die volle Seite zurück. Jetzt gibt es nur noch kompakte Metadaten:
Code:
          

// Write Response vorher: komplette Seite (~15.800 Zeichen)
// Write Response nachher: ~200 Zeichen
{
  "success": true,
  "message": "Block updated successfully",
  "blocks": [
    {
      "position": 4,
      "type": "headline-paragraphs",
      "headline": "Was ist neu in Version 13?",
      "items_count": 3
    }
  ]
}

Bei 10 Block Änderungen pro Seite spart das allein rund 150.000 Zeichen.

Dritte Optimierung sind Batch Operationen statt Einzelcalls

Die dritte Optimierung senkt die Zahl der Calls. Statt 5 einzelner update_block Aufrufe verarbeitet update_blocks bis zu 10 Änderungen in einem Call. Und remove_blocks löscht mehrere Blöcke auf einmal.
Code:
          

// Vorher: 5 einzelne Calls = 5 Responses
update_block(position: 2, ...)
update_block(position: 4, ...)
update_block(position: 6, ...)
update_block(position: 8, ...)
update_block(position: 10, ...)

// Nachher: 1 Call = 1 Response
update_blocks(updates: [
  { position: 2, headline: "...", items: [...] },
  { position: 4, headline: "...", items: [...] },
  { position: 6, headline: "...", items: [...] },
  { position: 8, headline: "...", items: [...] },
  { position: 10, headline: "...", items: [...] }
])

Weniger Calls bedeuten weniger Overhead und weniger Latenz. Sie schonen auch die Conversation History, denn jede Response wird Teil des Kontexts und zählt bei jedem weiteren Call wieder mit.

Vierte Optimierung sind schlanke Tool Beschreibungen

Ein oft übersehener Kostenfaktor sind die Tool Definitionen. Viele MCP Clients laden sie vorab in den Kontext. Im Beispiel von Anthropic kommt GitHub allein mit 35 Tools auf rund 26.000 Token. Diese Kosten fallen an, bevor der Agent mit der eigentlichen Arbeit beginnt.
Unsere Lösung: weniger Tools, die mehr können. Zusammengehörige Funktionen haben wir gebündelt. Ein einzelnes sulu_pages Tool mit einem action Parameter ersetzt viele Einzel Tools. Der Agent wählt die Aktion über den Parameter.
Gleichzeitig sollten die Beschreibungen prägnant bleiben. Der Agent braucht genug Information, um das richtige Tool richtig zu nutzen. Alles darüber hinaus kostet bei jeder Session Platz.

So sieht der Vorher Nachher Vergleich aus

Operation Vorher Nachher
Seite für den Überblick lesen rund 15.800 Zeichen mit get rund 1.650 Zeichen mit get_structure
Antwort nach einem Write rund 15.800 Zeichen rund 200 Zeichen
5 Block Änderungen 5 Calls und 5 Responses 1 Call und 1 Response
Alte Responses nach 20 Tool Calls 300.000 Zeichen im Kontext 4.000 Zeichen im Kontext
50 Glossar Artikel rund 5 Millionen Zeichen unter 500.000 Zeichen

Tool Search und Code Mode nehmen dir nicht jede Arbeit ab

Das Problem ist inzwischen breit erkannt. Anthropic zeigt ein Setup mit 58 Tools und rund 55.000 Token, die anfallen, bevor die Unterhaltung überhaupt beginnt. Darauf gibt es heute mehrere Antworten.
Tool Search lädt Tool Definitionen erst bei Bedarf. Programmatic Tool Calling und Code Execution mit MCP halten Zwischenergebnisse aus dem Kontext heraus. Cloudflare macht es mit Code Mode direkt im Server und bietet seine ganze API über zwei Tools an.
Die Werkzeuge haben ihren Preis. Anthropic nennt für Tool Search einen zusätzlichen Suchschritt und einen kleineren Nutzen unter 10 Tools. Code Execution braucht eine sichere Sandbox samt Monitoring. Und Tool Search allein macht eine Response mit 15.000 Zeichen nicht kleiner. Die Frage, was dein Tool zurückgibt, bleibt also bei dir.
Wir sehen das auch bei uns. Unser sulu_pages Tool kann inzwischen 47 Aktionen. Das spart Tool Definitionen, aber die eine Beschreibung wächst mit. Deshalb gehört auch sie regelmäßig auf den Prüfstand.

So ordnen sich die bekannten Ansätze ein

Die Zahlen stammen aus den Beispielen der jeweiligen Quelle und lassen sich nicht direkt miteinander vergleichen.
Ansatz Was er macht Zahl aus der Quelle
Abgestufte Responses im eigenen Server Erst Überblick, Details nur bei Bedarf Rund 90% weniger Zeichen in unserem Sulu CMS MCP Server
Tool Search von Anthropic Lädt Tool Definitionen erst bei Bedarf 85% weniger Token, von rund 77.000 auf 8.700
Programmatic Tool Calling von Anthropic Zwischenergebnisse bleiben im Code 37% weniger Token bei komplexen Recherchen
Code Execution mit MCP von Anthropic Stellt Tools als Code API bereit Von 150.000 auf 2.000 Token im Beispiel
Code Mode von Cloudflare Zwei Tools statt über 2.500 API Endpunkte Rund 1.000 statt 1,17 Millionen Token

all of those tool descriptions take up a lot of valuable real estate

Simon Willison, Entwickler und Mitgründer von Django – Simon Willison's Weblog

Vier Design Prinzipien gelten für jede KI optimierte API

Aus unserer Arbeit am Sulu CMS MCP Server haben sich vier Prinzipien ergeben. Sie gelten für MCP Server, Function Calling und Custom Tools.
1. Gib nur zurück, was der Agent zum Weitermachen braucht. Nach einem Write reicht eine Bestätigung und vielleicht die neue Blockstruktur. Für die Navigation reichen Headlines und Positionen.
2. Stufe Read Operationen ab. Manchmal will der Agent einen Überblick (get_structure), manchmal ein Detail (get_block), manchmal alles (get). Drei Stufen statt einer machen einen riesigen Unterschied.
3. Biete Batch Operationen an. Ändert der Agent regelmäßig 5 Blöcke hintereinander, gib ihm eine Operation für alle 5. Jeder einzelne Call landet in der Conversation History.
4. Denke in Workflows statt in Endpoints. Schau dir an, wie der Agent deine API wirklich nutzt. Welche Calls kommen immer zusammen? Wo gibt es unnötige Roundtrips? Optimiere für die häufigsten Abläufe.

Das bedeutet die Ersparnis in der Praxis

Token Kosten klingen abstrakt, bis man sie hochrechnet. Bei Never Code Alone erstellen und pflegen wir Glossar Einträge, Landingpages und Artikel mit dem MCP Server. Jede Seite durchläuft einen Workflow aus Lesen, Bearbeiten und Publizieren.
Mit den alten Response Formaten hätten 50 Glossar Artikel rund 5 Millionen Zeichen nur an Responses verbraucht. Mit den optimierten Formaten sind es unter 500.000 Zeichen. Das ist günstiger und schneller, und die Limits des Context Windows kommen später.
In langen Sessions wird der Effekt noch stärker, weil jede Tool Response Teil des Kontexts bleibt. Bei 20 Tool Calls mit je 15.000 Zeichen liegen 300.000 Zeichen alter Responses im Kontext. Mit kompakten Responses sind es 4.000 Zeichen. So bleibt mehr Platz für die eigentliche Aufgabe.

Diese vier Fragen stellst du deinem MCP Server Dienstleister

Du musst kein Entwickler sein, um die Effizienz eines MCP Servers zu prüfen. Diese vier Fragen zeigen dir schnell, wo Potenzial liegt:
1. Gibt es abgestufte Abfragen? Liefert jede Anfrage den kompletten Datensatz, liegt hier oft das größte Einsparpotenzial.
2. Was kommt nach einer Änderung zurück? Eine kompakte Bestätigung oder der komplette Datensatz? Letzteres treibt bei 10 Änderungen pro Workflow die Kosten.
3. Können mehrere Änderungen gebündelt werden? Braucht jede kleine Anpassung einen eigenen Call, fehlt ein starker Hebel.
4. Wie viele Token verbrauchen die Tool Definitionen? Diese Zahl lässt sich messen. Wer sie nicht kennt, hat sie vermutlich nie geprüft.

Das gilt auch außerhalb vom CMS

Unser Beispiel ist ein CMS MCP Server. Dieselbe Logik greift überall, wo KI Agenten mit Tools arbeiten:
  • Datenbank Tools: erst Spaltennamen und Zeilenanzahl, voller Content auf Nachfrage.
  • File System Tools: erst die Struktur zeigen, dann gezielt einzelne Dateien lesen.
  • API Wrapper: die Response auf die Felder filtern, die der Agent wirklich braucht.
  • Monitoring Tools: Trends und Anomalien liefern statt 10.000 roher Datenpunkte.

Denke vom Agenten aus

Die wichtigste Lektion aus unserem MCP Server: Designe deine Responses für den KI Agenten. Er braucht strukturierte, kompakte Daten für seine nächste Entscheidung. Vollständiges HTML, redundante Metadaten und tiefe Verschachtelungen kosten nur Platz.
90% Ersparnis klingt nach viel, ist aber logisch. Die meisten APIs wurden nie für KI Agenten gebaut. Sobald du aus ihrer Perspektive denkst, fallen dir die Stellen fast von allein auf.
Stell dir bei jedem Tool drei Fragen: Was braucht der Agent wirklich zum Weitermachen? Welche Daten kann ich weglassen? Welche Operationen kommen so oft zusammen, dass sie ein Batch verdienen?
Wie wir an solche Themen rangehen, zeigen wir im Vibe Coding Consulting. Mehr aus der Praxis findest du in den Vibe Coding Best Practices.
CYPRESS.IO Ambassador und IT Consultant für QA Engenieering und Qualität in PHP Projekten.
NCA Vibe Coding Consulting

Roland Golla ist Entwickler aus Leidenschaft – seit über 20 Jahren. Er hat hunderte Projekte begleitet, von Legacy-Refactoring bis KI-Integration. Bei Vibe Coding verbindet er das Beste aus beiden Welten: Die Geschwindigkeit von KI-generiertem Code mit der Qualität professioneller Softwareentwicklung. Kein Bullshit, keine Agentur-Floskeln – direkte Hilfe von jemandem, der selbst täglich im Code steckt.

Häufige Fragen zu MCP Responses

Hier beantworten wir die Fragen, die Teams beim Thema Token Verbrauch von MCP Servern am häufigsten stellen.
Was ist ein MCP Server und wofür wird er 2026 eingesetzt?

Ein MCP Server ist eine Schnittstelle, über die KI Agenten mit externen Tools und Daten arbeiten. 2026 steuern solche Server zum Beispiel ein CMS, greifen auf Datenbanken zu oder automatisieren Workflows. Wie effizient das läuft, hängt stark davon ab, wie viele Daten der Server pro Antwort an den Agenten zurückgibt.

Wie viel Token spart man 2026 durch optimierte MCP Responses?

In unserem Sulu CMS MCP Server waren es rund 90%. Eine Übersicht kostet 1.650 statt 15.800 Zeichen, eine Write Response 200 statt 15.800. Das ist ein Praxiswert aus unserem System und keine allgemeine Garantie. Wie viel du sparst, hängt davon ab, wie groß deine Responses heute sind.

Warum verbrauchen MCP Server 2026 so viele Token?

Es gibt zwei Hauptgründe. Tool Definitionen landen oft schon vor der ersten Frage im Kontext, und Tool Responses bleiben danach im Verlauf. Viele Server folgen außerdem klassischem API Design und liefern komplette Datensätze. Der Agent braucht für seine nächste Entscheidung aber oft nur einen kleinen Teil davon.

Was ist der Unterschied zwischen get und get_structure im Jahr 2026?

Beide Operationen stammen aus unserem Sulu CMS MCP Server. get liefert die komplette Seite mit allen Blöcken und vollem HTML Content. get_structure liefert nur Metadaten und eine Übersicht der Blöcke. Der Agent sieht damit, wo was steht, und holt anschließend mit get_block gezielt den einen Block, den er braucht.

Löst Tool Search 2026 das Token Problem von MCP Servern?

Tool Search löst einen wichtigen Teil. Tool Definitionen werden erst bei Bedarf geladen, Anthropic nennt dafür in seinem Beispiel 85% weniger Token. Große Responses bleiben davon unberührt. Liefert dein Tool bei jedem Call 15.000 Zeichen, musst du das weiterhin im Server selbst lösen.

Was sind kompakte Write Responses?

Nach einer Schreiboperation gibt der Server nur eine kurze Bestätigung mit den wichtigsten Metadaten zurück. Der Agent erfährt, ob es geklappt hat und wie der betroffene Block jetzt aussieht. In unserem Server schrumpft die Antwort damit von rund 15.800 auf rund 200 Zeichen pro Änderung.

Wie funktionieren Batch Operationen bei MCP Servern?

Batch Operationen fassen mehrere Einzelaufrufe zu einem Call zusammen. Statt 5 einzelner update_block Calls mit 5 Responses gibt es einen update_blocks Call mit einer kompakten Response. Das senkt Overhead und Latenz und hält den Verlauf kleiner, den der Agent bei jedem weiteren Schritt mitschleppt.

Warum werden Tool Responses im Verlauf zum Problem?

Jede Tool Response bleibt Teil des Kontexts und zählt bei jedem weiteren Call wieder mit. Bei 20 Calls mit je 15.000 Zeichen liegen 300.000 Zeichen alter Responses im Verlauf. Prompt Caching kann die Kosten senken, der Platz im Context Window bleibt aber belegt.

Was ist der Unterschied zwischen Tool Search und Code Mode?

Tool Search lädt passende Tool Definitionen erst bei Bedarf und behält den normalen Tool Aufruf bei. Bei Code Mode schreibt der Agent Code gegen eine API und führt ihn in einer Sandbox aus. Das lohnt sich besonders bei sehr großen APIs, braucht aber eine sichere Ausführungsumgebung.

Gilt die Response Optimierung nur für CMS?

Nein, die Prinzipien gelten überall, wo KI Agenten mit Tools arbeiten. Datenbank Tools liefern erst Spalten und Zeilenanzahl, File System Tools erst die Struktur, API Wrapper nur die nötigen Felder und Monitoring Tools Trends statt roher Datenpunkte. Das Muster ist immer gleich: erst Überblick, dann Detail.

Was bedeutet abgestufte Read Operationen?

Statt einer einzigen Read Operation, die immer alles liefert, gibt es mehrere Stufen. Der Agent holt sich zuerst den Überblick, liest dann gezielt einzelne Details und fordert nur im Ausnahmefall alles an. So zahlt er bei jedem Schritt nur für die Daten, die er gerade wirklich braucht.

Wie wirkt sich die Optimierung auf das Context Window aus?

Kompakte Responses belegen weniger Platz im Context Window. Dadurch bleibt mehr Raum für die eigentliche Aufgabe, und lange Sessions erreichen ihre Grenze später. Ist das Fenster voll, wird der Verlauf gekürzt oder zusammengefasst. Dabei können Details verloren gehen, die der Agent später noch braucht.

Was kostet die Umstellung auf optimierte MCP Responses?

Das hängt von deinem Server ab, deshalb gibt es von uns keinen Pauschalpreis. Wir starten mit einem kostenlosen Kennenlernen, schätzen gemeinsam den Aufwand und rechnen transparent minutengenau ab. Abgestufte Reads und kompakte Writes sind oft ein guter erster Schritt, weil sie gezielt die größten Responses treffen.

Kann Never Code Alone bei der MCP Server Entwicklung helfen?

Ja. Wir entwickeln MCP Server für Systeme wie Sulu CMS, TYPO3 und WordPress und setzen sie selbst täglich ein. Dabei begleiten wir Teams von der Architektur über die Response Optimierung bis zum produktiven Betrieb. Wir bauen mit und geben unser Wissen direkt an dein Team weiter.

Was unterscheidet einen guten von einem schlechten MCP Server?

Ein guter MCP Server gibt dem Agenten genau die Informationen, die er für den aktuellen Schritt braucht. Ein schlechter liefert bei jeder Anfrage den kompletten Datensatz. Technisch funktionieren beide. Bei Kosten, Tempo und Stabilität langer Sessions ist der Unterschied aber deutlich spürbar und auch messbar.