# Hová tűnnek a tokenek a Claude Code-ban: 9 veszteségminta és azok javítása 2026-ban
> A tokenek 73%-a elvész, mielőtt Claude látná a promptot. CLAUDE.md, MCP, előzmények — hol szivárog el a kontextus a Claude Code-ban, és hogyan javítható ki a 9 szivárgás.
Source: https://ailoot.ai/blog/hu/where-claude-code-tokens-go/
Canonical: https://ailoot.ai/blog/hu/where-claude-code-tokens-go/
Language: hu
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-167
Revision: sha256-151a1f7c2747fa59b1cc7bb9aaf5b3d12ae6b4b3f55c01f8e9bb16e99be564e8
Főbb pontok
A tokenek jelentős része még azelőtt felhasználódik, hogy a modell elolvasná a kérésedet: a túlméretezett CLAUDE.md, a régi beszélgetési előzmények újbóli beolvasása és akár 49%-ban az MCP-szerverek miatt. A cikk kilenc többletterhelési forrást és egy 15 perces rendbetételi ellenőrzőlistát ismertet. A megtakarítás a munkamenettől függ: a foglalt kontextust, feldolgozott tokeneket, gyorsítótár-használatot és költséget külön kell mérni.
Egy példában a `/context` egy friss Claude Code-munkamenetben azt mutatta, hogy az első üzenet előtt 200K-ból 60K token már foglalt volt. A projekt adattárában csak a `claude` programot indította el. Hatvanezer token — a keret harmada elment a beszélgetés „előkészítésére”.
Két héttel később pontosan kiderítettem, hová tűntek. Az alábbiakban mind a 9 mintát bemutatom, amelyek még azelőtt elégetik a tokenjeidet, hogy gépelni kezdenél, és azt is, hogyan javíthatod ki őket. Az adatok hivatalos Anthropic-dokumentációból és valódi munkamenetek méréseiből származnak.
[Ailoot-dokumentáció](https://ailoot.ai/docs/) — referenciaanyagok a szolgáltatás használatához.
## Mit jelent az, hogy „a tokenek 73%-a elvész, mielőtt a prompt eljutna a modellhez”?
Főbb pontok
A tokenek jelentős része még azelőtt felhasználódik, hogy Claude elolvasná a tényleges kérésedet: a túlméretezett CLAUDE.md, a régi beszélgetési előzmények ismételt beolvasása és további hét minta miatt — az MCP-szerverektől a háttérben végzett összefoglalásig. Nem az előfizetési korlátokról van szó, hanem arról, hogyan működik a kontextus.
Itt van egy táblázatban mind a 9 minta, valódi munkamenetek mérési adataival és az Anthropic hivatalos költségkezelési oldalával. Until a recent update, `/context` körülbelül háromszorosan jelezte a tényleges MCP-veszteséget, mert az eszközönkénti többletterhelést minden eszköznél külön számolta. Anthropic fixed this in newer versions. So:
| Minta | Veszteség aránya | Forrás |
|----|----|----|
| 1\. Túlméretezett CLAUDE.md | — | — |
| 2\. Régi előzmények újbóli beolvasása | — | — |
| 3\. MCP-szerverek | korábban akár 49%, most 8-15% Tool Search használatával | valódi munkamenetek mérései |
| 4\. Felhalmozódó `tool_use`-kimenet | 5-15% | valódi munkamenetek mérései |
| 5\. Rendszerprompt + rendszerezközök | 9.6% (1.6% + 8%) | GitHub \#13717 |
| 6\. Duplikált skillek és pluginek | 2-5% | Vercel-kutatás (a skillek 56%-át soha nem hívják meg) |
| 7\. Ügynökcsapatok Plan Mode-ban | akár 700% | [Anthropic-dokumentáció](https://code.claude.com/docs/en/costs) |
| 8\. Extended thinking kerete | 5-20% | [Anthropic-dokumentáció](https://code.claude.com/docs/en/costs) |
| 9\. Háttérben végzett összefoglalás `--resume` használatakor | ~\$0.04/munkamenet, passzívan | [Anthropic-dokumentáció](https://code.claude.com/docs/en/costs) |
Nem állítom, hogy a „73” megkérdőjelezhetetlen — a beállításaidtól függően lehet 60% vagy 80% is. Az összkép azonban helytálló, és minden minta külön-külön javítható. Alább egyszerre hármat veszek sorra.
## Hogyan építi fel Claude a kontextust, mielőtt elolvasná a kérésedet?
Főbb pontok
Mielőtt begépelnéd az első karaktert, Claude már öt réteget betöltött: a rendszerpromptot, a beépített eszközök leírásait, a CLAUDE.md-fájlt, a csatlakoztatott MCP-szerverek eszközeinek neveit és utasításait (teljes leírásukat is, ha az eszközkeresés ki van kapcsolva), valamint a memóriát (`memory_files`). Egy 200K-s ablakban ez könnyen 60-100K-t, vagyis a keret harmadát-felét is elfoglalhatja. Ami marad, az a beszélgetésre és az olyan eszközökre jut, mint a Read/Edit.
A \#13717-es GitHub-issue vitájában valaki egy hat MCP-szerverrel futó munkamenetben megnyitotta a `/context` parancsot, és a következő bontást kapta:
| Kontextusréteg | Token | A 200K %-a |
|----|----|----|
| Rendszerprompt | 3 200 | 1.6% |
| Rendszereszközök (Read/Edit/Bash stb.) | 16 100 | 8.0% |
| MCP-eszközök (6 szerver: google-docs + asana + calendar + slack + atlassian + gmail) | 98 700 | **49.3%** |
| Memóriafájlok (`memory_files`, `Memory tool`-exportok) | 3 000 | 1.5% |
| Szabad hely | 34 000 | 17.0% |
| Autocompact-puffer | 45 000 | 22.5% |
Figyeld meg: még ha semmit sem írtál, az ablak majdnem fele foglalt. Kevesebb mint a fele marad szabad helynek és az autocompact-puffernek, és ennek a résznek kell befogadnia a teljes beszélgetést — az üzeneteket, Claude válaszait, az elolvasott fájlokat és a parancskimenetet.
Az ablak mérete a modelltől függ. Az [Anthropic modell-dokumentációja](https://code.claude.com/docs/en/model-config#extended-context) szerint 2026 szeptemberétől az Opus 4.7 és újabb modellek, a Sonnet 5, valamint a Fable modellek minden csomagban, a Pro csomagot is beleértve, **1M-tokenes** ablakkal rendelkeznek. **200K** marad az extended context nélküli Opus 4.6 és Sonnet 4.6 esetében, valamint azokban a munkamenetekben, ahol az 1M-es kontextus a `CLAUDE_CODE_DISABLE_1M_CONTEXT=1` változóval le van tiltva. A nagyobb ablak nem oldja meg a túlterhelt kontextus problémáját: az első üzenet elküldése előtt betöltött összes tartalom minden kérésnél eljut a modellhez, a [költségekről szóló dokumentáció](https://code.claude.com/docs/en/costs) pedig kifejezetten kimondja, hogy minél több a kontextus, annál több token fogy. Az előfizetés ezen nem változtat — bármelyik csomagban minden további token beleszámít a keretbe.
## Hová megy a kontextus első harmada: CLAUDE.md, előzmények és MCP?
Főbb pontok
A három fő minta a beszélgetés megkezdése előtt a kontextus 36-76%-át foglalja el. A CLAUDE.md hozzájárul az ismételt kérésekhez adott kontextushoz. Az előzmény körönként nő, ezért a későbbi kérések több bemenetet dolgozhatnak fel; a költség a promptgyorsítótár olvasásától és írásától is függ. Nincs általánosan érvényes exponenciális növekedési ütem. Az MCP-szerverek korábban az ablak akár 49%-át is felemésztették; a 2025 decembere és 2026 januárja között bevezetett új Tool Search a probléma nagy részét megszüntette, de sok beállítás még mindig a régi modellt használja.
### 1. minta. CLAUDE.md minden üzenet előtt
A CLAUDE.md minden elküldött üzenet előtt betöltődik, nem csak egyszer, a munkamenet elején. Az 5,000 tokenes CLAUDE.md ennyi kontextust foglal azokban a kérésekben, amelyek tartalmazzák, de a friss bemenetet, gyorsítótárírást és -olvasást külön kell elszámolni; az ismételt tartalom nem feltétlenül teljes, gyorsítótár nélküli áron számlázódik.
[Az Anthropic közvetlenül ezt írja a dokumentációban](https://code.claude.com/docs/en/costs):
Törekedj arra, hogy a CLAUDE.md 200 sornál rövidebb legyen, és csak a legfontosabb információkat tartalmazza. A speciális utasításokat helyezd át skillekbe, amelyek igény szerint töltődnek be.
— Anthropic-dokumentáció, code.claude.com/docs/en/costs
Egy példában a projekt CLAUDE.md-fájlja 180 sort tartalmaz — minden speciális tartalom (hogyan kell műhelyfoglalkozásra szóló utasításokat írni, milyen formátumú legyen a TG-bejegyzés, jogi ellenőrzőlista) a Skills mappába és a `business/` könyvtár Markdown-fájljaiba került. Claude csak akkor olvassa be ezeket, ha célzottan oda navigál. Ez két hónappal korábbi állapothoz képest 60-70%-kal csökkenti az alapterhelést.
### 2. minta. A beszélgetési előzményeket minden válasznál újra beolvassa a rendszer
Ez az a minta, amely kívülről a legkevésbé látható, mert rejtve marad. A modell a későbbi kérésekben a megtartott beszélgetési kontextust kapja. A promptgyorsítótár újrahasználhat egy állandó előtagot; a tömörítés és törlés módosíthatja a megtartott szöveget. Az ismételten adott kontextus akkor is foglalja az ablakot, ha a gyorsítótár tarifája csökkenti a költségét.
A megoldás: az egymástól független feladatok között használd a `/clear` parancsot. Az én szabályom: minden új feladathoz új csevegést indítok. Ha a feladat hosszú, és szükséged van az előzményekre, használd a `/compact` parancsot, hogy rövid összefoglaló készüljön, majd folytasd onnan.
Erről a szabályról bővebben a [„Hogyan ne égesd el egy nap alatt a Claude Code-keretedet: 8 tokenspóroló szabály”](https://ailoot.ai/blog/hu/claude-code-token-limits-saving/) című útmutatóban írok, a saját munkameneteimből vett példákkal.
### 3. minta. Az MCP-szerverek minden eszközüket regisztrálják a kontextusban
Ez korábban komoly problémát jelentett a Claude Code-ban, és 2026-ig ez okozta a legnagyobb veszteségeket. A fent említett \#13717-es issue-ban hat csatlakoztatott MCP-szerver (Google Docs, Asana, Calendar, Slack, Atlassian, Gmail) 98 700 tokent foglalt el — **a teljes ablak 49%-át**, még a beszélgetés megkezdése előtt.
Az Anthropic 2025 decembere és 2026 januárja között kiadta a **Tool Search** funkciót, amely a probléma felét megoldja.
[Az Anthropic dokumentációjában](https://code.claude.com/docs/en/costs) most ez olvasható:
Az MCP-eszközök definíciói alapértelmezés szerint késleltetve töltődnek be — csak a nevük kerül a kontextusba, amíg Claude meg nem hív egy konkrét eszközt. Futtasd a /context parancsot, hogy lásd, mi foglal helyet. Ahol lehetséges, részesítsd előnyben a CLI-t: az olyan eszközök, mint a gh, aws, gcloud és sentry-cli, még mindig hatékonyabbak az MCP-szervereknél, mert nem adnak hozzá eszközönkénti leírásokat.
— Anthropic-dokumentáció, code.claude.com/docs/en/costs
Teendők éles használat esetén:
1. **Frissítsd a Claude Code-ot olyan verzióra, amely támogatja a Tool Search funkciót** (2025 decembere utáni összes aktuális verzió).
2. **Nyisd meg a `/mcp` parancsot**, és tiltsd le azokat a szervereket, amelyekre az aktuális munkamenetben nincs szükséged. A leírt példában kettő van állandóan csatlakoztatva — a Playwright és a shadcn. A többit egy-egy feladathoz kapcsolom be, majd közvetlenül utána futtatom a `/mcp disconnect` parancsot.
3. **Ahol lehet, cseréld az MCP-t CLI-re.** GitHubhoz MCP-szerver helyett használd a `gh` parancsot. A Google Calendar MCP helyett használd a böngészőben megnyitott naptárat.
Arról, hogy mik az MCP-szerverek, és hogyan kell őket ésszerűen beállítani, a [„Claude Code MCP-szerverek 2026-ban: 7 kész konfiguráció és lépésről lépésre bemutatott telepítés”](https://ailoot.ai/blog/hu/mcp-servers-claude-code/) című írásomban olvashatsz.
A CLAUDE.md és a Skills problémájának egy része nemcsak a méretből, hanem a szerkezetből is adódik. Egyetlen utasításfájl (CLAUDE.md) alkotja a magot. A további projekttudás (közönség, termékek, jogi dokumentumok, napi utasítások) a `business/` mappába kerül — ez az én módszertanomban a **Second Brain**. Claude csak azt olvassa el, amire éppen szüksége van, és a kontextus tömörítése már ezen a szinten megtörténik. A teljes áttekintést a [„Second Brain a Claude Code-ban”](https://ailoot.ai/blog/hu/claude-code-second-brain/) című írásban találod.
## Mi halmozódik fel a munkamenetben, és mit nem lehet csökkenteni?
Főbb pontok
A negyedik minta az eszközkimenet. Minden beolvasott fájl, minden `bash`-kimenet, minden MCP-szerver-válasz örökre a munkamenet kontextusában marad. Beolvastál 10,000 sornyi naplót? A `/clear` használatáig veled marad. Az ötödik minta a rendszer alapterhelése: 19K token a rendszerprompt és a beépített eszközök leírása miatt. Ezt nem lehet csökkenteni, de ha tudsz róla, könnyebb elvégezni a számítást.
### 4. minta. Az eszközkimenet a munkamenet során felhalmozódik
Egy ritkán említett részlet: amikor Claude futtatja a `bash cat huge-file.log` parancsot, annak **teljes kimenete** bekerül a kontextusba, és **a munkamenet végéig vagy a `/clear` használatáig ott marad**. Ugyanez igaz egy nagy fájlon végzett `Read` műveletre is — mind a 10,000 sor ott marad, és minden további üzenetben tokeneket foglal el (lásd a 2. mintát).
Megoldások:
1. **Használj `head`, `tail`, `grep` parancsot ahelyett, hogy mindent beolvasnál.** `bash tail -100 deploy.log` a `Read deploy.log` helyett. Ezzel rögtön 10-100-szorosára csökkentheted a kimenetet.
2. **Használj hookokat az előfeldolgozáshoz.** Helyezz el egy szkriptet a `~/.claude/hooks` mappában, amely megszűri a bash kimenetét, mielőtt Claude látná. Az Anthropic dokumentációjában példaként egy olyan PreToolUse-hook szerepel, amely a teljes tesztkimenet kiírása helyett a `npm test 2>&1 | grep -A 5 -E 'FAIL|ERROR'` parancsot futtatja. Ez 50-100-szorosára tömöríti a kimenetet. Részletek a [„Claude Code Hooks 2026: lépésről lépésre bemutatott beállítás és 7 kész példa”](https://ailoot.ai/blog/hu/claude-code-hooks/) című útmutatóban.
3. **Használd a `/clear` parancsot nagy fájl beolvasása után.** Ha egy adott feladathoz beolvastál egy óriási fájlt, és már nincs rá szükséged, ne hagyd a kontextusban „hátha kell még”; indíts új csevegést.
### 5. minta. Rendszerprompt + rendszerezközök = állandó alapterhelés
Ezen a mintán nem lehet változtatni, mert szinte semmit sem tehetsz ellene. A Claude Code egy rendszerprompttal (~3 200 token) és az összes beépített eszköz — Read, Edit, Write, Bash, Glob, Grep, WebSearch, WebFetch, TodoWrite — leírásával (~16 100 token) indul. Ez összesen **19 300 token állandó alapterhelés**, amelyet nem lehet csökkenteni.
Teendők a gyakorlatban:
- **Vedd számításba.** Tudd, hogy van egy 19K-s alapterhelésed: 200K-s ablak mellett 200K - 19K = 181K marad minden másra (a CLAUDE.md, az MCP és az autocompact-puffer levonása előtt). Az 1M-es ablakban több a hely, de ez az „adó” továbbra is minden kérésnél jelentkezik.
- **Mérd az ismételt feldolgozást.** Az alapterhelés foglalja az ablakot, és későbbi kérésekben újra megjelenhet. Nem munkamenetenként egyszeri tokendíj; költségszámításkor különítsd el a bemeneti, gyorsítótárírási, gyorsítótárolvasási és kimeneti összesítést.
## Hol vesznek el a tokenek a skillek, pluginek és ügynökcsapatok miatt?
Főbb pontok
A hatodik minta a skillek és pluginek többszöri regisztrációja. A Vercel kutatása szerint a skillek 56%-át soha nem hívják meg a munkamenet során, mégis folyamatosan betöltődnek a kontextusba. A hetedik minta az ügynökcsapatoké: amikor több Claude-példányt indítasz Plan Mode-ban, a teljes tokenfogyasztás körülbelül 7-szeresére nő egyetlen munkamenethez képest. Az Anthropic ezt kifejezetten dokumentálta.
### 6. minta. A skillek és a pluginek kétszer is regisztrálódhatnak
Ez a probléma a pluginek megjelenésével jelentkezett a Claude Code-ban (2025 végén). Ha olyan plugint telepítesz, amely skilleket ad hozzá, ezek a skillek bekerülnek a kontextusba. Ha emellett hasonló felhasználói skilleket is telepítettél a `~/.claude/skills/` mappába, azok is betöltődnek. Néha pedig **duplikálódnak**.
A Vercel az AI-vereméről szóló kutatásában közölt egy adatot: a skillek **56%-át soha nem hívják meg** a munkamenet során, a leírásaik azonban folyamatosan betöltődnek a kontextusba. Ha egy leírás 100 token, akkor 100 skill akár 5 600 tokennyi „poggyászt” jelenthet.
Teendők:
1. **A `/context` megmutatja, mi foglal ténylegesen helyet.** Ha a Skills rész 3K fölötti, takarítsd ki.
2. **`ls ~/.claude/skills/`** — ellenőrizd, mely skillek vannak telepítve. Töröld azokat, amelyeket több mint egy hónapja nem használtál.
3. **Használd a `/plugin remove` parancsot** azokhoz a pluginekhez, amelyeket „kipróbálásra” telepítettél, aztán megfeledkeztél róluk.
A skillek megfelelő felépítéséről és a CLAUDE.md-től való különbségükről a [„Claude Code-skillek 2026-ban: személyes skillkönyvtár építése”](https://ailoot.ai/blog/hu/claude-code-skills-library/) című írásban olvashatsz.
### 7. minta. Az ügynökcsapatok hétszer több tokent égetnek el Plan Mode-ban
Az ügynökcsapatok olyan funkciót jelentenek, amellyel a Claude Code több párhuzamos modellpéldányt indít, mindegyik saját kontextussal. [Az Anthropic közvetlenül ezt írja a dokumentációban](https://code.claude.com/docs/en/costs):
Az ügynökcsapatok körülbelül 7-szer több tokent fogyasztanak, mint a szokásos munkamenetek, amikor a csapattagok Plan Mode-ban dolgoznak: mindegyik saját kontextusablakkal rendelkezik, és külön Claude-példányként fut. A csapattagok feladatspecifikus fogyasztásának korlátozásához tartsd a feladatokat kicsiben és önállóan kezelhetően.
— Anthropic-dokumentáció, code.claude.com/docs/en/costs
Ez azt jelenti, hogy öt csapattag Plan Mode-ban öt párhuzamos munkamenetnek felel meg, amelyek mindegyike betölti a saját rendszer-alapterhelését, a CLAUDE.md saját példányát és a saját MCP-eszközeit. A teljes tokenfogyasztás nemlineárisan nő.
Teendők:
1. **Használj Sonnét vagy Haikut a csapattagokhoz.** Opust csak a csapatot koordináló vezetőhöz használj. A tokenár alacsonyabb lehet, de minden csapattagnál a teljes feladatköltséget és minőséget mérd rögzített megtakarítás feltételezése helyett.
2. **Tarts kis csapatot.** Két vagy három csapattaggal dolgozz tíz helyett.
3. **Állítsd le az inaktív csapattagokat.** Ha a feladat már elkészült, de egy csapattag továbbra is fut, a háttérben tovább fogyasztja a tokeneket.
A [Plan Mode-ról](https://ailoot.ai/blog/hu/claude-code-plan-mode/) és arról, mikor hasznos, bővebben a [„Plan Mode a Claude Code-ban: lépésről lépésre bemutatott útmutató és 4 szakasz 2026-ban”](https://ailoot.ai/blog/hu/claude-code-plan-mode/) című írásban olvashatsz.
## Mire számít fel Claude tokeneket, amikor nem figyelsz?
Főbb pontok
A nyolcadik minta az extended thinking. Claude válaszadás előtt „hangosan” gondolkodik, és ezek a gondolkodási tokenek kimenetnek számítanak. Az alapértelmezett keret összetett feladatoknál több tízezer token. A kilencedik minta a háttérben végzett összefoglalás: még akkor is, amikor nem gépelsz, a Claude Code feldolgozza a korábbi munkameneteket a `--resume` számára, és összefoglalókat ment. Munkamenetenként körülbelül \$0.04 fogy el „tétlen” állapotban.
### 8. minta. Az extended thinking a közreműködésed nélkül is tokeneket használ
Az extended thinking olyan mód, amelyben Claude a válasz előtt egy rejtett gondolkodási blokkban „végiggondolja” a megoldást. Számítás szempontjából ezek **kimeneti tokenek**, amelyeket ugyanúgy számolnak el, mint egy szokásos választ, de a csevegésben nem látod őket.
[Az Anthropic ezt írja a dokumentációjában](https://code.claude.com/docs/en/costs):
Az extended thinking alapértelmezés szerint engedélyezve van, mert jelentősen javítja az eredményeket a nehéz tervezési és következtetési feladatoknál. A gondolkodási tokenek kimenetként kerülnek elszámolásra, az alapértelmezett keret pedig modelltől függően kérésenként több tízezer token is lehet.
— Anthropic-dokumentáció, code.claude.com/docs/en/costs
Ez azt jelenti, hogy egyetlen összetett kérés 10-30K gondolkodási tokent is felhasználhat, amelyek „lefaragnak” a keretből, miközben a csevegésben csak egy rövid összefoglalót látsz.
Teendők:
1. **Egyszerű feladatokhoz használd a `/effort low` parancsot.** Ez minimálisra csökkenti a gondolkodási keretet.
2. **Állítsd be a `MAX_THINKING_TOKENS=8000` változót** a környezetben, hogy felső korlátot adj meg.
3. **A `/config` menüben kapcsold ki a thinking funkciót** az igazán rutinszerű feladatoknál, amelyekhez Claude-nak nem kell „gondolkodnia”.
Arról, hogy mikor hasznos a thinking (összetett architektúra, összetett többlépéses következtetés), és mikor nem, a [„Sonnet vagy Opus 4.7 a Claude Code-ban: modellválasztás és /effort 2026-ban”](https://ailoot.ai/blog/hu/claude-code-modell-effort-sonnet-opus/) című írásban olvashatsz.
### 9. minta. Háttérben végzett összefoglalás tétlenség közben
Ez egy nagyon kis, de érdekes minta. A Claude Code egy háttérfolyamatot futtat, amely összefoglalja a korábbi munkameneteket a `claude --resume` parancshoz. A folyamat akkor is fut, amikor nem gépelsz.
[Az Anthropic ezt kifejezetten leírja a témáról szóló dokumentációjában](https://code.claude.com/docs/en/costs):
A Claude Code tétlen állapotban is használ tokeneket háttérfunkciókhoz: a beszélgetések összefoglalásához (háttérfeladatok, amelyek összesűrítik a korábbi munkameneteket a claude --resume számára) és a parancsfeldolgozáshoz. Ezek a háttérfolyamatok kis mennyiségű tokent használnak (munkamenetenként jellemzően kevesebb mint $0.04 értékben), aktív interakció nélkül is.
— Anthropic-dokumentáció, code.claude.com/docs/en/costs
Négy cent munkamenetenként nem katasztrófa. De ha naponta 10 nyitott munkameneted van, már napi \$0.40, havonta pedig \$12 megy el passzívan. Zárd be azokat a munkameneteket, amelyekre éppen nincs szükséged. A munkamenet az indexből a `/resume` paranccsal visszaállítható — nem kell nyitva hagynod.
## A veszteségek mérése: a `/context` parancs és a korlátai
Főbb pontok
A Claude Code `/context` parancsa megmutatja, hová mennek jelenleg a tokenjeid. Van azonban egy ismert hibája: korábban háromszorosára becsülte az MCP-eszközök használatát, mert az eszközönkénti többletköltséget külön-külön minden eszköznél beszámította. Ezt az Anthropic az újabb verziókban kijavította. Ha az MCP értéke a `/context` jelentésben 30K fölött van, először frissítsd a Claude Code-ot, majd mérj újra.
Kezdjük a paranccsal. A Claude Code-ban nyisd meg a `/context` parancsot (vagy a számításhoz a `/usage` parancsot), és ehhez hasonló eredményt kapsz:
```
Context window: 200 000 tokens
System prompt: 3 200 (1.6%)
System tools: 16 100 (8.0%)
MCP tools: 12 600 (6.3%)
CLAUDE.md: 4 800 (2.4%)
Memory files: 3 000 (1.5%)
Conversation: 18 400 (9.2%)
Free space: 141 900 (71.0%)
```
Ez a takarítás utáni szokásos állandó alapterhelés. Remek — az ablak 71%-a szabad.
### Ismert `/context`-hiba: az MCP-adatok háromszoros túlbecslése
A `/context` egy korábbi verziója a tényleges MCP-veszteség körülbelül háromszorosát mutatta, mert az eszközönkénti többletterhelést minden eszköznél külön számolta.
Cameron szerint az Anthropic ezt a jelenlegi verzióban javította; most ugyanarra az XcodeBuildMCP-re 12 600-at jelez. Tehát:
1. **Ha a `/context` 50K+ MCP-eszközhasználatot mutat** — lehet, hogy a Claude Code régi verzióját használod. Frissítsd.
2. **Ha az MCP 8-15K között van** — ez normális, a Tool Search használatával járó valós költség.
3. **Ha az MCP 30-50K között van egy új verzión**, akkor valóban sok nem használt szerver van csatlakoztatva. Nyisd meg a `/mcp` parancsot, és bontsd a kapcsolatot velük.
### Mit érdemes még ellenőrizni a `/context` mellett?
A `/usage` megmutatja a csomaghasználatot az elmúlt 24 órára vagy 7 napra. Pro és Max csomagban bontást ad a skillek, alügynökök, pluginek és egyes MCP-szerverek szerint. Hasznos annak megállapításához, melyik skill fogyasztja a legtöbbet.
A `/cost` az API-felhasználóknak szól. A jelenlegi munkamenet arányosított költségét mutatja dollárban. A Pro/Max-előfizetőknek nem való — nekik nincs rá szükségük.
A `/usage-credits` a Pro/Max csomagban lehetővé teszi havi költési korlát beállítását. Hasznos, ha nem szeretnéd, hogy egy szkripttel indított ügynökcsapat véletlenül kimaxolja a bankkártyád keretét.
## A Claude Code-kontextus kitakarítása 15 perc alatt
Főbb pontok
E nyolc lépéssel csökkentsd az elkerülhető kontextust. A 70%-nyi szabad hely vagy 40–50%-kal kisebb felhasználás lehet célérték, de nem garantált eredmény, és egy kontextuspillanatkép önmagában nem méri a teljes munkamenet felhasználását. A legtöbb lépés 1-2 percet vesz igénybe. A legnagyobb tételek a CLAUDE.md rendbetétele és a nem használt MCP-kapcsolatok bontása, egyenként öt perc alatt. Sorban haladj, egyiket se hagyd ki.
Nyisd meg a projektedet a Claude Code-ban, és haladj végig a lépéseken:
1. **`/context`** — írd le az aktuális bontást. Ez lesz az alapérték.
2. **`/clear`** — ha a csevegésben a jelenlegi feladathoz nem kapcsolódó előzmények gyűltek össze. Induljon tiszta ablakból.
3. **`ls -la ~/.claude/skills/`** — nézd meg, milyen skillek vannak telepítve. Töröld azokat, amelyeket egy hónapja nem használtál. Parancs: `rm -rf ~/.claude/skills/[skill-name]` (vagy töröld a mappát a felületen keresztül).
4. **`/plugin list`** — ugyanezt tedd meg a pluginekkel. A nem használtakat a `/plugin remove ` paranccsal töröld.
5. **`/mcp`** — ellenőrizd a csatlakoztatott MCP-szervereket. Csak azokat tartsd meg, amelyekre az aktuális feladathoz szükség van. A többit a `/mcp disconnect ` paranccsal válaszd le.
6. **Nyisd meg szerkesztőben a CLAUDE.md-t.** Ha a fájl több mint 200 soros, helyezd át a speciális utasításokat a Skills mappába (`~/.claude/skills/[topic]/SKILL.md`). Törekedj egy 100-200 soros magra és 5-15 témakör szerinti skillre. A részletes útmutató a [„A CLAUDE.md beállítása 2026-ban: kész sablon és 6 szabály”](https://ailoot.ai/blog/hu/claude-md-template/) című írásban található.
7. **Ellenőrizd az `/effort` beállítást** — egyszerű feladatokhoz használd a `/effort low` parancsot. Magas gondolkodási keretre csak összetett architektúrához van szükség.
8. **Mérj újra a `/context` paranccsal.** Hasonlítsd össze az 1. lépéssel.
A leírt munkamenetekben a foglalt kontextus rendbetétel után 60–80K-ról 25–30K-ra csökkent. Ez a pillanatkép méretének változása, nem bizonyíték a teljes feldolgozott tokenszám vagy költség rögzített csökkenésére. Megtakarítás állítása előtt ugyanazon feladat teljes futásait hasonlítsd össze a gyorsítótár- és kimeneti használattal együtt.
## Mikor segít jobban a Sonnetre vagy Haikura váltás, mint a kontextus kitakarítása?
Főbb pontok
A kontextus kitakarítása nem mindig a legköltséghatékonyabb lépés. Ha főként rutinfeladatokat végzel (szövegszerkesztés, sablonkészítés, formázás), egy alacsonyabb tokenárú modell csökkentheti a költséget, de a modellváltás nem igazol rögzített tokenhasználat-csökkenést. Az eltérő tokenizálók, gondolkodás, kimenethossz és újrapróbálások megváltoztathatják a tényleges mennyiségeket. Összetett architektúrához, összetett többlépéses következtetéshez és nehéz hibák felderítéséhez továbbra is az Opus kell. A feladat alapján válassz.
[Az Anthropic a dokumentációjában ír a modellekről](https://code.claude.com/docs/en/costs):
A Sonnet a legtöbb kódolási feladatot jól elvégzi, és olcsóbb az Opusnál. Az Opust tartsd fenn az összetett architekturális döntésekhez és az összetett többlépéses következtetéshez. A munkamenet közben a /model paranccsal válthatsz, vagy a /config menüben állíthatod be az alapértelmezett modellt. Egyszerű alügynök-feladatokhoz add meg a konfigurációjukban a model: haiku értéket.
— Anthropic-dokumentáció, code.claude.com/docs/en/costs
A bemeneti tokenek hozzávetőleges árai (2026. május 27-i állapot szerint):
| Modell | Ár / 1M bemeneti token | Mikor használd |
|----|----|----|
| Opus 4.7 | \$15 | Architektúra, összetett többlépéses következtetés, nehéz hibakeresés |
| Sonnet 4.5 | \$3 | A szokásos kódolási feladatok 80%-a: szerkesztés, refaktorálás, tesztek, dokumentáció |
| Haiku 4.5 | \$1 | Formázás, egyszerű elemzés, alügynök-feladatok, rutinszerű szövegszerkesztés |
Az én beállításom:
1. **Alapértelmezésként Sonnet 4.5.** Ezt a `/config → default model` beállítással adom meg. A feladatok 80%-ára megfelel.
2. **Manuálisan futtasd a `/model opus` parancsot**, ha a feladat valóban nehéz (architekturális döntés, egy rejtélyes hiba diagnosztizálása, új termék).
3. **Használd a `/model haiku` parancsot** tesztekhez és formázáshoz. Vagy a subagent konfigurációjában add meg kifejezetten a `model: haiku` értéket.
4. **Az `/effort` beállítást kezeld külön a modelltől.** Használhatsz Opust `/effort low` beállítással is — így gyors válaszokhoz közepes nehézségű feladatokban erős modellt kapsz minimális gondolkodási kerettel.
Mikor éri meg jobban a kontextus takarítása, mint a modellváltás:
- Ha a kontextus több mint 50%-ban megtelt, először takarítsd ki.
- Ha a kontextus rendben van, de a feladat összetett, használj Opust normál effort beállítással.
- Ha a kontextus rendben van, és a feladat rutinszerű, használj Haikut.
A modellek és az effort részletesebb bontásáért lásd a [„Sonnet vagy Opus 4.7 a Claude Code-ban: modellválasztás és /effort 2026-ban”](https://ailoot.ai/blog/hu/claude-code-modell-effort-sonnet-opus/) című írást.
## Mely tippek növelik a használatot ahelyett, hogy csökkentenék?
Főbb pontok
A blogokban gyakran olyan tanácsok szerepelnek, amelyek rövid távon működnek, de hosszabb távon tönkreteszik a munkafolyamatot. A három leggyakoribb: „törölj minden MCP-t”, „felejtsd el a CLAUDE.md-t, és mindent tegyél a promptba”, valamint „mindig Plan Mode-ban dolgozz”. Mindhárom egy problémát old meg, és három újat teremt. Vegyük sorra őket.
### 1. ellenminta. „Törölj minden MCP-t; égetik a tokeneket”
A lustaság a leggyakoribb hiba. Igen, az MCP korábban a kontextus akár 49%-át is elhasználta — de a Tool Search után ez 8-15%-ra csökkent. Ráadásul az MCP valódi eszközöket ad, amelyeket különben neked kellene kézzel megépítened. Ha mindent törölsz, visszatérsz a kézi munkához, amely több időt „emészt fel”, mint amennyi tokent megspórol.
A helyes megközelítés: csak azokat az MCP-szervereket tartsd meg, amelyeket tényleg rendszeresen használsz. Én a Playwrightot (landing oldalak tesztelésére) és a shadcnt (felületek létrehozására) tartom meg. Minden mást egy-egy feladatra kapcsolok be.
### 2. ellenminta. „Ne használd a CLAUDE.md-t; mindent közvetlenül a promptba írj”
„Logikusnak” tűnik: ha a CLAUDE.md minden kérésnél betöltődik, ne töltsük be. A gyakorlatban CLAUDE.md nélkül minden üzenet elején kézzel kell begépelned ugyanazokat az utasításokat, Claude pedig elfelejti a kontextust az üzenetek között. Ez **több tokent** jelent, nem kevesebbet — csak másik csatornán keresztül érkeznek.
A helyes megközelítés: tartsd tömören a CLAUDE.md-t (100-200 sor), a lényeget hagyd benne, a speciális anyagokat pedig helyezd át a Skills mappába. Részletek a [„A CLAUDE.md beállítása 2026-ban”](https://ailoot.ai/blog/hu/claude-md-template/) című írásban.
### 3. ellenminta. „Mindig Plan Mode-ban dolgozz”
A Plan Mode kiváló eszköz az összetett feladatokhoz, amikor először fel kell térképezni a kódbázist és tervet kell javasolni. Ám ügynökcsapatokkal használva **átlagosan 7-szer több tokent fogyaszt** ([Anthropic-dokumentáció](https://code.claude.com/docs/en/costs)). Egy olyan egyszerű feladatnál, mint „javíts ki egy elgépelést a README-ben”, a Plan Mode hétszer több tokent éget el, mint a közvetlen szerkesztés.
A helyes megközelítés: legalább 30 percet igénylő, összetett feladatokhoz használd a Plan Mode-ot. Rövid feladatoknál egyszerűen kérd közvetlenül a módosítást, tervmód nélkül. Az egyes módok használatáról a [„Plan Mode a Claude Code-ban: lépésről lépésre bemutatott útmutató és 4 szakasz 2026-ban”](https://ailoot.ai/blog/hu/claude-code-plan-mode/) című írásban olvashatsz.
### Források
- Anthropic-dokumentáció: [Költségek hatékony kezelése](https://code.claude.com/docs/en/costs) — hivatalos adatok a költségekről, modellekről, MCP-ről, ügynökcsapatokról és gondolkodási keretekről
- Anthropic-dokumentáció: [Modellkonfiguráció – Extended context](https://code.claude.com/docs/en/model-config#extended-context) — az ablakméret modellek és csomagok szerint, automatikus tömörítési küszöbök
- Ailoot-anyagok: a „Second Brain + Context Engineering” módszertan a [Hogyan állítsd be a CLAUDE.md-t](https://ailoot.ai/blog/hu/claude-md-template/), a [Second Brain a Claude Code-ban](https://ailoot.ai/blog/hu/claude-code-second-brain/), a [Context Engineering 2026-ban](https://ailoot.ai/blog/hu/context-engineering/), a [Plan Mode a Claude Code-ban](https://ailoot.ai/blog/hu/claude-code-plan-mode/), a [Skills](https://ailoot.ai/blog/hu/claude-code-skills-library/), az [MCP-szerverek](https://ailoot.ai/blog/hu/mcp-servers-claude-code/), a [Hooks](https://ailoot.ai/blog/hu/claude-code-hooks/), a [Sonnet vagy Opus](https://ailoot.ai/blog/hu/claude-code-modell-effort-sonnet-opus/), valamint a [Hogyan ne égesd el a keretet](https://ailoot.ai/blog/hu/claude-code-token-limits-saving/) című anyagokban.
További anyagokat az [Ailooton](https://ailoot.ai/) találsz.
## Kérdések és válaszok: Hová tűnnek a tokenek a Claude Code-ban: 9 veszteségminta és azok javítása 2026-ban
### Az olcsóbb tokenárú modell szükségképpen kevesebb tokent használ?
Nem. Az alacsonyabb tarifa egy token árát módosítja, a tényleges darabszámot pedig a tokenizáló, gondolkodás, kimenet és újrapróbálások befolyásolják. Token- vagy költségcsökkenés állítása előtt ugyanazon feladat befejezett futásait hasonlítsd össze.
### A /context megmutatja a teljes munkamenetben számlázott mennyiséget?
Nem. Az aktuális kontextusméretet mutatja. A feldolgozáshoz és költséghez külön nézd a bemeneti, gyorsítótárírási, gyorsítótárolvasási és kimeneti összegeket; az ismételt alapszöveg nem egyszeri munkamenetdíj.
## Ailoot · A vállalat és projektportfóliója
Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít.
A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben.
Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.