Toolc: Proxy für MCP in VS Code — 60 % Einsparungen

Optimierung von MCP-Tools für VS Code Agents: Kompakter Go-Proxy

VS Code Agenten-Erweiterungen wie Cline, Roo Code oder Kilo sammeln schnell eine Menge MCP-Server an: Dateizugriff, Suche, Datenbanken, GitHub, Jira, OpenAPI. Die mcp.json-Konfig plustert sich auf über 25 Server auf. Das Modell verschwendet Kontext beim Parsen des Durcheinanders: Namenskonflikte (search doppelt), ausladende Beschreibungen, Argument-Halluzinationen. Ergebnis? Höhere Token-Kosten ohne echten Nutzen.

Der toolc Go-Proxy fasst Server in eine einzige MCP-Schnittstelle zusammen. Er filtert Duplikate, komprimiert Beschreibungen und steuert die Tool-Sichtbarkeit. Für VS Code bedeutet das: Ein Server statt eines Zoos.

Installation und Einrichtung

Laden Sie das Binary aus den Releases oder bauen Sie aus dem Quellcode:

go install github.com/aak204/Tool-Catalog-Compiler/cmd/[email protected]

Optimieren Sie Ihre Konfig:

./toolc optimize-mcp \
  -input .vscode/mcp.json \
  -emit vscode \
  -out-dir dist/mcp-optimized

Starten Sie das Gateway:

./toolc mcp-serve -catalog dist/mcp-optimized/toolc.compiled.json

Haken Sie die neue Konfig in VS Code wie jeden MCP-Server ein. Ihr Agent erhält einen schlanken Katalog ohne zusätzliche Abfragen.

Interne Architektur

toolc wandelt MCP- und OpenAPI-Spezifikationen in eine Zwischendarstellung (IR) um. Es wendet drei Kompilierungsmodi an:

• direct: Vollständiges Schema unverändert — zum Debuggen.
• flat: Flache Liste mit Deduplizierung und Beschreibungs-Kompression — der Standardmodus.
• staged: Namensbasierte Entdeckung, on-demand Schemas — für komplexe APIs.

Der OpenAPI-Parser meistert riesige Spezifikationen (wie Stripe API) mit Tiefenlimits und flacher Ref-Wiederverwendung. Speicherverbrauch: ~48 MB. Verarbeitungszeit: Millisekunden.

Token-Einsparungen im Benchmark

Getestet mit GitHub API (1.100 Endpunkte) und Stripe. Modelle: Qwen-3.6-plus, GLM-5.1, GPT-5.4, Claude Sonnet 4.6. Kosten pro Million Aufrufe (flat vs direct):

| Model | Ohne Proxy ($) | Mit toolc ($) | Einsparung (%) |

|----------------------------|----------------|----------------|---------------|

| qwen/qwen3.6-plus | 1807.26 | 1199.13 | 33.65 |

| z-ai/glm-5.1 | 3102.53 | 1593.14 | 48.65 |

| openai/gpt-5.4 | 8819.46 | 4291.96 | 51.34 |

| anthropic/claude-sonnet-4.6 | 10736.57 | 4290.21 | 60.04 |

Erfolgsraten bleiben hoch. Flat-Modus reduziert token proxy Overhead.

GLM-5.1 Fallstudie: Halluzinationen und Fixes

GLM-5.1 stockte bei abgeschnittenem JSON und vergaß Verträge. Ursachen:

• Einheits-Systemprompt für Orchestrierung.
• Unzureichendes Completion-Budget.

Fix: Isolierte Prompts und erhöhte Limits. Erfolgsrate sprang im Flat-Modus von 0,78 auf 0,92.

Empfindliche Modelle brauchen neben Kompilierung auch Request-Shaping.

Einschränkungen und Roadmap

Unterstützt:

• Lokale MCP stdio.
• OpenAPI.
• VS Code Agenten-Kontexte.

Noch nicht:

• Remote MCP.
• Generische Funktionen.
• OpenAI-kompatible Runtime (in Arbeit).

Architektur skaliert für eine vollständige Control Plane.

Wichtige Erkenntnisse

• toolc senkt Kosten um 33–60 % durch Kompression von MCP/OpenAPI-Katalogen.
• Drei Modi: Flat siegt bei Preis/Leistung.
• Parser bewältigt rekursive APIs (Stripe) ohne Absturz.
• Sauberer Kontext steigert Modell-Erfolgsraten.
• VS Code-ready, keine Konfig-Umschreibungen nötig.

— Editorial Team