---
title: "Пример внедрения: снижение накладных на инструменты у ИИ-агента поддержки примерно на 90% — onemcp"
description: "ИИ-агент иллюстративной команды поддержки тратил большую часть контекста на определения MCP-инструментов. Через Code Mode в onemcp накладные за запрос упали примерно на 90% — ответы стали быстрее и дешевле."
ogTitle: "Пример внедрения: ИИ-агент поддержки на токен-диете"
ogDescription: "Как автоматизация поддержки снизила накладные на инструменты за запрос примерно на 90% с помощью Code Mode в onemcp — быстрее, дешевле, надёжнее."
url: "https://onemcp.dev/ru/case-studies/support-agent-token-diet"
eyebrow: "Пример внедрения · Автоматизация клиентской поддержки"
headline: "Агент поддержки тратил на определения инструментов больше контекста, чем на само обращение."
summary: "ИИ-агент команды поддержки был подключён к десятку MCP-серверов и топил каждый промпт в схемах инструментов. Переход на Code Mode в onemcp вернул контекст к проблеме клиента и снизил стоимость и задержку каждого ответа."
industry: "Клиентская поддержка SaaS"
teamSize: "команда поддержки около 15 человек"
stack: "Zendesk · Stripe · Postgres · внутренний API заказов · Slack"
illustrative: "Иллюстративный сценарий по мотивам типичных внедрений onemcp. Команда является собирательным образом, а не названным клиентом; приведённые цифры носят представительный характер и не являются измеренными."
results:
  - "Накладные на инструменты за запрос снижены примерно на 90%"
  - "Схема инструментов на вызов — с примерно 15 000 до около 500 токенов"
  - "Снижение стоимости и задержки в каждом ответе"
quote: "Агент стал быстрее и дешевле в тот же день, когда мы переключились, и мы не убрали ни одного инструмента. Он просто перестал таскать их все в каждое сообщение."
quoteAttribution: "руководитель операций поддержки (иллюстративно)"
---

## Предыстория

Команда поддержки SaaS построила ИИ-агента для сортировки и обработки обращений. Чтобы действительно работать, ему требовался широкий охват: Zendesk для обращения, Stripe для платежа, Postgres и внутренний API заказов для состояния учётной записи, Slack для эскалации. Каждый из этих сервисов был MCP-сервером, подключённым к агенту напрямую.

Агент был полезен с первого дня. Он же был медленным и дорогим — так, что команда не могла до конца это объяснить, пока не рассмотрела, что на самом деле содержится в каждом промпте.

## Задача

Каждый MCP-сервер, к которому подключался агент, при каждом запросе вставлял в контекст **полную схему своих инструментов**. При десятке подключённых серверов это означало сотни определений инструментов и параметров, сопровождавших каждое обращение, — независимо от того, нужны ли они текущему обращению.

Цена проявлялась трояко:

- **Растраченный контекст.** Около 15 000 токенов инструментального шаблона предваряли реальный вопрос клиента в каждом промпте. В длинных цепочках определения вытесняли сам разговор.
- **Более высокие счета и задержка.** Эти входные токены оплачивались и обрабатывались на каждом шаге, умноженные на тысячи обращений в неделю.
- **Больше простора для ошибок.** Более крупный и зашумлённый промпт давал модели больше возможностей выбрать не тот инструмент или потерять нить в многошаговом обращении.

## Подход

Команда поместила все серверы агента за единый **портал** onemcp и заставила агента общаться с ним через **Code Mode**.

Вместо предзагрузки каждого определения портал раскрывает три мета-инструмента:

- `search` — найти инструменты, относящиеся к текущему обращению.
- `describe` — по запросу получить точную сигнатуру именно этих инструментов.
- `execute` — выполнить короткий скрипт, вызывающий их, за один цикл.

Так обращение о возврате средств загружает нужные ему инструменты Stripe и заказов — и ничего больше. Полный каталог по-прежнему доступен; он просто не втягивается в каждый промпт.

## Результаты

- **Примерно на 90% меньше накладных на инструменты за запрос.** Схема инструментов на вызов снизилась примерно с 15 000 до около 500 токенов. Экономия повторяется на каждом шаге каждого обращения.
- **Более дешёвые и быстрые ответы.** Меньше входных токенов на вызов означало более низкий счёт и более быстрый первый ответ — при этом охват агента остался нетронутым.
- **Более устойчивая многошаговая обработка.** С контекстом, обращённым к обращению, а не к набору инструментов, агент удерживал нить на всём пути возвратов, поиска по учётным записям и эскалаций.

> Агент стал быстрее и дешевле в тот же день, когда мы переключились, и мы не убрали ни одного инструмента. Он просто перестал таскать их все в каждое сообщение.

## Связанные примеры внедрения

- [Платформенная команда объединяет 20 MCP-серверов за одной точкой доступа](/ru/case-studies/platform-team-mcp-gateway)
- [Самообслуживаемые агенты для данных без утечки ключей](/ru/case-studies/data-team-secure-agents)