Claude Code: 9 příčin ztrát tokenů a jak je omezit

V jednom příkladu ukázal příkaz /context v čerstvé relaci Claude Code, že před první zprávou je obsazeno 60 tisíc tokenů z 200 tisíc. V repozitáři projektu byl spuštěn pouze claude. Šedesát tisíc tokenů — třetina rozpočtu utracená za „přípravu“ na konverzaci.

O dva týdny později jsem přesně zjistil, kam se poděly. Níže je všech 9 způsobů, které spotřebovávají vaše tokeny ještě předtím, než začnete psát, a jak je napravit. Údaje pocházejí z oficiální dokumentace Anthropic a měření z reálných relací.

Co znamená ztráta tokenů Claude Code ještě před zadáním úkolu?#

Souběžný příspěvek od Mnimiy (@Mnilax) uvádí 9 způsobů, které dohromady tvoří těchto 73 %. Sloučil jsem je do jedné tabulky s konkrétními údaji z dalších zdrojů — příspěvku na GitHubu #13717 se snímkem obrazovky /context v okně o velikosti 200K, poznámky Camerona Cookea o metodologické chybě samotného /context a oficiální stránky Anthropic o správě nákladů.

Nebudu tvrdit, že číslo „73“ je neotřesitelné — podle vašeho nastavení to může být 60 % nebo 80 %. Celkový obraz ale odpovídá skutečnosti a každý způsob lze napravit zvlášť. Níže se budu věnovat vždy třem najednou.

Jak Claude Code sestavuje kontext před přečtením požadavku?#

V diskusi k příspěvku na GitHubu #13717 někdo otevřel /context v relaci se šesti servery MCP a získal toto rozdělení:

Všimněte si: i když jste ještě nic nenapsali, zabírá téměř polovinu okna. Na volné místo a rezervu pro automatické zkrácení kontextu zbývá méně než polovina a do této části se musí vejít celá konverzace — zprávy, Claudeovy odpovědi, přečtené soubory i výstupy příkazů.

Velikost okna závisí na modelu. Podle dokumentace modelů Anthropic mají od září 2026 modely Opus 4.7 a novější, Sonnet 5 a Fable okno o velikosti 1M tokenů ve všech tarifech včetně Pro. 200K zůstává pro Opus 4.6 a Sonnet 4.6 bez rozšířeného kontextu a pro relace, ve kterých je 1M vypnuto proměnnou CLAUDE_CODE_DISABLE_1M_CONTEXT=1. Větší okno neřeší problém nabobtnalého kontextu: vše načtené před první zprávou se posílá modelu při každém požadavku a dokumentace o nákladech výslovně uvádí, že čím více kontextu, tím více tokenů se spotřebuje. Předplatné to nemění — v každém tarifu se každý další token započítává do vašeho limitu.

Kam mizí první třetina kontextu: CLAUDE.md, historie a MCP?#

Způsob 1. CLAUDE.md před každou zprávou

Soubor se načítá před každou zprávou, kterou odešlete, nejen jednou za relaci. CLAUDE.md o 5,000 tokenech zabírá tuto část kontextu požadavků, které jej obsahují, ale nový vstup, zápis a čtení cache potřebují samostatné účtování; opakovaný obsah se nutně neúčtuje plnou sazbou mimo cache.

Anthropic v dokumentaci přímo uvádí:

V jednom příkladu má projektový CLAUDE.md 180 řádků — všechny specializované pokyny (jak psát zadání pro workshopy, formát příspěvků na TG, právní kontrolní seznam) byly přesunuty do dovedností a souborů Markdown ve složce business/, které Claude čte pouze tehdy, když se tam cíleně podívá. Oproti době před dvěma měsíci to snížilo základní zátěž o 60–70 %.

Způsob 2. Historie konverzace se čte znovu s každou odpovědí

Jde o způsob s nejhorší vnější viditelností, protože není zvnějšku patrný. Model v dalších požadavcích dostává zachovaný kontext konverzace. Cache může znovu použít stabilní prefix; kompakce a vymazání mění zachovaný text. Opakovaně dodaný kontext stále zabírá okno, i když cache snižuje jeho cenu.

Řešením je použít /clear mezi nesouvisejícími úkoly. Řídím se pravidlem: na každý nový úkol nový chat. Pokud je úkol dlouhý a potřebujete historii, shrňte minulý průběh příkazem /compact a pokračujte od shrnutí.

Více o tomto pravidle najdete v návodu „Jak za den nevyčerpat limity Claude Code: 8 pravidel pro úsporu tokenů“, který obsahuje příklady z mých relací.

Způsob 3. Servery MCP registrují všechny své nástroje v kontextu

Tohle byl v Claude Code dlouhodobý problém a do roku 2026 způsoboval největší ztráty. V již zmíněném příspěvku #13717 zabíralo šest připojených serverů MCP (Google Docs, Asana, Calendar, Slack, Atlassian, Gmail) 98 700 tokenů — 49 % celého okna ještě před zahájením konverzace.

Anthropic uvedl v prosinci 2025 až lednu 2026 funkci Tool Search, která polovinu tohoto problému řeší.

V dokumentaci Anthropic se nyní píše:

Co dělat v praxi:

1. Aktualizujte Claude Code na verzi s funkcí Tool Search (všechny aktuální verze vydané po prosinci 2025).
2. Otevřete /mcp a zakažte servery, které v aktuální relaci nepotřebujete. V popsaném příkladu jsou trvale připojené dva — Playwright a shadcn. Ostatní zapínám pro konkrétní úkol a hned poté spustím /mcp disconnect.
3. Kde je to možné, nahraďte MCP nástroji CLI. Místo serveru MCP pro GitHub použijte gh. Místo Google Calendar MCP použijte kalendář v prohlížeči.

O tom, co servery MCP obecně jsou a jak je rozumně nastavit, píšu v návodu „Servery MCP v Claude Code v roce 2026: 7 hotových konfigurací a instalace krok za krokem“.

Problém CLAUDE.md a dovedností nespočívá jen ve velikosti, ale i ve struktuře. Základem je jeden soubor s pokyny (CLAUDE.md). Další znalosti o projektu (publikum, produkty, právní dokumenty, pokyny pro jednotlivé dny) jsou ve složce business/ — v mé metodice jde o Druhý mozek. Claude čte jen to, co právě potřebuje, a komprese kontextu probíhá už na této úrovni. Úplný rozbor najdete v článku „Druhý mozek v Claude Code“.

A ještě jeden často přehlížený detail: úklid CLAUDE.md, přechod na dovednosti a vypnutí MCP jsou první krok. Potom přichází na řadu metodika kontextového inženýrství — co vložit do každého zadání, v jakém pořadí, co předat prostřednictvím Plan Mode a co vyřešit příkazem /compact. Tento návod popisuje jeden stavební blok.

Co se v relaci hromadí a co nelze omezit?#

Způsob 4. Výstupy nástrojů se během relace hromadí

Málo zmiňovaný detail: když Claude spustí bash cat huge-file.log, celý výstup tohoto příkazu se vloží do kontextu a zůstane v něm až do konce relace nebo příkazu /clear. Totéž platí pro Read u velkého souboru — všech 10 000 řádků tam zůstává a při každé další zprávě zabírá tokeny (viz způsob 2).

Řešení:

1. Místo čtení všeho používejte head, tail, grep. Použijte bash tail -100 deploy.log místo Read deploy.log. Výstup se tím okamžitě zkrátí 10–100krát.
2. Háčky pro předzpracování. Umístěte do ~/.claude/hooks skript, který filtruje výstup bash ještě předtím, než ho Claude uvidí. Příklad z dokumentace Anthropic: háček PreToolUse, který spustí npm test 2>&1 | grep -A 5 -E 'FAIL|ERROR' místo zobrazení celého výstupu testů. Zkrátí ho 50–100krát. Podrobnosti najdete v návodu „Háčky Claude Code v roce 2026: nastavení krok za krokem a 7 hotových příkladů“.
3. Po rozsáhlém čtení použijte /clear. Pokud jste pro konkrétní úkol přečetli obrovský soubor a už ho nepotřebujete, nenechávejte ho v kontextu „pro jistotu“; začněte nový chat.

Způsob 5. Systémový prompt + systémové nástroje = trvalá základní zátěž

Tento způsob nelze změnit, protože s ním téměř nic neuděláte. Claude Code začíná systémovým promptem (přibližně 3 200 tokenů) a popisy všech vestavěných nástrojů — Read, Edit, Write, Bash, Glob, Grep, WebSearch, WebFetch, TodoWrite (přibližně 16 100 tokenů). Dohromady jde o trvalou základní zátěž 19 300 tokenů, kterou nelze omezit.

Co dělat v praxi:

• Počítejte s ní. Berte 19K jako „daň“ základní zátěže: při okně o velikosti 200K zbývá 200K - 19K = 181K na všechno ostatní (po odečtení CLAUDE.md, MCP a rezervy pro automatické zkrácení kontextu). V okně 1M je místa více, ale tato „daň“ se započítává při každém požadavku.
• Měřte opakované zpracování. Základ zabírá okno a může se opakovat v dalších požadavcích. Nejde o jednorázový tokenový poplatek za relaci; cenu počítejte z oddělených součtů vstupu, zápisu a čtení cache a výstupu.

Kde se ztrácejí tokeny na dovednostech, pluginech a týmech agentů?#

Způsob 6. Dovednosti a pluginy mohou být zaregistrovány dvakrát

Tento problém se objevil s příchodem pluginů do Claude Code na konci roku 2025. Když nainstalujete plugin, který přidává dovednosti, tyto dovednosti se dostanou do kontextu. Pokud máte podobné uživatelské dovednosti nainstalované také v ~/.claude/skills/, načtou se i ony. A někdy se duplikují.

Vercel zveřejnil ve svém výzkumu zásobníku AI tento údaj: 56 % dovedností se během relace nikdy nepoužije, jejich popisy se ale neustále načítají do kontextu. Při 100 tokenech na popis to u 100 dovedností znamená až 5 600 tokenů „zátěže“.

Co dělat:

1. Příkaz /context ukáže, co je skutečně obsazeno. Pokud sekce Skills přesahuje 3K, ukliďte ji.
2. ls ~/.claude/skills/ — zkontrolujte, které dovednosti máte nainstalované. Odstraňte ty, které jste déle než měsíc nepoužili.
3. /plugin remove použijte u pluginů, které jste nainstalovali „na zkoušku“ a zapomněli na ně.

Správnou strukturu dovedností a rozdíly oproti CLAUDE.md popisuje článek „Dovednosti Claude Code v roce 2026: jak vytvořit osobní knihovnu dovedností“.

Způsob 7. Týmy agentů spotřebují v režimu Plan Mode sedmkrát víc

Týmy agentů jsou funkce, při které Claude Code spouští několik paralelních instancí modelu, každou s vlastním kontextem. Anthropic v dokumentaci přímo uvádí:

To znamená, že pět členů týmu v režimu Plan Mode odpovídá pěti paralelním relacím, z nichž každá načte svou vlastní systémovou základní zátěž, vlastní kopii CLAUDE.md a vlastní nástroje MCP. Celková spotřeba tokenů roste nelineárně.

Co dělat:

1. Pro členy týmu používejte Sonnet nebo Haiku. Opus nechte pouze vedoucímu týmu, který je koordinuje. Sazba tokenu může být nižší, měřte ale celkovou cenu úkolu a kvalitu každého člena místo předpokladu pevné úspory.
2. Menší týmy. Používejte dva nebo tři členy místo deseti.
3. Ukončete neaktivní členy týmu. Pokud úkol skončil, ale některý člen týmu stále běží, dál na pozadí spotřebovává tokeny.

Více o Plan Mode a o tom, kdy se skutečně hodí, najdete v článku „Plan Mode v Claude Code: návod krok za krokem a 4 fáze v roce 2026“.

Za co Claude účtuje tokeny, když se nedíváte?#

Způsob 8. Extended thinking spotřebovává tokeny bez vašeho přičinění

Extended thinking je režim, ve kterém Claude před odpovědí v odděleném skrytém bloku „promýšlí“ řešení. Z hlediska výpočtu jde o výstupní tokeny, které se počítají jako běžná odpověď, ale v chatu je nevidíte.

Anthropic v dokumentaci uvádí:

Jediný složitý požadavek tak může spotřebovat 10–30K tokenů myšlení, které se „odečtou“ od rozpočtu, zatímco v chatu vidíte jen krátké shrnutí.

Co dělat:

1. U jednoduchých úkolů použijte /effort low. Sníží rozpočet na myšlení na minimum.
2. Nastavte v prostředí MAX_THINKING_TOKENS=8000 jako horní limit.
3. U velmi rutinních úkolů, u kterých Claude nemusí „přemýšlet“, vypněte thinking v části /config.

Kdy je myšlení užitečné (složitá architektura, složité vícekrokové uvažování) a kdy ne, popisuje článek „Sonnet nebo Opus 4.7 v Claude Code: výběr modelu a /effort v roce 2026“.

Způsob 9. Shrnování na pozadí během nečinnosti

Jde o velmi malý, ale zajímavý způsob. Claude Code spouští proces na pozadí, který shrnuje předchozí relace pro příkaz claude --resume. Tento proces běží, i když nepíšete.

Anthropic to výslovně uvádí v dokumentaci:

Čtyři centy za relaci nejsou žádná katastrofa. Pokud ale máte 10 otevřených relací denně, je to už 0,40 $ pasivní útraty za den a 12 $ za měsíc. Zavřete relace, které právě nepotřebujete. Relaci můžete obnovit z indexu příkazem /resume — nemusíte ji nechávat otevřenou.

Jak měřit ztráty: příkaz /context a jeho výhrady#

Nejprve k příkazu. V Claude Code otevřete /context (nebo /usage, chcete-li údaje vypočítat) a zobrazí se něco podobného:

Kontextové okno: 200 000 tokenů

Systémový prompt:        3 200 (1,6 %)
Systémové nástroje:     16 100 (8,0 %)
Nástroje MCP:           12 600 (6,3 %)
CLAUDE.md:               4 800 (2,4 %)
Soubory paměti:          3 000 (1,5 %)
Konverzace:             18 400 (9,2 %)
Volné místo:           141 900 (71,0 %)

Tohle je běžná trvalá základní zátěž po prvním úklidu. Výborně — 71 % okna je volných.

Známá chyba /context: trojnásobné nadhodnocení MCP

Until a recent update, /context showed about 3 times the actual MCP loss, because per-tool overhead was counted separately for each tool.

Cameron uvádí, že Anthropic to v aktuální verzi opravil a že nyní pro stejný XcodeBuildMCP vykazuje 12 600 tokenů. Z toho plyne:

1. Pokud /context ukazuje 50K+ pro nástroje MCP, možná používáte starou verzi Claude Code. Aktualizujte ji.
2. Pokud MCP zabírá 8–15K, je to s funkcí Tool Search normální skutečná spotřeba.
3. Pokud MCP zabírá 30–50K v nové verzi, máte skutečně připojeno mnoho nepoužívaných serverů. Přejděte do /mcp a odpojte je.

Co dalšího zkontrolovat kromě /context

/usage — ukazuje spotřebu vašeho tarifu za posledních 24 hodin nebo 7 dní. U tarifů Pro a Max zobrazuje rozdělení podle dovedností, podřízených agentů, pluginů a jednotlivých serverů MCP. Pomůže vám zjistit, která dovednost spotřebovává nejvíc.

/cost — pro uživatele API. Zobrazuje poměrnou cenu aktuální relace v dolarech. Předplatitelé tarifů Pro a Max tento příkaz nepotřebují.

/usage-credits — v tarifech Pro a Max umožňuje nastavit měsíční limit útraty. Hodí se, pokud nechcete, aby vám skriptovaný tým agentů omylem vyčerpal limit kreditní karty.

Jak za 15 minut uklidit kontext Claude Code#

Otevřete projekt v Claude Code a postupujte podle těchto kroků:

1. /context — poznamenejte si aktuální rozdělení. To je výchozí stav.
2. /clear — pokud se v chatu nahromadila historie nesouvisející s aktuálním úkolem. Začněte s čistým oknem.
3. ls -la ~/.claude/skills/ — zkontrolujte nainstalované dovednosti. Odstraňte ty, které jste měsíc nepoužili. Příkaz: rm -rf ~/.claude/skills/[skill-name] (nebo složku smažte přes rozhraní).
4. /plugin list — totéž pro pluginy. Nepoužívané odstraňte příkazem /plugin remove <name>.
5. /mcp — zkontrolujte připojené servery MCP. Ponechte jen ty, které potřebujete pro aktuální úkol. Ostatní odpojte příkazem /mcp disconnect <name>.
6. Otevřete CLAUDE.md v editoru. Pokud má soubor víc než 200 řádků, přesuňte specializované pokyny do dovedností (~/.claude/skills/[topic]/SKILL.md). Jádro by mělo mít 100–200 řádků a doplňovat ho 5–15 tematických dovedností. Podrobný návod najdete v článku „Jak nastavit CLAUDE.md v roce 2026: hotová šablona a 6 pravidel“.
7. Zkontrolujte /effort — u jednoduchých úkolů použijte /effort low. Vysoký rozpočet na myšlení potřebujete jen u složité architektury.
8. Závěrečné měření /context. Porovnejte ho s krokem 1.

V popsaných relacích klesl obsazený kontext po úklidu z 60–80K na 25–30K. Jde o změnu obsazení snímku, nikoli důkaz pevného snížení zpracovaných tokenů či ceny. Před tvrzením úspor porovnejte celé běhy stejného úkolu včetně cache a výstupu.

Pokud chcete udělat víc než jen porozumět tokenům a vytvořit úplnou metodiku práce s Claude — klon AI, Druhý mozek (business/) a kontextové inženýrství — právě to jsou tři součásti této metodiky.

Kdy pomůže přechod na Sonnet nebo Haiku víc než úklid kontextu?#

Anthropic píše o modelech v dokumentaci:

Orientační ceny vstupních tokenů (k 27. květnu 2026):

Moje nastavení:

1. Výchozí model — Sonnet 4.5. Nastavuje se v /config → default model. Pokryje 80 % úkolů.
2. Ručně spouštím /model opus, když je úkol opravdu obtížný (architektonická volba, diagnostika záhadné chyby, nový produkt).
3. Pro testy a formátování používám /model haiku. Nebo v konfiguraci podřízeného agenta výslovně nastavím model: haiku.
4. Příkaz /effort se nastavuje nezávisle na modelu. Můžete použít Opus s /effort low — získáte výkonný model s minimálním rozpočtem na myšlení pro rychlé odpovědi na středně obtížné úkoly.

Kdy je užitečnější uklidit kontext než přepnout model:

• Kontext je zaplněný z více než 50 % — nejprve ho ukliďte.
• Kontext je v pořádku, ale úkoly jsou složité — použijte Opus s běžnou úrovní úsilí.
• Kontext je v pořádku a úkoly jsou rutinní — použijte Haiku.

Podrobný rozbor modelů a úrovní úsilí najdete v článku „Sonnet nebo Opus 4.7 v Claude Code: výběr modelu a /effort v roce 2026“.

Které tipy zvyšují spotřebu místo toho, aby ji šetřily?#

Antivzorec 1. „Smažte všechny MCP, spotřebovávají tokeny“

Nejčastější chybou je lenost. Ano, MCP historicky spotřebovávalo až 49 % kontextu, ale po zavedení Tool Search tato spotřeba klesla na 8–15 %. MCP navíc poskytuje skutečné nástroje, které byste jinak museli sami vytvořit. Smazáním všech MCP se vrátíte k ruční práci, která vám „sežere“ víc času, než kolik ušetříte na tokenech.

Správný přístup: ponechte jen servery MCP, které skutečně pravidelně používáte. Nechávám si Playwright (na testování úvodních stránek) a shadcn (na generování rozhraní). Všechno ostatní používám vždy jen pro jeden konkrétní úkol.

Antivzorec 2. „Nepoužívejte CLAUDE.md, všechno pište přímo do zadání“

Zní to „logicky“: pokud se CLAUDE.md načítá s každým požadavkem, tak ho nenačítejme. V praxi však bez CLAUDE.md začínáte každou zprávu tím, že stejné pokyny píšete ručně, a Claude mezi zprávami zapomíná souvislosti. Výsledkem je více tokenů, ne méně — přicházejí jen jiným kanálem.

Správný přístup: udržujte CLAUDE.md stručný (100–200 řádků), uložte do něj základní informace a specializované materiály přesuňte do dovedností. Podrobnosti najdete v článku „Jak nastavit CLAUDE.md v roce 2026“.

Antivzorec 3. „Vždy pracujte v režimu Plan Mode“

Plan Mode je skvělý nástroj pro složité úkoly, u kterých je potřeba nejprve prozkoumat kódovou základnu a navrhnout plán. Při práci s týmy agentů ale spotřebuje v průměru sedmkrát více tokenů (dokumentace Anthropic). U jednoduchého úkolu, jako je „oprav překlep v README“, spotřebuje Plan Mode sedmkrát víc než přímá úprava.

Správný přístup: používejte Plan Mode u složitých úkolů, které zaberou 30 minut nebo více. U krátkých úkolů zadejte přímý požadavek bez plan mode. Kdy použít který režim, popisuje článek „Plan Mode v Claude Code: návod krok za krokem a 4 fáze v roce 2026“.

Další materiály najdete na Ailoot.