38 Tools, ohne das Kontextfenster aufzufressen: So haben wir den MCP-Server von KwaFlux gebaut

Das Wichtigste in Kürze

• Jedes Tool, das ein MCP-Server anbietet, wird dem Modell beschrieben, und diese Beschreibung belegt Kontext, den das Modell für Ihre Anfrage nutzen könnte.
• Mit allen 38 Tools ist die Tool-Liste von KwaFlux 51.004 Bytes groß und liegt damit unter einem Budget von 60.000 Bytes. Nur mit der Kerngruppe sinkt sie auf 7.077 Bytes.
• Über Tool-Gruppen laden Sie nur, was Sie nutzen: Setzen Sie KWAFLUX_MCP_TOOLSETS, dann erreichen nicht ausgewählte Gruppen das Modell gar nicht erst.
• Die Budgets werden von Tests geprüft. Bringt eine Änderung die Tool-Liste, die Kerngruppe oder die Server-Anweisungen über das Budget, schlagen die Tests fehl.

Ein MCP-Server, der viel kann, hat versteckte Kosten: Name, Beschreibung und Eingabeschema jedes Tools gehen an das Modell, damit es weiß, dass es das Tool gibt. Bei ein paar Tools spielt das keine Rolle. Bei 38 kann es einen spürbaren Teil des Kontextfensters belegen, bevor Sie überhaupt etwas eingegeben haben.

Den MCP-Server von KwaFlux haben wir um genau diese Kosten herum entworfen. Schemas werden generiert statt von Hand geschrieben, Tools kommen in Gruppen, die sich abschalten lassen, Ergebnisse sind strukturiert statt wortreich, und für die Größen gibt es Budgets, die Tests durchsetzen.

In diesem Leitfaden erfahren Sie, woher die Kontextkosten eines MCP-Servers kommen, wie KwaFlux sie misst und begrenzt, wie Sie weniger Tools laden und mit welchen Designentscheidungen sich lange Videoaufträge günstig verfolgen lassen.

Inhalt

1. Was kostet ein MCP-Tool an Kontext?
2. Die Zahlen von KwaFlux
3. Budgets, die Tests durchsetzen
4. Nur die Gruppen laden, die Sie nutzen
5. Schemas aus der Konfiguration der App generiert
6. Ergebnisse, die man nicht zweimal lesen muss
7. Lange Aufträge: Fortschritt und Abbruch statt Polling
8. Prompts für mehrstufige Abläufe
9. Häufige Fragen

Was kostet ein MCP-Tool an Kontext?

Die Kontextkosten eines MCP-Tools sind die Größe seiner Definition, also Name, Titel, Beschreibung und JSON Schema für Ein- und Ausgaben. Der Host gibt diese Definition in einer Sitzung bei jeder Anfrage an das Modell weiter.

Hosts holen die Definitionen mit einer tools/list-Anfrage. Die meisten nehmen sie dann in den Kontext des Modells auf, damit es ein Tool auswählen kann. Die MCP-Spezifikation hält Server dazu an, Tools in stabiler Reihenfolge zurückzugeben, unter anderem weil das „die Trefferquote des LLM-Prompt-Caches verbessert, wenn Tools in den Modellkontext aufgenommen werden“. Das zeigt, wie selbstverständlich sie dort landen.

Die Zahlen von KwaFlux

Die vollständige Liste umfasst rund 51 KB JSON. Wie viele Tokens das sind, hängt vom Tokenizer des Modells ab, es sind aber feste Kosten pro Sitzung, die schon vor der ersten Anfrage anfallen. Die Kerngruppe allein macht etwa ein Siebtel davon aus.

Budgets, die Tests durchsetzen

Ein Größenziel in einem Designdokument verwässert mit der Zeit. Ein Größenziel in einem Test nicht.

Der MCP-Server von KwaFlux hat ein Messskript, das bei jedem Testlauf mitläuft. Es baut die echte tools/list-Antwort, misst sie in Bytes, misst die Kerngruppe für sich und die Server-Anweisungen in Zeichen und schlägt fehl, wenn eines davon sein Budget überschreitet.

Das verändert, wie Tools geschrieben werden. Ein neues Tool muss hineinpassen. Eine lange Beschreibung wird also gekürzt, eine wiederholte Erklärung wandert in die gemeinsamen Anweisungen, und ein Enum ersetzt einen Absatz, der die gültigen Werte aufzählt. Das Budget lässt etwas Luft, bei der vollständigen Liste rund 9 KB, für Funktionen, die noch kommen.

Nur die Gruppen laden, die Sie nutzen

Die 38 Tools von KwaFlux sind in Gruppen organisiert; die Tabelle zeigt die wichtigsten. Die Kerngruppe wird in jeder Konfiguration geladen. Den Rest wählen Sie über die Umgebungsvariable KWAFLUX_MCP_TOOLSETS. Gruppen, die Sie nicht auswählen, werden gar nicht erst registriert und belegen deshalb keinen Kontext.

Nutzen Sie Ihren Assistenten zum Beispiel nur zum Konvertieren und Reparieren von Dateien, ergänzen Sie die Variable im KwaFlux-Eintrag der MCP-Konfiguration Ihres Hosts:

{
  "mcpServers": {
    "kwaflux": {
      "command": "<path to node>",
      "args": ["<path to kwaflux_mcp.mjs>"],
      "env": { "KWAFLUX_MCP_TOOLSETS": "convert,repair" }
    }
  }
}

Kopieren Sie command und args aus der Seite Einstellungen › Agent (MCP) von KwaFlux, statt sie abzutippen; wo Sie sie finden, zeigt der Schnellstart. Jeder Host hat sein eigenes Konfigurationsformat, setzen Sie env also dort ein, wo Ihr Host es erwartet.

Tipp: Laden Sie anfangs alles, solange Sie herausfinden, was Ihr Assistent kann, und beschränken Sie sich dann auf die Gruppen, die Sie tatsächlich nutzen. Eine kleinere Tool-Liste macht es außerdem unwahrscheinlicher, dass das Modell ein Tool wählt, das Sie nicht gemeint haben.

Schemas aus der Konfiguration der App generiert

Die meisten Bytes einer Tool-Liste entfallen auf Eingabeschemas. Von Hand geschriebene Schemas wachsen gern: ein Feld, das in Prosa beschrieben wird, gültige Werte, die in der Beschreibung und noch einmal im Schema stehen, Hinweise auf Ausnahmen.

Die Schemas der Verbesserungs-Tools von KwaFlux werden aus derselben Konfigurationsdatei generiert wie die Oberflächen der App. Jede Einstellung wird zu einem typisierten Feld mit ihrem echten Wertebereich oder ihrer echten Optionsliste. Das Modell sieht also "enum": [...] statt eines Satzes darüber, welche Werte erlaubt sind. Die Varianten für Fotos stammen aus derselben Datei. Wie ein Drift-Test die generierten Regeln mit der App in Einklang hält, erklärt der Beitrag zur Steuerungsebene.

Das hält die Tools auch schmal. Jedes nimmt die wenigen Felder entgegen, die ein Mensch wählen würde, und KwaFlux baut den kompletten Auftrag selbst zusammen. Ein Tool, das eine rohe Auftragsbeschreibung annähme, bräuchte ein Schema für alles, was die Engine kann, und das wäre größer und schwerer zu prüfen.

Ergebnisse, die man nicht zweimal lesen muss

Jedes Tool von KwaFlux deklariert ein outputSchema. Laut MCP-Spezifikation gilt, wenn ein Tool eines bereitstellt: „Server MUST strukturierte Ergebnisse liefern, die diesem Schema entsprechen“, und Clients „SHOULD strukturierte Ergebnisse gegen dieses Schema validieren“.

Für den Kontext heißt das: Ergebnisse sind kompaktes JSON mit vorhersehbaren Feldern, etwa einer Aufgaben-ID, einem Status und einem Ausgabedateinamen. Das Modell muss keinen Absatz lesen, um herauszufinden, ob etwas geklappt hat, und ein Host kann das Ergebnis prüfen, ohne das Modell zu fragen. Ergebnisse lassen außerdem weg, was das Modell nicht braucht; mehr dazu im Beitrag zu Pfaden und Datenschutz.

Lange Aufträge: Fortschritt und Abbruch statt Polling

Videoaufträge können Minuten dauern. Der naheliegende Weg für einen Assistenten, einen davon zu verfolgen, ist die ständige Frage „Ist es fertig?“, und jede Abfrage vergrößert den Kontext.

Die Kerngruppe von KwaFlux hat stattdessen ein Warte-Tool:

• Fortschritt. Gibt der Host ein progressToken mit, sendet KwaFlux während der Aufgabe notifications/progress. Hosts zeigen diese als Fortschrittsbalken an, außerhalb des Modellkontexts.
• Abbruch. Stoppen Sie die Anfrage im Host, der dann notifications/cancelled sendet, hört KwaFlux sofort auf zu warten. Der Assistent kann die Aufgabe danach selbst abbrechen, wenn Sie das wünschen.

Ein einziger Warte-Aufruf ersetzt eine Schleife von Statusabfragen. Ein Export von zehn Minuten kostet so ungefähr genauso viel Kontext wie einer von zehn Sekunden.

Prompts für mehrstufige Abläufe

Manche Aufträge brauchen mehrere Tools in fester Reihenfolge, etwa diagnostizieren, dann reparieren, dann verbessern, dann exportieren. Diese Reihenfolge in der Beschreibung jedes Tools zu erklären, würde bei jeder Anfrage Bytes kosten. KwaFlux liefert sie stattdessen als vier MCP-Prompts mit:

• ein beschädigtes Video reparieren
• für eine Plattform exportieren
• herunterladen, dann konvertieren
• KI-Qualitätsreparatur

Die MCP-Spezifikation beschreibt Prompts als „nutzergesteuert“; meist werden sie als Slash-Befehle angeboten. Sie kosten nichts, bis Sie einen auswählen, und geben dem Modell dann die Schritte für genau diesen Auftrag. Was jeder Schritt tut, zeigt der Beitrag zu den Fähigkeiten.

Fazit

Behandeln Sie die Tool-Liste als Budget, nicht als Katalog: Messen Sie sie, deckeln Sie sie in einem Test und lassen Sie die Leute nur die Gruppen laden, die sie brauchen. Halten Sie dann jeden Aufruf günstig, mit typisierten Eingaben aus der echten Konfiguration, strukturierten Ergebnissen und Fortschrittsmeldungen statt Polling. So bringt KwaFlux 38 Tools in einem Server unter, ohne Ihre Anfrage zu verdrängen.

Die Tools laden, die Sie brauchen, den Rest weglassen

Der lokale MCP-Server von KwaFlux stellt Codex, Claude, Cursor und anderen MCP-Apps bis zu 38 Tools in Gruppen bereit, die sich abschalten lassen; die Kerngruppe ist in jeder Konfiguration aktiv. Die KI-Verarbeitung läuft auf Ihrer eigenen GPU, und Ihre Mediendateien werden für die Verarbeitung nicht hochgeladen. KwaFlux läuft unter Windows 10 (64-Bit, Version 1809 oder neuer), Windows 11 und macOS 12 oder neuer auf Apple Silicon. Dateien importieren und die App erkunden geht ohne Konto. Anmeldung und ein bezahlter Plan sind nur für Export, Konvertierung, Dateireparatur und Datei-Download aus einem Link nötig.

KwaFlux laden · Pläne ansehen