Сокращение результатов с большим числом токенов
Возвращайте компактный контекст, экономя доступный модели объём.
«Сокращение результатов с большим числом токенов» — бесплатный урок MCP Academy на CoddyKit. Это урок 3 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения MCP Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс MCP Academy содержит 4 уроков всего.
Части этого урока еще не переведены и отображаются на английском.
Results Cost Tokens
Whatever your tool returns becomes part of the model's context, and every character spends tokens. Bloated output is real cost. 💸
Big Results Crowd Context
A giant blob can fill the model's limited context window, pushing out earlier messages and leaving less room to actually reason.
Return Only What's Needed
Send back just the fields the task needs. A focused result helps the model far more than dumping an entire raw record.
Drop Noisy Fields
Strip internal ids, timestamps, and metadata the model will never use. Pick only the relevant keys before you return them.
return {"name": row["name"], "price": row["price"]}Paginate Large Lists
For long results, return one page with a cursor instead of thousands of rows. The model can ask for more only if it needs it.
Cap the Output Size
Set a hard limit on result length and truncate beyond it, so one runaway query cannot flood the model with megabytes of text.
text = full[:2000]
if len(full) > 2000:
text += "...[truncated]"Summarize Before Returning
Sometimes a short summary beats raw data, especially for logs or documents where the model only needs the gist, not every line.
Prefer Compact Formats
Pretty-printed, deeply nested JSON wastes tokens. A flat, compact shape carries the same facts with far fewer characters.
Hand Off Big Data as a Resource
For truly large content, return a resource link the model can read on demand instead of inlining the whole payload every call.
Trim Errors Too
Long stack traces eat tokens fast. Return a short, clear error message and keep the full trace in your server-side logs.
Lean Output, Better Answers
Concise results save budget and sharpen reasoning. A focused reply gives the model exactly what it needs and nothing extra.
Quick Check
Why trim a tool's output before returning it?
Recap: Keep It Lean
You returned only needed fields, paginated, capped size, summarized, and offloaded big data, so results stay token-efficient. 🎯
Часто задаваемые вопросы
Урок «Сокращение результатов с большим числом токенов» бесплатный?
Да — полный текст урока «Сокращение результатов с большим числом токенов» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс MCP Academy, подпишись на CoddyKit PRO. Курс MCP Academy содержит 4 уроков всего.
Чему я научусь в уроке «Сокращение результатов с большим числом токенов»?
Возвращайте компактный контекст, экономя доступный модели объём. Ты практикуешь MCP Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать MCP Academy?
Предыдущий опыт не требуется. MCP Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 3 из 4.
Сколько времени занимает урок «Сокращение результатов с большим числом токенов»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке MCP Academy?
Да. Каждый урок MCP Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Асинхронные инструменты без блокировок
- Параллелизм и обратное давление
- Сокращение результатов с большим числом токенов
- Горизонтальное масштабирование с сеансами