Skills 的加载方式

初始化时只加载元数据（懒加载设计）：

启动新会话时，agent 只读取每个 skill 的 name 和 description，以节省 token。当判断某个 skill 与当前任务相关时，才加载 skill 的完整内容。 Towards Data Science

具体来说，Claude Code 会将所有可用 skill 以 <available_skills> 块的形式注入到 Skill 工具的描述中，内容包括 skill 名称和 description 字段。当需要调用时，再通过 Skill 工具按名触发，此时 SKILL.md 的完整正文才展开进入上下文。 Mikhail

调用触发后的完整加载： Claude 调用 Skill 工具后，系统会返回一个 tool_result，内容包括 skill 的 Base Path（本地文件路径）以及 SKILL.md 的完整正文，从这一刻起 skill 的详细指令才真正进入 prompt。 Mikhail

---

MCP 的加载方式

初始化时加载全量 tool 元数据（与 skills 不同）：

MCP 的 tool 元数据会在每条消息中全量加载。举例来看，三个 AWS MCP server 合计约 8,500 token（13 个工具），GitHub MCP 约 2,000 token（26 个工具），Sentry MCP 约 12,500 token（22 个工具）。如果同时连接多个 MCP，总元数据可达 ~32,000 token，无论你是否用到这些工具，都会出现在每条消息里。 Towards Data Science

Tool Search 机制（超量时的优化）：

Tool search 默认运行在 auto 模式，即只有当 MCP tool 定义超过上下文阈值时才激活。工具数量少时，所有 tool 正常全量加载；超过阈值后，改为按需通过 MCPSearch 工具搜索。此功能需要 Sonnet 4 或 Opus 4 及以上模型，Haiku 不支持。 Claude

MCP Prompts（斜杠命令）：

MCP server 还可以暴露 prompts，这些 prompts 会在 Claude Code 中以斜杠命令的形式呈现。 Claude

---

总结对比

这就是为什么 Skills 是更省 token 的设计——只有真正需要的 skill 才会膨胀进上下文，而 MCP 的 tool 描述是”常驻”的。

MCP 的 tool 元数据会在每条消息中全量加载是执行mcp server获取到toos信息然后加载到prompt吧?

1. 启动阶段 — 连接并拉取 tool 列表

Claude Code 在你开始一个 session 时，会启动配置好的 MCP server。 promptfoo 对于 stdio 类型的 server，就是直接 fork 一个子进程；对于 HTTP/SSE 类型，就是建立远程连接。

连接建立后，Claude Code 立刻向每个 server 发起 tools/list 的 JSON-RPC 请求，拿回该 server 暴露的所有 tool 的 schema（name、description、inputSchema）。这一步叫做 tool/resource fetch 阶段，如果这里失败（比如参数格式不对），即使 server 显示 connected，tool 也不会加载进来。 Claude

2. 注入 prompt — tool schema 全量写入

拿到所有 server 的 tools 后，这些 schema 就以 tools 参数的形式随每次 API 请求发给模型。Tool 的命名格式为 mcp__<server>__<tool> promptfoo，比如 mcp__github__create_issue。

3. 每条消息都带着这些 schema

这就是 token 消耗大的原因——不管你这轮对话用不用某个 tool，它的 schema 都在 payload 里。这与 Skills 的懒加载设计形成了鲜明对比：

所以你说的”执行 MCP server 获取 tools 信息然后加载到 prompt”——这个描述完全准确。本质就是一次 RPC 调用的结果被持续注入到每轮对话的 tools 参数里。