Harness 与 Agent 工程 · AI研发与测试工程 · 2026-08-21

靠这10个优化点,我们把Multi-Agent工作流成本降了50%以上

AI Agent工作流成本高?10个优化点实测降本50%+,拆解来源精准节流。 核心内容:

  1. AI Agent全流程开发的成本消耗痛点
  2. 六类成本来源拆解与优化原则
  3. 10个具体优化方向及50%~65%降本效果

我们用 AI Agent 驱动前后端全流程开发——从需求分析到自动化测试,整个 harness 工作流由 1 个 TL + 6 个子 Agent 组成。跑起来之后第一个问题就是:钱烧得很快,但完全不知道烧在哪。我们先用 AgentLens 把成本拆开看,发现系统提示词、工具返回信息、历史消息是大头。围绕"让 AI 只看到当前需要的上下文、减少无关的上下文、减少重复的上下文"这三个原则,我们逐一改造了架构拆分、稳定前缀、渐进式披露、代码图谱、CLI 替代 MCP、长期记忆按需索引、工具调用并行化等 10 个方向。整体全流程预估降本 50%~65%。

一、背景与挑战

1.1 业务背景

过去半年,我们团队一直在探索用 AI Agent 驱动前后端协同开发——从需求分析、技术方案设计,到前后端并行编码、自动化测试、视觉还原验证,全流程由一个叫 tech-leader 的 harness Skill 统一调度:

TL(调度层)├── Wave 1(并行):后端 Agent + 前端 Agent├── Wave 2:质量审查 Agent├── Wave 3:测试 Agent(用例生成 + 执行)├── Wave 4:视觉验证 Agent└── Wave 5:Agent 评测

跑一次完整的中等需求,往往需要经历 5-6 个 Wave、20+ 次子 Agent 调用、数百轮工具调用。规模一上来,token 成本就成了绕不开的问题。

1.2 痛点分析:六类消耗来源

一次任务的 token 消耗可以归为六类来源:

来源 说明 成本特点
① 系统提示词 系统固定提示词、Skill 描述、MCP 工具 Schema 每轮必带,随 Agent/MCP 数量倍增。一个 40 工具的 MCP Server 每轮增加约 10-15KB Schema 开销
② 工具返回的信息 MCP 调用返回的工具列表、返回的具体内容(需求 JSON、设计稿节点树、截图 base64) 体积不可控,塞进 context 后后续几十轮都要跟着重复计费
③ 读取的文件信息 AI 读取的代码文件、知识库文档内容 盲搜式探索往往要 3-5 轮才能定位,每轮匹配行、整段文件都会累积
④ 长期记忆 AI 加载的历史经验、技术方案沉淀文档 一旦加载往往常驻会话,即使后续用不上大部分内容
⑤ 历史消息 多轮会话后累积的历史 真正的大头,append-only 且滚雪球式增长,越往后轮次越贵
⑥ 用户提示词 用户输入的一句话/一段需求描述 每轮增量,只出现一次、体量小,六类中最便宜的一项

这六类来源叠加,导致一个中等需求的 token 消耗远超预期。而且在没有按 Wave 粒度拆分消耗之前,完全不知道钱主要烧在哪里——这是我们做这次优化专项的直接动因。

1.3 先建度量:看清成本在哪里

本人使用的IDE是codebuddy内网版,内网版是把每轮对话的工具链调用和token用量上报到内网的AgentLens平台,如果您使用的是其他IDE,需要查阅下官方文档看看每轮对话的token用量怎么获取。

没有度量就没有优化。CodeBuddy 已将每轮对话的 token 消耗上报至 AgentLens,通过 agentlens-mcp 可以按 TraceId 追踪单次调用链路,也可以按 SessionId 聚合一个完整需求的消耗分布:

看清成本分布之后,目标就明确了:系统性压缩六类来源里能压缩的部分,把中型需求的全流程 token 成本降下来。

二、整体方案

2.1 思路与路径

我们把可以下手的动作归纳为三个原则:

① 让 AI 只看到当前需要的上下文 —— 该加载的东西,按需加载,不要一次性全带② 减少无关的上下文 —— 不该看到的东西,一开始就别带进来③ 减少重复的上下文 —— 同一份内容,不要在多轮里反复计费

动手之前还有一个更前置的架构判断:是否需要拆多 Agent。拆分本身有成本(多份系统提示词并行计费),只有需求规模足够大,拆分撬动的后续收益才能覆盖这笔开销。所以我们先做规模预判(S/M/L 模式):小需求走单 Agent 直接处理;只有中大型需求,才进入多 Agent 并行调度。

2.2 关键技术选型

原则 优化手段 解决的问题
只看到当前需要的上下文 渐进式披露(L2/L3 分层) SKILL.md 里条件性内容常驻,用不上也要计费
确定性的操作由脚本执行 大模型擅长推理,不擅长精确执行。反复试错是隐藏成本
MCP 数据获取子 Agent 化 TAPD/Figma 原始 payload 直接进最长生命周期 Agent 的 context
长期记忆按需索引加载 历史经验/技术方案全量加载,用不上的文档也占位计费
减少无关上下文 单 Agent 拆分为多 Agent 全能型 Agent 背负所有领域的知识和历史
Agent 专属配置(工具白名单+模型分层) 每个 Agent 都能看到所有 MCP 工具 Schema
代码图谱替代盲搜 关键词盲搜带入大量无关文件内容
减少重复上下文 稳定前缀设计(状态外化) 进度状态/执行状态混在会话里,破坏缓存前缀
避免重复加载 Skill 同一份长期记忆被下游 Agent 各自重新加载
rtk 压缩 CLI 输出 命令行原始输出噪音在多轮循环中反复出现
工具调用并行化 无依赖的多次调用串行等待,历史被重复打包的轮次翻倍

三、实践详解

3.1 让 AI 只看到当前需要的上下文

3.1.1 渐进式披露

Anthropic 在 Agent Skill 规范中提出了一个"渐进式披露"架构,核心思想是:不是所有内容都需要常驻 context,只有真正需要时才加载。

三层结构:

这种机制的好处是,即使安装了 20 个 Skill,初始加载也仅 1000-2000 token。相比单体式提示词,上下文使用量减少约 90%。

本次优化主要是把正文部分内容迁移到资源层。

我们之前的问题是:大量只在特定场景才需要的内容,混在 SKILL.md 正文里常驻 context。

以 自动化测试Skill 为例,改造前有几块内容其实是条件性的:

① spec 模板代码(约 40 行 TypeScript)

这段代码只在 Phase A 生成 spec 文件时用到一次,之后完全是冗余占位。所以我们把模版代码外置到references中,按需提取。

② DB 前置操作规则(约 38 行)

只有检测到 DB 依赖用例时才需要。一样把DB操作规则外置到references中,按需读取。

改造后自动化测试Skill正文从 198 行降到 128 行(-35%)。

比条件性内容更彻底的做法,是把"所有步骤的详细内容"都从 SKILL 正文移到资源层,正文只留骨架。

以 tech-leaderSkill (主调度Skill)为例:

优化前,S/M 两种模式(小需求/中等需求)的完整工作流、Wave 1~5 各阶段的派发 prompt、审查规则、测试调度逻辑等执行细节全写在 SKILL.md 正文里,Skill 一旦激活就全量常驻 context。

但 TL 每次实际只走一条路径——判完规模后要么进 S 模式、要么进 M 模式,进 M 模式后又按阶段逐步推进,任一时刻真正用到的只是其中一小段,其余步骤的详细内容全程占位计费却用不上。

改法是把各步骤的详细执行内容拆到 references/ 资源层,SKILL.md 只保留骨架——核心职责、规模预判维度表、分流规则、进度追踪机制、容错机制。

骨架负责"决定下一步走哪",具体"怎么走"则按需 read_file 对应的资源文件。

3.1.2 确定性的操作由脚本执行

这里有两处优化:

一开始我的工作流里面,没有任何操作脚本和验证脚本。后来发现后端Agent写代码时,频繁出现拼错数据库连接参数、找错启动服务命令、绕过编译等等;因为反复查找各种参数、命令,为此消耗了大量token。

后来写了一个脚本,里面包含数据库迁移、编译、服务启动、健康检查等确定性的命令,全部让AI通过 dev-env.sh 脚本执行。AI 不拼接 mysql -u root -p 这种命令,只提供参数给脚本。

MCP 工具调用的隐藏成本:

MCP 工具给了 Agent 强大的能力,但每次 MCP 工具调用,实际上是一次完整的 LLM 推理轮次:

每次 MCP 工具调用的真实成本: 1. LLM 决策:判断调用哪个工具、构造参数 ← 一次 API 请求 2. 工具 JSON Schema 常驻 context ← 每轮 10-15KB 额外 input 3. 工具返回结果进入 context ← 可能几千行 4. LLM 处理结果:分析输出、决定下一步 ← 又一次 API 请求

自动化测试Skill中,我们最初用的是 Playwright MCP——通过 MCP 协议让 Agent 实时控制浏览器(打开页面、点击、截图)。但实践中发现几个问题:

后面把Playwright MCP换成了Playwright CLI,CLI的核心思路是把自然语言用例翻译为 Playwright spec 文件,再调 Playwright CLI 批量执行。大模型做推理(生成 spec),脚本做执行(跑 CLI)。把"理解用例并翻译为代码"和"实际跑测试"拆成两步,前者需要 AI,后者完全不需要。

这次改造不仅节省了token,耗时也大大缩短。

3.1.3 MCP 数据获取子 Agent 化

问题:主agent自己调 MCP,原始数据永久卡在最长生命周期的 context 里

tech-leader 工作流里,需求分析阶段要读 TAPD 需求、要读 Figma 设计稿,这两步 MCP 调用最早是主Agent自己直接发起的:

● TAPD -> 返回mcp所有工具描述、返回完整需求描述、关联缺陷、任务列表● Figma -> 返回mcp所有工具描述、返回设计稿完整节点树 JSON + 截图

问题在于 TL 是整个工作流生命周期最长的 Agent。这两次 MCP 调用如果发生在 TL 自己的会话里,原始 p…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/LargeLanguageModel/2026082172098.html