在给 AI Agent 疯狂堆砌 MCP（Model Context Protocol）工具的当下，这个仅 8 KB 的项目带来了一个极具冲击力的反思

老高—深圳代理

在给 AI Agent 疯狂堆砌 MCP（Model Context Protocol）工具的当下，这个仅 8 KB 的项目带来了一个极具冲击力的反思：很多时候，优秀的 Agent 架构不是做加法，而是做减法。

GitHub 上的开源项目 leanrea 给逆向工程 Agent 方案带来了一个极简平替。它对比著名逆向工具 REA（Reverse Engineer Anything）的数据非常直观：

传统 MCP 方案的代价（REA）：

依赖 25 MB 的 npm 包与常驻 MCP 服务；

强行向模型上下文注入 207 个工具定义（定义本身就占用 3.35 MB）；

即使模型只回复一句 "OK"，所有工具加载完的上下文也高达 400.7k tokens，单次起手成本约 $1.60。

极简方案的解法（leanrea）：

仅一个 8 KB 的 SKILL.md 指令文件；

不增加任何专有 MCP 工具，直接让模型调用系统原生的 CLI（如 asar、otool、nm、go version -m 等）；

同样的基础调用上下文仅 34.5k tokens，起步成本骤降至 $0.09。

在 Claude Code 上的实际基准测试中，leanrea 的表现全面超越了臃肿的封装版：

执行时间缩短 38%

总调用成本降低 35%

交互轮次减少 56%，Token 消耗减少 60%

在针对 Electron 追踪、Native Addon 导出、Go 依赖探测和深度反编译的 4 类任务中，得分高达 74/75（REA 为 75/75），几乎保持了同等水准的准确率。

思考与启示：许多人习惯把系统现成的命令行工具逐一封装成海量 MCP 接口，这不仅迅速吞噬了模型的上下文预算，还极易引发工具路由混乱。其实，现代大模型本身就有极强的 Bash 交互能力；与其给它 200 个冗余的 API 包装层，不如给它一份写清踩坑指南和高效命令的 8 KB 指令集。
在 Agent 开发里，奥卡姆剃刀原则依然有效——如无必要，勿增工具。

项目地址：https://github.com/aicodeking/leanrea