解决 Agent 技能税：deskill 按需加载 MCP 技能实测
Nilotpal_kakashi · reddit · 2026-08-20
针对 Agent 框架（如 MCP）中安装过多技能会导致上下文膨胀和性能下降（“技能税”）的问题，作者开发了 deskill——一个仅在实际需要时才从 GitHub 获取技能描述的 MCP 服务器。
背景：
现有系统会将所有已安装技能的描述注入每条消息上下文。100 个技能约消耗 3k tokens，长会话中成本高昂，且可能干扰模型选择正确技能。
方案与发现：
- Token 优化：在 Opus 等大模型上，按需加载与预装效果一致，主要节省成本。
- 性能提升：在较小/较便宜的模型上，按需交付显著提高了任务成功率。小模型更难从“一面墙”的技能描述中选出正确工具。
评测：
作者测试了 8 个模型，最多 100 个技能和 10 万 tokens 的填充。结果表明这不仅是省钱技巧，还能提升小模型表现。Benchmark 可复现，作者邀请社区贡献更多测试结果。
「编程与Agent」频道最新
- 开发者忽视 AI 输出，转而依赖目标验证机制 — BLUECOW009 · 2026-08-20
- GitHub 2.5k 星项目：把经典编程书转成 AI 编码 Agent 规则 — tom_doerr · 2026-08-20
- Gradient Labs 推出 Collaborate，像编辑代码一样管理 Agent — neal_lathia · 2026-08-20
- 用原生 macOS 应用自举构建 AI 编程助手 — talkaboutdesign · 2026-08-20
- Vercel Agent 现可加入 Slack，读取生产环境上下文并执行操作 — cramforce · 2026-08-20
- 模型被移除工具后自建 OCR 应用处理图像 — mitsuhiko · 2026-08-20