新增工具

需要使用 Claude Messages Pipe (至少 v0.0.3 版本) 执行，连接到 Claude 官方 API 使用

使用预览

大家好！

如果你在使用 Claude Code、Cursor 时配置了多个 MCP 服务，你一定能感受到上下文（Context）窗口的压力。

痛点：被工具定义吃掉的 Context

Anthropic 官方曾在 Advanced Tool Use
技术博客中披露过工具定义的开销数据：
・GitHub: 35 个工具占用约 26,000 tokens
・Slack: 11 个工具占用约 21,000 tokens

这意味着，如果你同时开启这两个 MCP 服务，还没开始对话，近 50,000 tokens 就已经消失了。这不仅让 API 成本激增，更会导致 AI 的推理能力因为背景噪声过多而下降，甚至出现指令遵循失败。

──────────────────────────────────────────

One MCP v1.0.1：两种方案帮你「减负」

One MCP 新版本增加了 服务组合 (Combo) 功能

针对不同场景提供两种瘦身方案：

方案一：导出为 Anthropic Skill (推荐)

Anthropic 近期将 Skill 定为开放标准，旨在解决大规模工具定义的开销问题。我也在 OpenCode 和 Droid 上完成了实测，效果非常理想。

・极低开销：AI 只读取一个精简的 SKILL.md（~500 tokens），替代数万 tokens 的 JSON 定义。
・按需加载：工具详情只有在 AI 决定调用时才会被实时读取，完美适配 Anthropic 的官方实践。
・零依赖：导出的 Python 执行器仅使用标准库，不需安装任何包，开箱即用。
・广泛适配：完美支持 Claude Code / Droid / OpenCode 等支持 Skill 协议的客户端。

方案二：精简版组合 MCP (适用于传统客户端)

如果你的软件尚未支持 Skill 协议，你可以将 N 个服务组合成一个统一端点：

・精简工具：Context 里只暴露 search_tools 和 execute_tool。
・动态调用：无论后台有多少工具，AI 的初始上下文里永远只有这两个入口。

──────────────────────────────────────────

性能实测

以我测试的一个包含 4 个服务（24 个工具）的组合为例：
・原生 MCP 模式：占用约 12,000+ tokens。
・One MCP Skill 模式：仅占用约 800 tokens。

Context 节省率达 93%！ 把宝贵的 Context 留给代码和真正的逻辑。

──────────────────────────────────────────
实战案例

• 1. 使用 Skill（工具：OpenCode）

这个例子，我创建了一个 cherry-studio 工具的组合，包含 exa,amap,whois 等 4 个 mcp, 导出 skill，再解压到 opencode 的 skill 目录

最终 LLM 按照 skill.md 的说明，使用 python 脚本调用了合适的 mcp 工具

• 2. 使用组合后的 MCP（工具：Cherry Studio）

一开始只占用 1000 个 token，然后查询时，这里会多调用一次查找合适的工具和参数

──────────────────────────────────────────

快速体验

1. Docker 一键启动：

docker run --name one-mcp -d \
-p 3000:3000 \
-v $(pwd)/data:/data \
buru2020/one-mcp:latest

# Access the application
open http://localhost:3000
# Default username/password
root/123456

2. 在后台安装所需的 MCP 服务，创建一个「服务组合」。
3. 导出 Skill：点击导出 zip 包，解压到对应的 Skill 目录即可使用。

──────────────────────────────────────────
也可以登录我的 demo 站点创建 skill 体验：
Demo: https://demo.one-mcp.com/

项目地址

GitHub: https://github.com/burugo/one-mcp

欢迎 Star 和试用，让我们一起终结 MCP 的 Context 焦虑！如果有使用上的问题，欢迎在评论区讨论。