给 AI 挂了 20 个插件,它反而变蠢了:硅谷正在疯传的「Agent 减法铁律」

01.为什么插件越多，大模型越「降智」？

很多人把大模型的上下文窗口（Context Window）当成了无限容量的硬盘，以为支持 200K 甚至 1M Token，就能把所有工具说明书一股脑全塞进去。但在真实生产环境里，「上下文容量」不等于「有效注意力预算（Attention Budget）」。

当你把 20 个 MCP 插件挂载为常驻工具时，哪怕你只是让 AI 改一行代码，系统在每一轮对话底座都会先把这 20 个插件、上百个函数的 JSON Schema 说明书（动辄 30,000+ Token）强行灌进提示词里。

结果就是：真正关键的业务代码和指令被淹没在海量无用的工具定义噪音里。信噪比（SNR）断崖式下跌，模型不仅每一轮都在白烧几万 Token 的过路费，还会因为工具描述相似而频繁调错接口。

▲ 常驻插件超过 5 个后，大模型有效注意力被 Schema 噪音吞噬

02.破局第一刀：常驻 MCP 严控 ≤ 5 个，把专业能力改成「懒加载 Skill」

硅谷最近在 GitHub 上 3 天狂揽 10 万星的高信噪比 Agent 架构，核心只做了一件事：给常驻工具做极致的减法。

第一条死规矩：全局常驻的底层工具（如文件读写、Bash 终端、全局搜索）永远不超过 5 个。把所有低频、垂直的插件全部从常驻列表里卸掉。

第二条死规矩：把特定场景的复杂工作流（比如发版检查、数据库迁移、财务对账、UI 走查）封装成独立的 Skill（按需技能包）。平时上下文里只放一行 30 字的目录简介；只有当任务真正触发该场景时，Agent 才动态读取对应的 `SKILL.md` 说明书。用完即焚，绝不污染主干上下文。

▲ 常驻底座做减法（≤5个）+ 专业 SOP 技能包按需懒加载

03.终极提效：跑通 3 次的固定动作，立刻固化为「0-Token 脚本」

还有一个最容易被忽视的吞金兽：让大模型每次都现场思考怎么拼接固定命令。比如拉取日志、清洗固定格式的表格、或者打包部署，如果每次都让大模型靠推理去一步步试错，既慢又容易中途翻车。

真正的「一人抵十人」超级个体怎么做？凡是已经跑通 3 次以上的确定性操作，立刻让 AI 把它写成一行独立的 Python 或 Shell 脚本，挂进 Skill 的 `scripts/` 目录里。

下次再遇到同类任务，大模型不需要耗费任何推理 Token 去重新发明轮子，直接一键调用脚本拿结果——执行耗时从 3 分钟缩短到 2 秒，Token 消耗直接归零，准确率 100%。

★高信噪比 Agent 组装三大铁律（建议截图保存）

建议直接长按保存下方高清总表，发到你们的研发群或业务群对照自查：

铁律一 · 常驻工具做减法：全局常驻 MCP 工具严控 ≤ 5 个，砍掉一切低频插件，把上下文信噪比拉满。

铁律二 · 专业 SOP 懒加载：将垂直领域经验写成独立 Skill（目录索引 + 按需加载），平时零占重，用时高精度。

铁律三 · 高频动作脚本化：跑通 3 次的固定流程直接固化为 0-Token 本地脚本，让 AI 调脚本而不是每次重新推理。