Apideck CLI: Uma Alternativa de Baixo Contexto ao MCP para Agentes de IA
Problema da Janela de Contexto do MCP
O artigo descreve um cenário específico: conectar GitHub, Slack e Sentry via servidores MCP (cerca de 40 ferramentas no total) consome mais de 55.000 tokens antes que o agente processe uma única mensagem do usuário. Isso representa mais de um quarto do limite de 200k do Claude. Cada definição de ferramenta MCP custa 550–1.400 tokens para seu nome, descrição, esquema JSON, descrições de campos, enums e instruções do sistema.
Uma equipe relatou que três servidores MCP consumiram 143.000 de 200.000 tokens (72% da janela de contexto), deixando apenas 57.000 tokens para conversa real, documentos recuperados, raciocínio e resposta.
David Zhang (@dzhng), construindo o Duet, descreveu a remoção completa das integrações MCP devido a um "trilema": carregar tudo de uma vez e perder memória de trabalho, limitar integrações para que o agente só possa conversar com alguns serviços, ou construir carregamento dinâmico de ferramentas que adiciona latência e complexidade de middleware.
Resultados do Benchmark
Um benchmark realizado pela Scalekit executou 75 comparações diretas (mesmo modelo: Claude Sonnet 4, mesmas tarefas, mesmos prompts) e descobriu:
- O MCP custa de 4 a 32× mais tokens que o CLI para operações idênticas
- Verificar a linguagem de um repositório consumiu 1.365 tokens via CLI vs 44.026 via MCP
- A sobrecarga é quase inteiramente de esquema: 43 definições de ferramentas injetadas em cada conversa, das quais o agente usa uma ou duas
Abordagem do Apideck CLI
O Apideck CLI usa um prompt de agente de cerca de 80 tokens que substitui dezenas de milhares de tokens de esquema. Ele apresenta divulgação progressiva via --help e segurança estrutural integrada no binário. Qualquer agente que possa executar comandos shell pode usá-lo sem exigir suporte a protocolo.
Respostas da Indústria ao Inchaço de Contexto
O artigo identifica três abordagens da indústria:
- MCP com truques de compressão: Comprimir esquemas, usar busca de ferramentas para carregar definições sob demanda, ou construir middleware que fatia especificações OpenAPI em partes menores. Isso funciona para interações pequenas e bem definidas, mas adiciona necessidades de infraestrutura (registro de ferramentas, lógica de busca, cache, roteamento).
- Interfaces CLI-first: A abordagem adotada pelo Apideck CLI.
- Protocolos nativos de agente: Mencionados, mas não detalhados no texto fonte fornecido.
📖 Leia a fonte completa: HN AI Agents
👀 See Also
cortex-engine MCP server adiciona suporte a memória persistente e multiagente
cortex-engine v0.4.0 é um servidor MCP de código aberto que fornece aos agentes de IA memória de longo prazo persistente com ferramentas como observe(), query(), believe() e dream(). Agora ele suporta múltiplos agentes com namespaces de memória isolados.
Servidor MCP de Análise First Claude: Dando Acesso Direto a Agentes de IA ao Contexto de Análise Web
Um desenvolvedor reconstruiu sua ferramenta de análise web como um servidor MCP, expondo análises web simples, links rastreáveis e ferramentas de insight de produto diretamente ao Claude, permitindo que agentes de IA aproveitem dados do site junto com contexto de código e banco de dados.
Nyx: Plataforma Autônoma de Testes para Agentes de IA
Nyx é uma estrutura de teste de caixa preta que investiga agentes de IA em busca de modos de falha, como bugs lógicos, falhas de raciocínio e vulnerabilidades de segurança, por meio de conversas adaptativas de múltiplos turnos. Ele testa em menos de 10 minutos o que auditorias manuais levam horas para revelar.
MCP Slim: Busca de Incorporação Local para Ferramentas MCP Reduz a Inflação de Contexto
MCP Slim é um proxy que substitui catálogos completos de ferramentas MCP por três meta-ferramentas (pesquisar, descrever, chamar), usando embeddings MiniLM locais para busca semântica. Ele alcança uma redução de 96% na janela de contexto e funciona offline sem chaves de API.