工具接得越多 Agent 越蠢：Pi 1.0 把工具藏起来，官方称提示词开销少了 40%

挂 MCP 的那天，你是兴奋的。文件系统、数据库、浏览器、看板，一个一个往上接，看起来 Agent 突然什么都能干了。

三天之后事情就不对了。它开始挑错工具，回答越来越啰嗦，账单越来越厚。你没删过任何一个 server，也没改过一句 prompt。

这不是玄学。MCP 的麻烦从来不是接不上，是接多了上下文会爆。

接得越多，蠢得越快

先把这笔账算清楚。每挂上一个 MCP server，进入上下文的不止是”我现在多了什么能力”这一句话：工具清单要进来，每个工具的参数 schema要进来，调用完之后返回的原始结果还要进来。

查一次数据库，回来两百行原始记录；抓一个网页，回来整段 HTML。这些东西不会自己消失，它们原封不动地躺在你下一轮请求里。

于是出现一个荒诞画面：工具越多，模型要在越长的噪声里做选择，注意力被摊薄；上下文越长，命中 prompt 缓存越难，钱烧得越快。你以为在装外挂，其实在给模型加阅读理解题。

想补基础的，先看站内这篇《别再把AI当聊天机器人了！MCP协议完全指南》，里面对 MCP 协议 讲得相当全。今天这篇不重复它，今天讲反转。

那个质疑 MCP 的人，把 MCP 做进了主线

Pi 的作者 Mario Zechner，公开质疑过 MCP 的必要性，认为它引入的复杂度大于收益。这话在社区里传得很广。

然后到了 2026 年 10 月 1 日。Earendil 发布 Pi 1.0，第一个稳定版，MIT 许可，更新清单里赫然写着：Codemode，含原生 MCP 支持。

打脸了吗？恰恰相反。官方那句话值得抄在这儿：

“We wait until something has proven itself, and only then do we consider adopting it; weighing its true functionality against its inherent added complexity.”

说白了：不见兔子不撒鹰。想进 Pi，先证明自己配得上那份复杂度。

背景交代一下。Pi 是终端优先的开源编码 agent，更准确说是 agent harness，TypeScript 写的，仓库在 GitHub 上的 earendil-works/pi，报道时 112,000 star、186 个 open issue，要求 Node.js 22.19 或更高版本。官方称每周有数十万人在用（第一方数字，没有独立验证）。

1.0 这一版一口气加了六件事：Codemode 及其原生 MCP 支持，虚拟模型（virtual models），延迟工具加载（deferred tool loading），Anthropic 缓存预热（专门对付 prompt 缓存 5 分钟 TTL），对话进行中插入 system message（能看到已有 transcript），以及全屏 TUI 成为默认并换了主题。

不让模型看见工具

重点来了：Pi 1.0 对 MCP 的用法，是把通行做法整个反过来。

通行做法是把工具摊在模型面前，让它从里面挑。Codemode 不这么干。它是 harness 侧的一个 JavaScript 沙箱：模型不再盯着一长串工具清单，而是写一段小程序去编排工具调用。这段程序在沙箱里跑，可以并行查询，可以过滤，可以聚合，最后只把压缩后的结果回传给模型自己。

打个比方。以前是把整个工具箱倒在桌上，让模型趴上去挑。现在是打发助手去储藏室，只把它真正要用的那几件递回来。递回来的是结果，是成品，不包括工具箱本身。

顺带一提，Codemode 里能接的不止 MCP server。非 LLM 的模型也能挂到这条链路上，比如决策模型 Jev、比如图像模型。这一条后面要用到。

5300 到 3300，先别急着高潮

厂商最爱甩数字，Pi 也甩了。changelog 里记载：一次 GPT-5.6 请求，prompt 从约 5300 token 降到约 3300 token，约 40% 的 prompt 开销下降。

丑话说前面：这是 Earendil 自家 changelog 的口径，没有独立第三方复现，官方也没公布 Codemode 的基准测试。把它当方向性证据，别当 KPI。

但方向上说得通。省下来的也不只是”少贴了几段工具描述”：延迟工具加载让工具不必一次性全量入场，Anthropic 的缓存预热又专门去解决 prompt 缓存五分钟就失效的问题。这三件事是往同一个方向使劲，那个数字是它们叠出来的结果。

让 Opus 规划，让 Jev 掐点，让 Luna 干活

虚拟模型是 1.0 里第二个狠角色，逻辑很朴素：一个任务的不同阶段，本来就不该由同一个模型包办。

官方给的演示是这样的：用 Claude Opus 做规划，用 Jev 去检测”规划已经完成、该进实施阶段”这个转换点，检测到之后把实施交给 GPT-6 Luna。

妙就妙在中间那个角色。阶段切换这种判断，塞给一个大模型去”感觉一下”是最浪费的，它本质上是一道选择题。Jev 决策模型 就是干这个的，站内这篇《闭嘴，只做选择题：Jev 上手指南》讲过它的脾气。

再叠上”对话进行中插入 system message 且能看到已有 transcript”，意味着你不用开一个新会话，就能把上下文掰到新轨道上。

它也不是万能的

坑 1：你看到 40%，就以为自己也能省 40%。现象是照着这个数算预算，上线后发现压根没降那么多。根因上面说过了，单一请求口径、自家 changelog、没有 benchmark。解法很土：拿你自己那个最脏的仓库真实跑一轮，只信自己跑出来的数。

坑 2：把 1.0 当成安全承诺。1.0 是稳定性意义上的成熟，不等于安全边界。仓库自述里有精确版本锁定、lockfile 校验、定期安全审计这几条供应链规则，但那是仓库自称的做法，不是第三方审计结果。你自己的依赖扫描和锁策略，一样都别省。

坑 3：把 Pi Durable 当成官方加强版。它是同期发布的独立实验性包，面向长时运行的 agent 应用：管理多轮对话，用 SQLite 和 JSONL 做持久化存储。Earendil 特意把它和 Pi 本体分开，就是不想让终端 agent 越来越臃肿。官方自己的比喻很到位：Pi 像 Flask，不像 Django。实验性意味着接口随时可能变。

坑 4：把 Codemode 的沙箱当成隔离边界。官方文档并没有讲清这个沙箱到底拦住了什么、没拦住什么。真要当隔离层用，先在可控环境里验证明白。

你到底该装哪个

先说最简单的那种情况。你要的只是一个能干活的编码 agent，那就装 Pi 本体，一行命令的事。

macOS 与 Linux：

curl -fsSL https://pi.dev/install.sh | sh

Windows PowerShell：

powershell -c "irm https://pi.dev/install.ps1 | iex"

macOS 和 Linux 另外还提供了 Nix flake 这条安装路径。

真正要判断的是后面这几种情况：

• 只要一个能干活的编码 agent：装 Pi 本体就够，不用碰别的
• 要跑几天的长时任务：才需要去看 Pi Durable，而且它是实验性的
• 想自建 agent 底座：去啃那 7 个 @earendil-works 作用域的包

这 7 个包包括 pi-ai、pi-agent-core、pi-coding-agent、pi-tui、pi-telemetry，等于把 Pi 拆成了可复用的零件。想横向对比别的自建路线，站内这篇《OpenClaw：跑在你自己机器上的开源 AI 智能体框架》可以对照着读。

真要试长任务，装在 npm 这一侧：

npm install @earendil-works/pi-durable @earendil-works/pi-ai @earendil-works/chord

还有一个小开关值得知道：TUI 现在默认走全屏（alternate screen），界面干净了，代价是终端回滚没了。想要回滚就用配置把它改回常规模式（具体字段以 pi.dev 官方文档为准）。

藏工具，藏的是复杂度

回到开头那个画面：你兴冲冲接了一堆 MCP，Agent 却越来越蠢。

Pi 1.0 的回答不是”少接几个”，是换个地方接。工具的复杂度本来就该由 harness 扛着，不该摊在模型的 prompt 里。

所以它的选择是自洽的：延迟工具加载，减少一次性入场；缓存预热，减少重复付费；Codemode，减少回传噪声；虚拟模型，减少用错模型造成的浪费。四件事指向同一个判断：省上下文这件事，比多加一个功能更像架构决策。

至于那 40% 你信几分，得自己跑。至于跑不跑得起来，先装吧，就一行命令。

关注圈圈，持续带你玩转 AI 工具。