# Claude Code: 9 źródeł strat tokenów i sposoby ich ograniczania > 73% tokenów przepada, zanim Claude zobaczy polecenie. CLAUDE.md, MCP, historia — gdzie ucieka kontekst w Claude Code i jak naprawić 9 źródeł strat. Source: https://ailoot.ai/blog/pl/where-claude-code-tokens-go/ Canonical: https://ailoot.ai/blog/pl/where-claude-code-tokens-go/ Language: pl Publisher: Ailoot (https://ailoot.ai/) Translation: guide-167 Revision: sha256-b3e08981c4ebff8206a1a91cbea0c6c7335565ef27e6fa4a201821797051b47f
Najważniejsze punkty Duża część tokenów jest zużywana, zanim Claude przeczyta Twoje polecenie: przez rozbudowany plik CLAUDE.md, ponowne odczytywanie wcześniejszej historii rozmowy i nawet do 49% przez serwery MCP. Artykuł omawia dziewięć źródeł narzutu i 15-minutową listę porządków. Oszczędności zależą od sesji: zajęty kontekst, przetworzone tokeny, cache i koszt trzeba mierzyć oddzielnie.
Dwa tygodnie później dokładnie ustaliłem, dokąd trafiły. Poniżej znajdziesz wszystkie 9 źródeł, które pochłaniają tokeny, zanim zaczniesz pisać, oraz sposoby, by temu zaradzić. Dane pochodzą z oficjalnej dokumentacji Anthropic i pomiarów z rzeczywistych sesji.
[Dokumentacja Ailoot](https://ailoot.ai/docs/) — materiały referencyjne dotyczące korzystania z usługi.
## Co oznacza stwierdzenie „73% tokenów przepada, zanim pojawi się polecenie”?
Najważniejsze punkty Duża część tokenów jest zużywana, zanim Claude przeczyta Twoje właściwe polecenie: przez rozbudowany plik CLAUDE.md, ponowne odczytywanie wcześniejszej historii czatu i siedem innych źródeł — od serwerów MCP po podsumowywanie w tle. Nie chodzi tu o limity subskrypcji, lecz o sposób działania kontekstu.
Równoległy wątek Mnimiy’ego (@Mnilax) wymienia 9 źródeł składających się na te 73%. Zestawiłem je w jednej tabeli z konkretnymi danymi z innych źródeł — zgłoszenia GitHub \#13717 ze zrzutem `/context` dla okna 200K, uwagi Camerona Cooke’a o błędzie metodologicznym samego `/context` oraz oficjalnej strony Anthropic poświęconej zarządzaniu kosztami. | Źródło | Udział w stratach | Źródło danych | |----|----|----| | 1\. Rozbudowany plik CLAUDE.md | — | — | | 2\. Ponowne odczytywanie wcześniejszej historii | — | — | | 3\. Serwery MCP | do 49% (historycznie), obecnie 8–15% z Tool Search | pomiary z rzeczywistych sesji | | 4\. Nagromadzone wyniki `tool_use` | 5–15% | pomiary z rzeczywistych sesji | | 5\. Prompt systemowy i narzędzia systemowe | 9,6% (1,6% + 8%) | GitHub \#13717 | | 6\. Zduplikowane umiejętności i wtyczki | 2–5% | Badanie Vercel (wiele umiejętności nigdy nie jest wywoływanych) | | 7\. Zespoły agentów w Plan Mode | do 700% | [Dokumentacja Anthropic](https://code.claude.com/docs/en/costs) | | 8\. Budżet rozszerzonego myślenia | 5–20% | [Dokumentacja Anthropic](https://code.claude.com/docs/en/costs) | | 9\. Podsumowywanie w tle z `--resume` | około \$0.04 na sesję biernego działania | [Dokumentacja Anthropic](https://code.claude.com/docs/en/costs) | Nie będę twierdzić, że liczba „73” jest niepodważalna — zależnie od konfiguracji może to być 60% albo 80%. Ogólny obraz jest jednak prawidłowy, a każde źródło strat można ograniczyć osobno. Poniżej omawiam po trzy. ## Jak Claude buduje kontekst, zanim przeczyta Twoje polecenie?
Najważniejsze punkty Zanim wpiszesz choćby pierwszy znak, Claude załadował już pięć warstw: prompt systemowy, opisy wbudowanych narzędzi, plik CLAUDE.md, nazwy narzędzi i instrukcje z podłączonych serwerów MCP (ich pełne opisy, gdy wyszukiwanie narzędzi jest wyłączone) oraz pamięć (`memory_files`). W oknie 200K może to z łatwością zająć 60–100K, czyli od jednej trzeciej do połowy budżetu. Reszta pozostaje na samą rozmowę i narzędzia takie jak Read/Edit.
W dyskusji pod zgłoszeniem GitHub \#13717 ktoś uruchomił `/context` w sesji z sześcioma serwerami MCP i uzyskał następujący podział: | Warstwa kontekstu | Tokeny | % z 200K | |----|----|----| | Prompt systemowy | 3 200 | 1,6% | | Narzędzia systemowe (Read/Edit/Bash itp.) | 16 100 | 8,0% | | Narzędzia MCP (6 serwerów: google-docs + asana + calendar + slack + atlassian + gmail) | 98 700 | **49,3%** | | Pliki pamięci (`memory_files`, eksporty `Memory tool`) | 3 000 | 1,5% | | Wolne miejsce | 34 000 | 17,0% | | Bufor autokompaktowania | 45 000 | 22,5% | Zwróć uwagę: nawet jeśli niczego jeszcze nie napisałeś, zajęta jest prawie połowa okna. Na wolne miejsce i bufor autokompaktowania pozostaje mniej niż połowa, a ta część musi pomieścić całą rozmowę — wiadomości, odpowiedzi Claude’a, odczytane pliki i wyniki poleceń. Rozmiar okna zależy od modelu. Zgodnie z [dokumentacją modeli Anthropic](https://code.claude.com/docs/en/model-config#extended-context), według stanu na wrzesień 2026 roku modele Opus 4.7 i nowsze, Sonnet 5 oraz Fable mają okno **1M tokenów** w każdym planie, w tym Pro. **200K** pozostaje dla Opus 4.6 i Sonnet 4.6 bez rozszerzonego kontekstu oraz dla sesji, w których 1M jest wyłączone zmienną `CLAUDE_CODE_DISABLE_1M_CONTEXT=1`. Większe okno nie rozwiązuje problemu rozrośniętego kontekstu: wszystko, co załadowano przed pierwszą wiadomością, jest wysyłane do modelu przy każdym żądaniu, a [dokumentacja kosztów](https://code.claude.com/docs/en/costs) wyraźnie stwierdza, że im więcej kontekstu, tym więcej zużytych tokenów. Subskrypcja tego nie zmienia — w każdym planie każdy dodatkowy token wlicza się do limitu. ## Dokąd trafia pierwsza jedna trzecia kontekstu: CLAUDE.md, historia i MCP?
Najważniejsze punkty Trzy główne źródła zajmują 36–76% kontekstu, zanim rozpoczniesz rozmowę. CLAUDE.md wchodzi do kontekstu kolejnych żądań. Historia rośnie między turami, więc późniejsze żądania mogą przetwarzać więcej wejścia; koszt zależy też od odczytów i zapisów cache promptu. Nie istnieje uniwersalne tempo wzrostu wykładniczego. Serwery MCP historycznie pochłaniały nawet 49% okna. Nowa funkcja Tool Search, wprowadzona w grudniu 2025–styczniu 2026 roku, usunęła większość tego obciążenia, ale wiele konfiguracji nadal korzysta ze starego modelu.
### Źródło 1. CLAUDE.md przed każdą wiadomością Plik CLAUDE.md jest ładowany **przed każdą wysłaną przez Ciebie wiadomością**, a nie tylko raz na sesję. CLAUDE.md z 5,000 tokenów zajmuje tyle kontekstu w zawierających go żądaniach, lecz nowe wejście, zapisy i odczyty cache wymagają oddzielnego rozliczenia; powtarzana treść nie musi kosztować pełnej stawki bez cache. [Anthropic pisze wprost w dokumentacji](https://code.claude.com/docs/en/costs):

Staraj się utrzymać CLAUDE.md poniżej 200 wierszy i zawrzeć w nim tylko najważniejsze informacje. Przenieś instrukcje specjalistyczne do umiejętności ładowanych na żądanie.

— Dokumentacja Anthropic, code.claude.com/docs/en/costs
### Źródło 2. Historia rozmowy jest ponownie odczytywana przy każdej odpowiedzi To źródło strat najtrudniej zauważyć z zewnątrz, bo jest niewidoczne. Model otrzymuje zachowany kontekst rozmowy w kolejnych żądaniach. Cache promptu może ponownie użyć stałego prefiksu; kompakcja i czyszczenie mogą zmienić zachowany tekst. Powtarzany kontekst nadal zajmuje okno, nawet gdy ceny cache obniżają jego koszt. Rozwiązaniem jest `/clear` między niezwiązanymi zadaniami. Moja zasada: nowy czat dla każdego nowego zadania. Jeśli zadanie jest długie i potrzebujesz historii, użyj `/compact`, aby streścić wcześniejszy przebieg i kontynuować od krótkiego podsumowania. Więcej o tej zasadzie znajdziesz w poradniku [„Jak nie wyczerpać dziennego limitu Claude Code: 8 zasad oszczędzania tokenów”](https://ailoot.ai/blog/pl/claude-code-token-limits-saving/), zawierającym przykłady z moich sesji. ### Źródło 3. Serwery MCP rejestrują wszystkie swoje narzędzia w kontekście To historyczny problem Claude Code, który powodował największe straty aż do 2026 roku. We wspomnianym zgłoszeniu \#13717 sześć podłączonych serwerów MCP (Google Docs, Asana, Calendar, Slack, Atlassian, Gmail) zajmowało 98 700 tokenów — **49% całego okna** jeszcze przed rozpoczęciem rozmowy. W grudniu 2025–styczniu 2026 roku Anthropic udostępnił funkcję **Tool Search**, która rozwiązuje połowę tego problemu: [W dokumentacji Anthropic](https://code.claude.com/docs/en/costs) opis brzmi teraz tak:

Definicje narzędzi MCP są domyślnie odroczone — w kontekście pojawiają się tylko ich nazwy, dopóki Claude nie wywoła konkretnego narzędzia. Uruchom /context, aby sprawdzić, co zajmuje miejsce. Gdy to możliwe, wybieraj CLI: narzędzia takie jak gh, aws, gcloud i sentry-cli są nadal wydajniejsze niż serwery MCP, ponieważ nie dodają opisów poszczególnych narzędzi.

— Dokumentacja Anthropic, code.claude.com/docs/en/costs
Co robić w praktyce: 1. **Zaktualizuj Claude Code do wersji obsługującej Tool Search** (wszystkie obecne wersje wydane po grudniu 2025 roku). 2. **Otwórz `/mcp`** i wyłącz serwery, których nie potrzebujesz w bieżącej sesji. W opisywanym przykładzie dwa serwery są podłączone cały czas — Playwright i shadcn. Pozostałe włączam na czas jednego zadania, a zaraz po nim uruchamiam `/mcp disconnect`. 3. **Gdzie to możliwe, zastąp MCP interfejsem CLI.** Zamiast serwera MCP dla GitHuba użyj `gh`. Zamiast MCP Kalendarza Google użyj kalendarza w przeglądarce. Wyjaśniłem, czym są serwery MCP i jak rozsądnie je skonfigurować, w poradniku [„Serwery MCP w Claude Code w 2026 roku: 7 gotowych konfiguracji i instalacja krok po kroku”](https://ailoot.ai/blog/pl/mcp-servers-claude-code/). Problem z CLAUDE.md i Skills dotyczy nie tylko rozmiaru, ale również struktury. Jeden plik z instrukcjami (CLAUDE.md) jest rdzeniem. Dodatkowa wiedza o projekcie (odbiorcy, produkty, dokumenty prawne, instrukcje na każdy dzień) znajduje się w folderze `business/` — w mojej metodologii jest to **Second Brain**. Claude odczytuje tylko to, co jest potrzebne w danej chwili, a kompresja kontekstu zachodzi już na tym poziomie. Pełny opis znajdziesz w poradniku [„Second Brain w Claude Code”](https://ailoot.ai/blog/pl/claude-code-second-brain/). Jest jeszcze jeden często pomijany szczegół: uporządkowanie CLAUDE.md, przejście na Skills i wyłączenie MCP to pierwszy krok. Potem wchodzi w grę metodologia **context engineering** — co umieszczać w każdym poleceniu, w jakiej kolejności, co przekazywać przez Plan Mode, a co obsługiwać za pomocą `/compact`. Ten poradnik omawia jeden element. ## Co gromadzi się w sesji i czego nie da się ograniczyć?
Najważniejsze punkty Czwartym źródłem strat są wyniki narzędzi. Każdy odczytany plik, każdy wynik `bash`, każda odpowiedź serwera MCP pozostaje w kontekście sesji. Odczytałeś 10 000 wierszy logów? Zostaną z Tobą aż do `/clear`. Piąte źródło to stała warstwa systemowa: 19K tokenów na prompt systemowy i opisy wbudowanych narzędzi. Nie można ich ograniczyć, ale warto o nich wiedzieć, by móc wykonać obliczenia.
### Źródło 4. Wyniki narzędzi gromadzą się przez całą sesję Mało kto o tym wspomina: gdy Claude uruchamia `bash cat huge-file.log`, **cały wynik polecenia trafia do kontekstu i pozostaje w nim do końca sesji lub do `/clear`**. To samo dotyczy użycia `Read` do odczytu dużego pliku — wszystkie 10 000 wierszy pozostaje w kontekście i zajmuje tokeny w każdej kolejnej wiadomości (zob. Źródło 2). Rozwiązania: 1. **Używaj `head`, `tail`, `grep` zamiast odczytywać wszystko.** Uruchom `bash tail -100 deploy.log` zamiast `Read deploy.log`. Natychmiast zmniejsza to ilość wyników 10–100 razy. 2. **Hooki do wstępnego przetwarzania.** Umieść skrypt w `~/.claude/hooks`, aby filtrował wyniki bash, zanim Claude je zobaczy. Przykładem z dokumentacji Anthropic jest hook PreToolUse, który uruchamia `npm test 2>&1 | grep -A 5 -E 'FAIL|ERROR'` zamiast wypisywać pełny wynik testu. Zmniejsza to go 50–100 razy. Szczegóły znajdziesz w poradniku [„Hooki Claude Code w 2026 roku: konfiguracja krok po kroku i 7 gotowych przykładów”](https://ailoot.ai/blog/pl/claude-code-hooks/). 3. **Użyj `/clear` po dużym odczycie.** Jeśli odczytałeś ogromny plik na potrzeby jednego konkretnego zadania i już go nie potrzebujesz, nie zostawiaj go w kontekście „na wszelki wypadek” — rozpocznij nowy czat. ### Źródło 5. Prompt systemowy i narzędzia systemowe tworzą stałe obciążenie Tego źródła nie da się zmienić, bo prawie nic nie można z nim zrobić. Claude Code rozpoczyna pracę z promptem systemowym (około 3 200 tokenów) i opisami wszystkich wbudowanych narzędzi — Read, Edit, Write, Bash, Glob, Grep, WebSearch, WebFetch, TodoWrite (około 16 100 tokenów). Łącznie daje to **stałe obciążenie** w wysokości 19 300 tokenów, którego nie można zmniejszyć. Co robić w praktyce: - **Miej to na uwadze.** Pamiętaj o stałym „podatku” 19K tokenów: przy oknie 200K pozostaje 200K - 19K = 181K na wszystko inne (z wyjątkiem CLAUDE.md, MCP i bufora autokompaktowania). Okno 1M daje więcej przestrzeni, ale „podatek” jest uwzględniany przy każdym żądaniu. - **Mierz powtarzane przetwarzanie.** Podstawa zajmuje okno i może powracać w kolejnych żądaniach. Nie jest jednorazową opłatą tokenową za sesję; przy liczeniu kosztu oddziel całe wejście, zapisy cache, odczyty cache i wyjście. ## Gdzie uciekają tokeny przez Skills, wtyczki i zespoły agentów?
Najważniejsze punkty Szóstym źródłem strat jest podwójna rejestracja umiejętności i wtyczek. Z badania Vercel wynika, że 56% umiejętności nigdy nie jest wywoływanych w trakcie sesji, ale ich opisy są stale ładowane do kontekstu. Siódme źródło to zespoły agentów: uruchomienie kilku instancji Claude’a w Plan Mode zwiększa łączne zużycie tokenów około 7 razy w porównaniu z pojedynczą sesją. Anthropic opisał to wprost w dokumentacji.
### Źródło 6. Skills i wtyczki mogą być zarejestrowane dwukrotnie Ten problem pojawił się wraz z wprowadzeniem wtyczek w Claude Code (pod koniec 2025 roku). Po zainstalowaniu wtyczki dodającej Skills te umiejętności trafiają do kontekstu. Jeśli masz też zainstalowane podobne umiejętności użytkownika w `~/.claude/skills/`, one również się ładują. Czasami dochodzi do **duplikacji**. Vercel podał dane w badaniu swojego stosu AI: **56% umiejętności nigdy nie jest wywoływanych** w trakcie sesji, ale ich opisy są stale ładowane do kontekstu. Przy 100 tokenach na opis, 100 umiejętności to nawet 5 600 tokenów „bagażu”. Co zrobić: 1. **Polecenie `/context` pokaże, co faktycznie zajmuje miejsce.** Jeśli sekcja Skills przekracza 3K, uporządkuj ją. 2. **`ls ~/.claude/skills/`** — sprawdź, jakie umiejętności masz zainstalowane. Usuń te, których nie używałeś od ponad miesiąca. 3. **Użyj `/plugin remove`** dla wtyczek zainstalowanych „na próbę”, o których zapomniałeś. Prawidłową strukturę Skills i różnice między nimi a CLAUDE.md opisuję w poradniku [„Skills w Claude Code w 2026 roku: jak zbudować własną bibliotekę umiejętności”](https://ailoot.ai/blog/pl/claude-code-skills-library/). ### Źródło 7. Zespoły agentów zużywają 7 razy więcej tokenów w Plan Mode Zespoły agentów to funkcja, dzięki której Claude Code uruchamia kilka równoległych instancji modelu, z których każda ma własny kontekst. [Anthropic pisze wprost w dokumentacji](https://code.claude.com/docs/en/costs):

Zespoły agentów zużywają około 7 razy więcej tokenów niż zwykłe sesje, gdy członkowie zespołu pracują w Plan Mode: każdy ma własne okno kontekstu i działa jako oddzielna instancja Claude’a. Ogranicz zużycie na członka zespołu, przydzielając mu małe, samodzielne zadania.

— Dokumentacja Anthropic, code.claude.com/docs/en/costs
To oznacza, że pięciu członków zespołu w Plan Mode to pięć równoległych sesji, z których każda ładuje własną stałą warstwę systemową, własną kopię CLAUDE.md i własne narzędzia MCP. Łączne zużycie tokenów rośnie nieliniowo. Co zrobić: 1. **Używaj Sonnet lub Haiku dla członków zespołu.** Zostaw Opus dla lidera zespołu, który koordynuje pracę. Stawka tokenowa może być niższa, ale zmierz pełny koszt zadania i jakość każdego członka zespołu zamiast zakładać stałą oszczędność. 2. **Małe zespoły.** Zamiast dziesięciu członków wybierz dwóch lub trzech. 3. **Zatrzymuj nieaktywnych członków zespołu.** Jeśli zadanie jest zakończone, ale członek zespołu nadal działa, w tle wciąż zużywa tokeny. Więcej o [Plan Mode](https://ailoot.ai/blog/pl/claude-code-plan-mode/) i sytuacjach, w których jest przydatny, znajdziesz w poradniku [„Plan Mode w Claude Code: przewodnik krok po kroku i 4 etapy w 2026 roku”](https://ailoot.ai/blog/pl/claude-code-plan-mode/). ## Za co Claude nalicza tokeny, gdy nie patrzysz?
Najważniejsze punkty Ósmym źródłem strat jest rozszerzone myślenie. Claude „myśli na głos” przed odpowiedzią, a tokeny przeznaczone na myślenie liczą się jako tokeny wyjściowe. Domyślny budżet dla złożonych zadań wynosi dziesiątki tysięcy tokenów. Dziewiąte źródło to podsumowywanie w tle: nawet gdy nic nie piszesz, Claude Code przetwarza wcześniejsze sesje na potrzeby `--resume` i zapisuje podsumowania. Około \$0.04 na sesję zużywa się „w stanie bezczynności”.
### Źródło 8. Rozszerzone myślenie zużywa tokeny bez Twojego udziału Rozszerzone myślenie to tryb, w którym Claude „rozważa” rozwiązanie w ukrytym bloku myślenia, zanim udzieli odpowiedzi. W rozliczeniu są to **tokeny wyjściowe**, naliczane tak samo jak zwykła odpowiedź, ale nie widzisz ich na czacie. [Anthropic pisze w dokumentacji](https://code.claude.com/docs/en/costs):

Rozszerzone myślenie jest domyślnie włączone, ponieważ znacznie poprawia wyniki w przypadku trudnych zadań planowania i rozumowania. Tokeny myślenia są rozliczane jako tokeny wyjściowe, a domyślny budżet może wynosić dziesiątki tysięcy tokenów na żądanie, zależnie od modelu.

— Dokumentacja Anthropic, code.claude.com/docs/en/costs
Pojedyncze złożone żądanie może więc zużyć 10–30K tokenów na myślenie, które „pomniejszają” budżet, chociaż na czacie widzisz tylko krótkie podsumowanie. Co zrobić: 1. **Użyj `/effort low`** przy prostych zadaniach. Zmniejsza budżet myślenia do minimum. 2. **Ustaw `MAX_THINKING_TOKENS=8000`** w środowisku, aby określić górny limit. 3. **W `/config` wyłącz myślenie** przy bardzo rutynowych zadaniach, do których Claude nie musi „myśleć”. W poradniku [„Sonnet czy Opus 4.7 w Claude Code: wybór modelu i /effort w 2026 roku”](https://ailoot.ai/blog/pl/claude-code-model-effort-sonnet-opus/) opisuję, kiedy myślenie jest przydatne (złożona architektura, złożone rozumowanie wieloetapowe), a kiedy nie. ### Źródło 9. Podsumowywanie w tle podczas bezczynności To bardzo małe, ale interesujące źródło strat. Claude Code uruchamia proces w tle, który podsumowuje wcześniejsze sesje na potrzeby polecenia `claude --resume`. Proces działa nawet wtedy, gdy nic nie piszesz. [Anthropic wyraźnie informuje o tym w dokumentacji](https://code.claude.com/docs/en/costs):

Claude Code zużywa tokeny na funkcje działające w tle, nawet w stanie bezczynności: podsumowywanie rozmów (zadania w tle, które kondensują wcześniejsze sesje na potrzeby claude --resume) i przetwarzanie poleceń. Te procesy zużywają niewielką liczbę tokenów (zwykle mniej niż $0.04 na sesję), nawet bez aktywnej interakcji.

— Dokumentacja Anthropic, code.claude.com/docs/en/costs
Cztery centy na sesję to nic strasznego. Jeśli jednak masz dziesięć otwartych sesji dziennie, bierne zużycie wynosi już \$0.40 dziennie, czyli \$12 miesięcznie. Zamykaj sesje, których teraz nie potrzebujesz. Sesję można przywrócić z indeksu poleceniem `/resume` — nie musisz trzymać jej otwartej. ## Jak zmierzyć straty: polecenie `/context` i jego ograniczenia
Najważniejsze punkty Polecenie `/context` w Claude Code pokazuje, na co są zużywane tokeny w danej chwili. Ma jednak znany błąd: historycznie zawyżało udział narzędzi MCP trzykrotnie, ponieważ narzut każdego narzędzia doliczało osobno. Anthropic naprawił ten błąd w nowszych wersjach. Jeśli w raporcie `/context` MCP przekracza 30K, najpierw zaktualizuj Claude Code, a dopiero potem wykonaj pomiar.
Zacznijmy od polecenia. W Claude Code uruchom `/context` (albo `/usage`, aby zobaczyć rozliczenie), a otrzymasz coś w tym rodzaju: ``` 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%) ``` To normalny stały poziom bazowy po pierwszym porządkowaniu. Świetnie — 71% okna pozostaje wolne. ### Znany błąd `/context`: trzykrotne zawyżenie wartości dla MCP Do niedawnej aktualizacji `/context` pokazywało około trzykrotnie większe straty związane z MCP, ponieważ narzut każdego narzędzia był liczony osobno dla każdego narzędzia. Cameron twierdzi, że Anthropic naprawił to w obecnej wersji, która dla tego samego XcodeBuildMCP pokazuje teraz 12 600. Wnioski: 1. **Jeśli `/context` pokazuje ponad 50K tokenów dla narzędzi MCP** — możesz używać starej wersji Claude Code. Zaktualizuj ją. 2. **Jeśli MCP zajmuje 8–15K** — to norma, rzeczywisty koszt z Tool Search. 3. **Jeśli MCP zajmuje 30–50K w nowej wersji**, masz naprawdę wiele nieużywanych podłączonych serwerów. Otwórz `/mcp` i rozłącz je. ### Co jeszcze sprawdzić oprócz `/context`? `/usage` — pokazuje wykorzystanie planu z ostatnich 24 godzin lub 7 dni. W planach Pro i Max przedstawia zestawienie według Skills, subagentów, wtyczek i poszczególnych serwerów MCP. Przydatne do ustalenia, która umiejętność zużywa najwięcej. `/cost` — dla użytkowników API. Pokazuje proporcjonalny koszt bieżącej sesji w dolarach. Nie jest przeznaczone dla subskrybentów Pro/Max — nie potrzebują tego polecenia. `/usage-credits` — w planach Pro/Max pozwala ustawić miesięczny limit wydatków. Przydatne, jeśli nie chcesz, by skryptowy zespół agentów przypadkowo wyczyścił limit na karcie kredytowej. ## Jak uporządkować kontekst Claude Code w 15 minut?
Najważniejsze punkty Użyj ośmiu kroków, aby ograniczyć zbędny kontekst. Cel taki jak 70% wolnego miejsca lub 40–50% niższe zużycie nie jest gwarantowany, a sam zapis kontekstu nie mierzy zużycia całej sesji. Większość czynności zajmuje 1–2 minuty. Najwięcej czasu pochłaniają porządkowanie CLAUDE.md i odłączanie nieużywanych serwerów MCP — po pięć minut każde. Wykonuj je po kolei, niczego nie pomijaj.
Otwórz projekt w Claude Code i wykonaj kolejno następujące czynności: 1. **`/context`** — zapisz obecny podział. To Twój punkt odniesienia. 2. **`/clear`** — jeśli na czacie zgromadziła się historia niezwiązana z bieżącym zadaniem. Zacznij od czystego okna. 3. **`ls -la ~/.claude/skills/`** — sprawdź zainstalowane umiejętności. Usuń te, których nie używałeś od miesiąca. Polecenie: `rm -rf ~/.claude/skills/[skill-name]` (albo usuń folder przez interfejs). 4. **`/plugin list`** — zrób to samo dla wtyczek. Usuń nieużywane za pomocą `/plugin remove `. 5. **`/mcp`** — sprawdź podłączone serwery MCP. Zostaw tylko te potrzebne do bieżącego zadania. Rozłącz pozostałe poleceniem `/mcp disconnect `. 6. **Otwórz CLAUDE.md w edytorze.** Jeśli plik ma ponad 200 wierszy, przenieś instrukcje specjalistyczne do Skills (`~/.claude/skills/[topic]/SKILL.md`). Staraj się utrzymać rdzeń na poziomie 100–200 wierszy oraz 5–15 tematycznych Skills. Szczegółowy poradnik znajdziesz w [„Jak skonfigurować CLAUDE.md w 2026 roku: gotowy szablon i 6 zasad”](https://ailoot.ai/blog/pl/claude-md-template/). 7. **Sprawdź `/effort`** — do prostych zadań używaj `/effort low`. Wysoki budżet myślenia jest potrzebny tylko przy złożonej architekturze. 8. **Końcowy pomiar `/context`.** Porównaj go z wynikiem z kroku 1. W opisanych sesjach zajęty kontekst spadł po porządkach z 60–80K do 25–30K. To zmiana rozmiaru bieżącego kontekstu, nie dowód stałego spadku wszystkich przetworzonych tokenów lub kosztu. Przed deklaracją oszczędności porównaj pełne wykonania tego samego zadania, uwzględniając cache i wyjście. ## Kiedy zmiana modelu na Sonnet lub Haiku pomaga bardziej niż porządkowanie kontekstu?
Najważniejsze punkty Porządkowanie kontekstu nie zawsze jest najskuteczniejszym kosztowo działaniem. Jeśli Twoje zadania są głównie rutynowe (edycja tekstu, tworzenie szablonów, formatowanie), model z niższą stawką tokenową może obniżyć koszt, ale zmiana modelu nie ustala stałego spadku zużycia tokenów. Różne tokenizery, rozumowanie, długości odpowiedzi i ponowienia mogą zmieniać faktyczne liczby. Do złożonej architektury, złożonego rozumowania wieloetapowego i debugowania trudnych błędów nadal potrzebny jest Opus. Wybieraj model odpowiednio do zadania.
[Anthropic pisze o modelach w dokumentacji](https://code.claude.com/docs/en/costs):

Sonnet dobrze radzi sobie z większością zadań programistycznych i kosztuje mniej niż Opus. Opus zostaw do złożonych decyzji architektonicznych i złożonego rozumowania wieloetapowego. Polecenia /model użyj, aby zmienić model w trakcie sesji, albo ustaw domyślny w /config. W przypadku prostych zadań subagentów określ model: haiku w ich konfiguracji.

— Dokumentacja Anthropic, code.claude.com/docs/en/costs
Przybliżone ceny tokenów wejściowych (według stanu na 27 maja 2026 roku): | Model | Cena / 1M tokenów wejściowych | Zastosowanie | |----|----|----| | Opus 4.7 | \$15 | Architektura, złożone rozumowanie wieloetapowe, trudne debugowanie | | Sonnet 4.5 | \$3 | 80% typowych zadań programistycznych: edycje, refaktoryzacja, testy, dokumentacja | | Haiku 4.5 | \$1 | Formatowanie, proste parsowanie, zadania subagentów, rutynowa edycja tekstu | Moja konfiguracja: 1. **Domyślnie — Sonnet 4.5.** To ustawienie w `/config → default model`. Sprawdza się w 80% zadań. 2. **Ręcznie uruchamiam `/model opus`**, gdy zadanie jest naprawdę trudne (wybór architektury, diagnoza zagadkowego błędu, nowy produkt). 3. **Używam `/model haiku`** do testów i formatowania. Możesz też jawnie ustawić `model: haiku` w konfiguracji subagenta. 4. **Ustawienie `/effort` jest niezależne od modelu.** Możesz używać Opus z `/effort low` — otrzymujesz potężny model z minimalnym budżetem myślenia, który szybko odpowie na zadania średniej trudności. Kiedy porządkowanie kontekstu jest bardziej opłacalne niż zmiana modelu: - Kontekst jest zapełniony w ponad 50% — najpierw go uporządkuj. - Kontekst jest w porządku, ale zadania są złożone — użyj Opus ze zwykłym poziomem wysiłku. - Kontekst jest w porządku, a zadania są rutynowe — użyj Haiku. Szczegółowe omówienie modeli i poziomu wysiłku znajdziesz w poradniku [„Sonnet czy Opus 4.7 w Claude Code: wybór modelu i /effort w 2026 roku”](https://ailoot.ai/blog/pl/claude-code-model-effort-sonnet-opus/). ## Które porady zwiększają zużycie zamiast je zmniejszać?
Najważniejsze punkty Blogi często zawierają rady, które na krótko pomagają, ale z czasem utrudniają pracę. Trzy najważniejsze to: „usuń wszystkie MCP”, „zapomnij o CLAUDE.md i wszystko umieszczaj w poleceniu” oraz „zawsze pracuj w Plan Mode”. Każda z tych rad rozwiązuje jeden problem i tworzy trzy nowe. Przyjrzyjmy się im.
### Antywzorzec 1. „Usuń wszystkie MCP, bo zużywają tokeny” Pójście na łatwiznę to najczęstszy błąd. Tak, historycznie MCP pochłaniało nawet 49% kontekstu, ale po wprowadzeniu Tool Search udział ten spadł do 8–15%. MCP zapewnia też rzeczywiste narzędzia, które w przeciwnym razie trzeba byłoby budować ręcznie. Usunięcie wszystkich MCP oznacza powrót do pracy ręcznej, która „pochłonie” więcej czasu, niż zaoszczędzą tokeny. Właściwe podejście: zostaw tylko serwery MCP, których faktycznie regularnie używasz. Ja zostawiam Playwright (do testowania stron docelowych) i shadcn (do generowania interfejsów). Pozostałe włączam tylko na czas konkretnego zadania. ### Antywzorzec 2. „Nie używaj CLAUDE.md, wszystko wpisuj bezpośrednio w poleceniu” Brzmi to „logicznie”: skoro CLAUDE.md ładuje się przy każdym żądaniu, zrezygnujmy z jego ładowania. W praktyce bez CLAUDE.md zaczynasz każdą wiadomość od ręcznego wpisywania tych samych instrukcji, a Claude zapomina kontekst między wiadomościami. Oznacza to **więcej tokenów**, a nie mniej — po prostu przesyłanych innym kanałem. Właściwe podejście: zachowaj zwięzły plik CLAUDE.md (100–200 wierszy), zawierający podstawowe informacje, a materiały specjalistyczne umieść w Skills. Szczegóły znajdziesz w poradniku [„Jak skonfigurować CLAUDE.md w 2026 roku”](https://ailoot.ai/blog/pl/claude-md-template/). ### Antywzorzec 3. „Zawsze pracuj w Plan Mode” Plan Mode to doskonałe narzędzie do złożonych zadań, w których trzeba najpierw zbadać bazę kodu i zaproponować plan. Jednak podczas pracy z zespołami agentów zużywa **średnio 7 razy więcej tokenów** ([dokumentacja Anthropic](https://code.claude.com/docs/en/costs)). Przy prostym zadaniu, takim jak „popraw literówkę w README”, Plan Mode zużywa siedem razy więcej tokenów niż bezpośrednia edycja. Właściwe podejście: używaj Plan Mode przy złożonych zadaniach trwających co najmniej 30 minut. W przypadku krótkich zadań wydaj bezpośrednie polecenie bez planowania. Zastosowanie poszczególnych trybów opisuję w poradniku [„Plan Mode w Claude Code: przewodnik krok po kroku i 4 etapy w 2026 roku”](https://ailoot.ai/blog/pl/claude-code-plan-mode/).
### Źródła - Dokumentacja Anthropic: [Efektywne zarządzanie kosztami](https://code.claude.com/docs/en/costs) — oficjalne dane dotyczące kosztów, modeli, MCP, zespołów agentów i budżetów myślenia - Dokumentacja Anthropic: [Konfiguracja modelu — rozszerzony kontekst](https://code.claude.com/docs/en/model-config#extended-context) — rozmiar okna w zależności od modelu i planu, progi automatycznej kompresji - Materiały Ailoot: metodologia „Second Brain + Context Engineering” w poradnikach [Jak skonfigurować CLAUDE.md](https://ailoot.ai/blog/pl/claude-md-template/), [Second Brain w Claude Code](https://ailoot.ai/blog/pl/claude-code-second-brain/), [Context Engineering w 2026 roku](https://ailoot.ai/blog/pl/context-engineering/), [Plan Mode w Claude Code](https://ailoot.ai/blog/pl/claude-code-plan-mode/), [Skills](https://ailoot.ai/blog/pl/claude-code-skills-library/), [Serwery MCP](https://ailoot.ai/blog/pl/mcp-servers-claude-code/), [Hooki](https://ailoot.ai/blog/pl/claude-code-hooks/), [Sonnet czy Opus](https://ailoot.ai/blog/pl/claude-code-model-effort-sonnet-opus/), [Jak nie wyczerpać limitów](https://ailoot.ai/blog/pl/claude-code-token-limits-saving/).
Więcej materiałów znajdziesz na [Ailoot](https://ailoot.ai/). ## Pytania i odpowiedzi ### Czy tańszy model na token musi zużywać mniej tokenów? Nie. Niższa stawka zmienia cenę tokena, a rzeczywista liczba zależy od tokenizera, rozumowania, wyjścia i ponowień. Porównaj pełne wykonania tego samego zadania przed deklarowaniem spadku tokenów lub kosztu. ### Czy /context pokazuje rachunek za całą sesję? Nie. Pokazuje aktualny rozmiar kontekstu. Aby ocenić przetwarzanie i koszt, sprawdź oddzielnie całe wejście, zapis cache, odczyt cache i wyjście; powtarzana podstawa nie jest po prostu jednorazową opłatą za sesję. ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.