Toolc: proxy dla MCP w VS Code — oszczędność 60%

Optymalizacja narzędzi MCP dla agentów VS Code: kompaktowy proxy w Go

Rozszerzenia agentowe VS Code, takie jak Cline, Roo Code czy Kilo, szybko gromadzą serwery MCP: dostęp do plików, wyszukiwanie, bazy danych, GitHub, Jira, OpenAPI. Plik konfiguracyjny mcp.json rozrasta się do 25+ serwerów. Model zużywa kontekst na parsowanie chaosu: konflikty nazw (search się duplikuje), długie opisy, halucynacje argumentów. Efekt? Wzrost kosztów tokenów bez realnych korzyści.

Proxy toolc napisany w Go agreguje serwery w jeden interfejs MCP. Filtruje duplikaty, kompresuje opisy, zarządza widocznością narzędzi. Dla VS Code — jeden serwer zamiast menażerii.

Instalacja i uruchomienie

Pobierz binarkę z Releases lub skompiluj ze źródeł:

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

Optymalizuj konfigurację:

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

Uruchom gateway:

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

Nowy plik konfiguracyjny podłączasz w VS Code jak zwykły serwer MCP. Agent dostaje skompresowany katalog bez zbędnych zapytań.

Architektura wewnętrzna

toolc przekształca MCP i OpenAPI w pośrednie representation (IR). Stosuje trzy tryby kompilacji:

• direct: pełna schemat bez zmian — do debugowania.
• flat: płaska lista, deduplikacja, kompresja opisów — główny tryb.
• staged: discovery po nazwach, schematy na żądanie — dla złożonych API.

Parser OpenAPI radzi sobie z dużymi specyfikacjami (Stripe API): strażnicy głębokości, ponowne użycie płytkich powłok ref. Zużycie pamięci — ~48 MB, czas — milisekundy.

Benchmarki oszczędności tokenów

Testy na GitHub API (1100 endpointów), Stripe. Modele: Qwen-3.6-plus, GLM-5.1, GPT-5.4, Claude Sonnet 4.6. Koszt na milion wywołań (tryb flat vs direct):

| Model | Bez proxy ($) | Z toolc ($) | Oszczędność (%) |

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

| 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 |

Współczynnik sukcesu pozostaje wysoki. Flat minimalizuje token proxy.

Przypadek GLM-5.1: halucynacje i poprawki

GLM-5.1 psuł się na obciętych JSON-ach, zapominał kontraktów. Przyczyny:

• Jeden systemowy prompt do orkiestracji.
• Lackatek budżetu na dokończenia.

Poprawka: izolowane prompty, wyższe limity. Success Rate z 0.78 do 0.92 w trybie flat.

Kapryśne modele wymagają kształtowania requestów poza kompilacją.

Ograniczenia i plany

Wsparcie:

• Lokalne MCP stdio.
• OpenAPI.
• Kontekst agentów VS Code.

Brak wsparcia:

• Zdalne MCP.
• Ogólne funkcje.
• Runtime kompatybilny z OpenAI (w opracowaniu).

Architektura skalowalna pod control plane.

Co najważniejsze

• toolc obniża koszty o 33–60% dzięki kompresji katalogów MCP/OpenAPI.
• Trzy tryby: flat najlepszy pod względem cena/korzyść.
• Parser radzi sobie z rekurencyjnymi API (Stripe) bez OOM.
• Success Rate modeli rośnie przy czystym kontekście.
• Kompatybilny z VS Code bez przepisywania konfiguracji.

— Editorial Team