Si quieres reducir el uso de tokens de Claude Code, el prompt rara vez es el mejor sitio por donde empezar. El peso real es el contexto base que se añade a cada petición antes de que escribas una sola palabra. En conversaciones largas determina tanto el coste como la rapidez con que llegas a los límites de uso. Este artículo explica de dónde sale ese contexto base, cómo lo medimos y qué ajustes lo reducen hasta un 61 %.
¿A dónde van los tokens?
Cuando escribes a un agente de programación, el modelo ve más que lo que tú escribiste. La petición también contiene:
- El system prompt
- Las definiciones de herramientas (Bash, Read, Edit, Write, Glob, Grep y otras)
- Los plugins, hooks y skills de usuario
- Las definiciones de herramientas de los servidores MCP conectados
- Los archivos de instrucciones del proyecto (CLAUDE.md, AGENTS.md; consulta cómo mantenerlos cortos)
- La conversación hasta ese momento
Los cinco primeros se releen en cada turno, y el último crece a medida que avanzas. Un contexto base pequeño se acumula rápido en una sesión de cien turnos.
Medido: ¿cuánto contexto hay en la primera petición?
Medimos el contexto enviado al modelo en la primera petición de una sesión nueva con Claude Code 2.1 y Codex 0.155:
| Perfil | Claude Code | Codex |
|---|---|---|
| Standard | ≈34,4k | ≈13,3k |
| Balanced | ≈23,7k (−31 %) | — |
| Lean | ≈13,3k (−61 %) | ≈9,7k (−27 %) |
El perfil balanced limita el conjunto de herramientas a Bash, Read, Edit, Write, Glob y Grep. El perfil lean además omite los plugins, hooks, skills y servidores MCP externos de usuario. En Codex, el perfil lean desactiva las apps y la búsqueda web.
Ajustes que no ayudaron
Al medir, comprobamos que algunos flags no reducían por sí solos la primera petición:
--strict-mcp-config--exclude-dynamic-system-prompt-sections--disable-slash-commands
Claude Code ya carga esas partes solo cuando hacen falta. El ahorro real viene de acotar el conjunto de herramientas y de no cargar plugins, hooks ni skills de usuario.
Dejamos fuera a propósito dos opciones: --safe-mode también desactiva el CLAUDE.md del proyecto, y --bare solo funciona con una API key. Ambas son demasiado restrictivas para el uso diario.
Cómo reducir el uso de tokens de Claude Code, paso a paso
1. Da a la tarea solo las herramientas que necesita
Un agente que actualiza documentación o refactoriza un archivo no necesita un navegador, herramientas de imagen ni una docena de servidores MCP. Empieza estos trabajos con el perfil balanced o lean.
2. Conecta los servidores MCP de forma selectiva
Cada servidor MCP añade sus definiciones de herramientas al contexto. Da un servidor solo a los agentes que lo vayan a usar, no a todos. El gestor de MCP de AgentVera muestra el coste aproximado en tokens de cada herramienta cuando pruebas una conexión, así que detectas un servidor pesado antes de que engorde cada turno.
3. Vigila el tamaño del contexto
No puedes ahorrar lo que no ves. AgentVera muestra en el panel el tamaño del contexto en vivo de cada agente, así que miras un número en lugar de adivinar cuándo una conversación se ha encarecido.
4. Compacta las conversaciones largas
/compact resume la conversación hasta ese momento y reduce todos los turnos posteriores. Ejecútalo a mano, o fija un umbral en AgentVera para compactar automáticamente cuando el contexto lo supere.
5. Limita lo que pasa de un agente a otro
Cuando un flujo pasa la salida de un agente a otro, no tiene por qué enviarla entera. El nodo Transform de los flujos puede truncar una respuesta, conservar las primeras o las últimas N líneas, o quedarse solo con el último bloque de código, para que el contexto del agente de destino no se llene de ruido.
6. Pule los prompts con un modelo más barato
Si quieres ordenar un borrador antes de enviarlo, no necesitas el modelo principal, que es el caro. Revise de AgentVera ejecuta claude -p --model sonnet con las herramientas desactivadas y sin registro de sesión. No se envía el contenido de los archivos; solo el borrador, el nombre y el rol del agente, y el nombre del proyecto.
Elegir un perfil
| Trabajo | Perfil sugerido | Por qué |
|---|---|---|
| Pruebas en el navegador, integración con muchos MCP | Standard | Necesita el conjunto completo de herramientas |
| Trabajo diario en funcionalidades | Balanced | Bastan las herramientas básicas de archivos y shell |
| Documentación, refactors pequeños | Lean | Contexto base mínimo, turnos más baratos |
| Sesión larga de investigación | Balanced + /compact en un umbral | Mantiene bajo control el crecimiento del contexto |
Comprueba las cifras en tu propia configuración
Tus cifras dependen de tus plugins, skills y servidores MCP. Para ver tu propio contexto base, abre una sesión nueva, envía un mensaje corto y mira el tamaño del contexto de la primera petición. Después prueba lo mismo con un perfil más estrecho. La diferencia es lo que pagas en cada turno de la sesión.
Calcular la diferencia a lo largo de una sesión
Los porcentajes pueden parecer abstractos, así que piensa en una sesión. Supongamos que ejecutas 40 turnos con un agente. Sin contar el historial de la conversación, el contexto base se relee en cada turno.
| Perfil | Contexto base en la primera petición | Solo el contexto base en 40 turnos |
|---|---|---|
| Standard | ≈34,4k | ≈1,38M |
| Balanced | ≈23,7k | ≈948k |
| Lean | ≈13,3k | ≈532k |
Esta tabla solo muestra el contexto base; el uso real es mayor al sumar el historial de la conversación, la salida de las herramientas y las respuestas del modelo. Los mecanismos del proveedor, como el caché, también pueden afectar a la facturación. Aun así, la tabla deja una cosa clara: un contexto base menor abarata cada turno, y la diferencia crece cuanto más larga es la sesión.
¿Qué perfil para qué trabajo?
El perfil no es un ajuste que se fija y se olvida. Depende del rol del agente:
- Agente de investigación: lee muchos archivos y puede necesitar un navegador o MCP de documentación. Empieza con el perfil standard y compactación automática en un umbral.
- Agente de implementación: sobre todo lee y escribe archivos y ejecuta comandos de shell. Balanced es suficiente.
- Agente de tests o documentación: trabaja en un área reducida. Aquí lean ahorra más.
Con agentes en paralelo estas diferencias se suman. Dar a cada agente un perfil acorde con su rol, en lugar de standard a los tres, hace que el mismo límite dure más.
Configurar /compact automático en un umbral
La compactación manual es fácil de olvidar. La automática es sencilla: cuando el contexto de un agente supera tu umbral, se ejecuta /compact. Al elegir el umbral:
- Demasiado bajo: el agente se resume a menudo y puede perder detalles anteriores.
- Demasiado alto: la compactación llega tarde y cada turno hasta entonces sale caro.
En la práctica, un umbral más temprano va bien para sesiones largas de investigación y uno más tardío para sesiones cortas de implementación. Como AgentVera muestra en el panel el tamaño del contexto en vivo, puedes ajustar el umbral observándolo.
Errores comunes
- Todos los MCP para todos los agentes. Las definiciones de herramientas sin usar se leen en cada turno.
- No compactar nunca. Una sesión de cientos de turnos sigue arrastrando detalles viejos que ya no necesita.
- Pasar la salida tal cual. Enviar una respuesta larga entera a otro agente también engorda el contexto de ese agente.
- Recortar solo el prompt. El prompt suele ser una parte pequeña del total.
Para terminar
La mayor parte del ahorro de tokens en Claude Code viene del contexto base que se relee en cada turno. Acotar las herramientas a la tarea, conectar los servidores MCP de forma selectiva y compactar en el momento adecuado te permite hacer el mismo trabajo con menos contexto. En la configuración que medimos, eso supuso un 61 % menos en la primera petición.
AgentVera te permite fijar por agente los perfiles de contexto, el indicador de contexto en vivo y el /compact automático. Consulta el ahorro de tokens y la página de Claude Code para más detalles, o empieza con el plan gratuito. Para saber cómo se llena la ventana y cuándo entra /compact, consulta la guía de la ventana de contexto de Claude Code.