Половина вашего контекстного окна забита мусором: как MCP-дампы, bloated-конфиги и неиспользуемые skills удорожают каждую сессию Claude Code

Я — Денис Шохирев, architect агентных AI-систем во Фрайбурге и руководитель DennisCraft AI Studio. Вся моя работа — это продакшн-системы для DACH-клиентов, не демо. И вот реальный кейс: вы открываете Claude Code, грузите агента, и сразу теряете до 50% контекстного окна на мусор — MCP-дампы, bloated-конфиги, неиспользуемые skills. Это не теоретическая проблема: бюджеты сгорают, а баги приходят в продакшн.

Что именно забивает окно: MCP-дампы, bloated-конфиги, skills

MCP-дампы: зачем они нужны и чем вредны

В крупных мульти-агентных системах часто передаются дампы состояния (MCP — Multi-agent Control Protocol) для синхронизации. Проблема: дампы генерируются без фильтрации и включают всю текущую память агента — от логов до внутренних структур, которые Claude Code не использует.

def build_mcp_dump(agent_state):
    # Оригинальный дамп: вся память
    return json.dumps(agent_state)
# Фильтрованная версия:
def build_filtered_dump(agent_state):
    safe_keys = ["goal", "current_task", "context"]
    filtered = {k: v for k, v in agent_state.items() if k in safe_keys}
    return json.dumps(filtered)

В реальном проекте с 5 агентами дамп срезал 60% полезного окна — вся сессия стала дороже на 30% по токенам (Supabase logs, 2024).

Bloated-конфиги: что реально нужно Claude

Реальные продакшн-конфиги часто приходят из CI/CD или n8n и содержат лишние параметры, не относящиеся к текущей задаче: тестовые endpoints, устаревшие env-переменные, legacy-флаги.

# Пример bloated-конфига
model: "claude-3-opus"
max_tokens: 4000
test_mode: true
legacy_api: "v1"
endpoint: "https://dev.api"
unused_feature: "enabled"
# На проде должно быть:
model: "claude-3-opus"
max_tokens: 4000
endpoint: "https://api"

Если не чистить конфиги, Claude Code парсит весь этот мусор, тратит токены и может ошибочно активировать устаревшие режимы.

Skills и capability overload

Многие подключают в агента сразу десятки skills (парсер, web-scraper, DB-интерфейс), а реально используются 2-3. Остальные просто занимают место в prompt-инструкции или как "action manifest".

В результате — 300+ токенов на каждую сессию уходят впустую.

Операционные издержки: как мусор бьет по бюджету и багтрекеру

Расходы на токены: реальные цифры

Claude Code тарифицируется по токенам. Если половина окна занята нерелевантными данными, стоимость сессии удваивается. Я видел проекты, где за месяц "мусор" съедал до 900 EUR на 1 агента (Supabase billing, май 2024).

Завышенный latency и "hallucination"

Избыточный контекст не только дорогой, но и увеличивает latency и вероятность ошибок. Claude начинает "халлюцинировать" на основе устаревших или нерелевантных skills/configs. Пример: агент отправил запрос не в тот endpoint из-за старого конфига.

Security: утечка чувствительных данных

Если MCP-дамп не фильтруется, Claude получает всю историю, включая ошибочные логи, внутренние токены и даже traces из Doppler. Это прямой риск для compliance (см. OWASP AI Security Top 10, 2024).

Как чистить окно: практические техники

Сегментация и whitelisting для MCP

Я рекомендую whitelist-стратегию: включать в дамп только те ключи, которые реально нужны агенту для reasoning. Всё остальное — подчищать до отправки в Claude.

ALLOWED_KEYS = {"goal", "facts", "last_action"}
def safe_mcp(agent_state):
    return {k: v for k, v in agent_state.items() if k in ALLOWED_KEYS}

Сборка prompt-а через фильтр

Перед генерацией промпта запускаю кастомный pre-processor на n8n или в Supabase Edge Function. Он удаляет неиспользуемые skills и устаревшие параметры.

// n8n custom node
const usedSkills = ["parse_pdf", "email_send"];
const filteredSkills = allSkills.filter(skill => usedSkills.includes(skill.name));
return filteredSkills;

Автоматизация через bandit и gitleaks

Использую bandit и gitleaks для автоматической проверки промптов на наличие секретов и лишних данных перед отправкой в Claude Code.

bandit -r prompts/
gitleaks detect --source=prompts/

Таблица: где чаще всего теряется окно

FAQ

Обязательно ли фильтровать MCP-дампы при работе с Claude?

Если вы держите систему в проде — да. Без фильтрации вы рискуете утечками и перерасходом бюджета.

Как автоматизировать чистку конфигов?

Используйте pre-commit хуки и шаблоны в CI/CD, можно добавить linter для yaml/json.

Можно ли убрать неиспользуемые skills на лету?

Да, если skill-менеджер поддерживает dynamic loading. В противном случае — минимизируйте action manifest перед prompt-генерацией.

Что делать с legacy-параметрами?

Регулярно пересматривайте конфиги и удаляйте устаревшие переменные вручную или через migration scripts.

Есть ли смысл сокращать окно, если лимит tokens не выбран?

Да — меньше мусора, меньше latency, ниже риск багов и утечек. Это best practice даже при большом лимите.

В какой части вашей цепочки Claude Code чаще всего встречается мусор — MCP-дампы, конфиги или skills? Какие инструменты реально помогают ловить это в проде? Я провожу бесплатный 30-мин аудит стека для DACH-команд в регулируемых рынках. Пишите в LinkedIn или @ger_dennis_ai.