Сижу, работаю — и внезапно сессия упёрлась в лимит. Я начал разбираться, куда именно утекают токены. Оказалось, виноваты три совершенно разных механизма — и каждый из них незаметен до момента, когда уже поздно.

🔍 Как устроен контекст⌗

Claude Code держит в контексте не только историю разговора, но и всё, с чем работал: каждый прочитанный файл, каждый вывод команды в терминале. И это всё никуда не уходит — висит до конца сессии или сжатия.

С каждым запросом контекст растёт. Посмотреть, насколько — /context.

⏱ Сжатие при 95%: слишком поздно⌗

Когда контекст заполняется, Claude автоматически его сжимает — оставляет краткое изложение вместо полной истории. Звучит разумно. Проблема в пороге: по умолчанию это 95%.

К 95% в контексте накоплено столько всего — прочитанные файлы, выводы команд, промежуточные результаты — что сжатие получается плохим. Модель не может аккуратно сохранить суть из огромного шума. После сжатия часто теряется важный контекст, и Claude начинает переспрашивать или делать ошибки.

Сжатие при 60% — это другая история. Контекст ещё управляемый, и сжатие получается качественным.

🧠 Адаптивное мышление⌗

Перед тем как ответить, Claude иногда «думает» — строит внутреннюю цепочку рассуждений. Это называется адаптивное мышление (adaptive thinking), и у него два неочевидных свойства.

Первое: мысли тарифицируются как выходные токены. А выходные токены стоят в 5 раз дороже входных. Подумал на 8 000, ответил на 500 — итого 8 500, все по дорогому тарифу.

Второе: бюджет динамический — Claude сам решает, сколько «думать» под каждый запрос, и верхняя граница около 32 000 токенов. По умолчанию включается почти на каждом запросе, не спрашивая.

🔌 MCP-серверы: невидимая нагрузка⌗

Каждый подключённый MCP-сервер добавляет описания своих инструментов в контекст — при каждом запросе, независимо от задачи. Пять серверов с 58 инструментами могут съесть 55 000 токенов ещё до первого запроса. Один только Jira MCP — около 17 000 токенов. Для сравнения: всё контекстное окно Claude Code — 200 000 токенов.

Подключил Google Calendar, Jira и браузер «на всякий случай» — и четверть окна уже занята инструментами, которые сегодня не нужны.

⚡️ Короче⌗

Три механизма, три разных проблемы:

  1. Позднее сжатие — для заполненного на 95% контекста уже некачественно
  2. Адаптивное мышление — дорого и включается само
  3. MCP-серверы — тысячи токенов на инструменты, которые сегодня не нужны

В следующих постах — варианты решений этих проблем.