Medir a fatura invisível do contexto

Cada conversa com o agente começa pagando pelo catálogo inteiro de ferramentas conectadas, usadas ou não. Essa linha aparece na fatura do modelo e nunca no painel do produto. Com cinco servidores comuns, a conta pode passar de US$ 20 mil por mês numa empresa de 340 usuários antes de alguém perguntar de onde veio o crescimento.

A CFO de uma rede de distribuição de material de construção ligou o agente ao ERP, ao CRM e ao e-commerce próprio. O argumento ninguém contestou: se o assistente vai ajudar o comercial, que enxergue tudo. Quatro meses depois a fatura triplicou sem nenhum time novo, e o gerente comercial passou a reclamar que o agente ficou lento e erra o pedido certo.

Os dois sintomas da rede têm a mesma causa, e ela não é o volume de perguntas. Cada servidor conectado despeja a definição completa das suas ferramentas na janela de contexto, a mesa de trabalho onde o modelo lê tudo antes de responder. Essa carga entra antes da primeira letra do usuário e é cobrada em todo turno, para todo funcionário, todo dia.

O modelo cobra por token, a unidade de texto da fatura, parecida com a sílaba cobrada num telegrama. O capítulo "Calcular o que a infraestrutura obriga a manter ligado" tratou dos servidores de pé. Aqui a conta é outra: ela não passa por servidor nenhum e por isso escapa da conversa de infraestrutura.

Transformar essa carga em dinheiro exige o preço do modelo contratado, e setembro de 2026 mexeu na tabela. A Anthropic lançou o Claude Opus 5.5 em 22/09/2026 a US$ 4 por milhão de tokens de entrada e US$ 20 de saída. No mesmo dia a OpenAI lançou o GPT-6 Sol a US$ 2 e US$ 10, preço igual ao do Claude Sonnet 5.

O Google cobra US$ 0,75 e US$ 3,75 pelo Gemini 3.8 Flash, preço promocional que dobra em 01/01/2027. A xAI lançou o Grok 4.7 em 21/09/2026 a US$ 2 e US$ 6. Multiplicar os 55 mil tokens de catálogo pelo preço de entrada dá o pedágio de cada turno, antes de qualquer resposta útil.

Qualidade entra na conta antes do dinheiro, e é ela que reorganiza o debate interno. A engenharia da Anthropic passou a carregar as definições sob demanda, em vez de despejar tudo na abertura. O uso de tokens caiu 85% e a acurácia subiu nas avaliações publicadas.

Um modelo passou de 49% para 74% de acerto. Outro, já melhor, foi de 79,5% para 88,1%. Declarar ferramenta demais piora o resultado e custa mais. O time que pede para conectar mais servidores por precaução está propondo uma degradação medida, e quem aprova pode dizer isso com o número na mão.

Existe uma segunda resposta de arquitetura, mais agressiva, com o preço declarado no mesmo texto que a propõe. Em vez de receber definições, o agente recebe um ponteiro para um diretório de servidores e descobre as ferramentas escrevendo código. Um fluxo de exemplo caiu de 150.000 para 2.000 tokens, economia de 98,7%.

A frase seguinte da mesma publicação precisa entrar no pedido de aprovação: o padrão exige ambiente de execução isolado, limites de recurso e monitoramento, com sobrecarga operacional e riscos de segurança que a chamada direta evita. Quando o time trouxer o número que impressiona, exija os dois lados na mesma folha: a economia na fatura e o gasto novo em infraestrutura, pessoas e segurança.

Falta a peça que transforma uma mudança de configuração em pico de fatura. O cache de prompt (memória curta que evita pagar de novo pelo mesmo começo de conversa) guarda os prefixos numa ordem fixa: ferramentas, instruções de sistema e mensagens. Mudança num nível invalida aquele nível e todos os seguintes.

Como a lista de ferramentas é o primeiro nível, incluir ou remover um servidor derruba o cache de todos os usuários daquela configuração. Uma alteração aprovada às dez da manhã de uma terça reescreve o cache da base inteira ao longo do dia, com escrita cobrada acima do preço de entrada. Mudança de catálogo pede janela de manutenção e aviso à área de custos.

A revisão 2026-07-28 do protocolo, publicada em 28/07/2026 e vigente desde então, levou o assunto para a especificação. Ela pede que o servidor devolva tools/list (o pedido que lista as ferramentas) em ordem determinística, sempre a mesma sequência. Ordem instável muda o primeiro prefixo a cada conversa e quebra o cache de todos os clientes conectados.

Essa revisão também tornou obrigatórios os campos ttlMs (validade da lista, em milissegundos) e cacheScope (se a lista pode ser guardada por intermediários). Na prática de compras, isso vira linha objetiva de homologação: servidor que embaralha a lista entre chamadas infla a fatura de quem o consome e deve ser reprovado, sem discussão sobre intenção.

Catálogo grande também cobra na segurança. Um levantamento da Microsoft Research sobre 1.470 servidores e 12.643 ferramentas achou 775 nomes duplicados entre servidores diferentes. O nome mais comum aparecia em 32 deles, e o desempenho de alguns modelos caiu até 85%.

Duas consequências decorrem disso. Sem prefixo por servidor na camada que junta os catálogos, o agente perde o critério para separar dois fornecedores com o mesmo nome de ferramenta. E um servidor malicioso pode se passar por legítimo apenas escolhendo o nome certo. Prefixo por servidor é requisito mínimo de gateway (a portaria que junta e filtra os servidores), e vendê-lo como diferencial é vender o básico como extra.

Peça ao líder de plataforma, ainda nesta semana, a medição de tokens de catálogo por turno segmentada por servidor, refeita no modelo que a empresa usa hoje. Em 30 dias, cada área precisa ter teto mensal aprovado e alarme a 80% testado. Confira no fechamento do mês seguinte: nenhuma área pode ter passado do teto sem alerta prévio.