Ik Verbond 314 Tools aan Mijn AI-Agent. De Meeste Waren Dode Last.
Vorige week draaide ik een audit op mijn eigen AI-opzet en het getal deed me schrikken: mijn belangrijkste agent-profiel had 314 tools beschikbaar over 11 MCP-servers. Home assistant alleen al leverde er 82. Proxmox 71. SSH-manager 37. Ik had alles aangesloten wat ik kon bedenken, net zoals ik vroeger elke browser-extensie installeerde die er nuttig uitzag. En daarna raakte ik de meeste nooit meer aan.
Het begon met een video over de tien AI-skills die meer bepalen dan prompting. Eén zin raakte me direct: “Elke MCP-server die je aansluit is deze decade’s installeer-elke-browser-extensie-fout.” Ik lachte, en toen controleerde ik mijn eigen config. Het lachen verging me snel.
De Cijfers Waren Slechter Dan Ik Dacht
Onderzoek van Anthropic zegt dat modelprestaties beginnen te dalen na ongeveer 30 tot 50 beschikbare tools. OpenAI beveelt minder dan 20 per beurt aan. Een studie met 110 agents en 584 tools vond dat de routeringsnauwkeurigheid 16 tot 23 punten daalde naarmate de catalogus groeide. Mijn standaardprofiel had 314 tools. Ik zat mijlen voorbij het punt waar het onderzoek zegt dat dingen beginnen te breken.
Maar hier is de nuance die ik vond toen ik dieper groef: mijn agent gebruikt deferred tool loading. Die 314 tools zitten niet allemaal tegelijk in de context — ze worden on-demand geladen uit een catalogus. Dat verzacht de klap aanzienlijk. De context wordt niet overspoeld met 314 tool-definities. Toch telt de catalogusgrootte om drie redenen: het model moet de juiste tool kiezen uit een langere lijst, discovery kost tokens en tijd, en elke verbonden server is een aanvalsvector.
De Echte Les: De Meeste Tools Zijn Dode Last
Daarna controleerde ik welke tools ik daadwerkelijk gebruikte. Een van mijn profielen had 104 MCP-tools beschikbaar en had er maar 26 gebruikt — 25 procent. De andere 77 tools, 74 procent, werden nooit één keer aangeroepen. Ze zaten gewoon in de catalogus, bliezen de lijst op en voegden routeringsrisico toe zonder ooit iets te doen.
Dat is het patroon waar ik je voor wil waarschuwen. Het is niet fout om een server aan te sluiten. Het is fout om alles aan te sluiten zonder ooit op te ruimen — zo eindig je met een opgeblazen, langzamere, minder betrouwbare agent. De fix is niet dramatisch. Het is servers per profiel segmenteren, tools on-demand laden, en jezelf periodiek afvragen: welke heb ik deze maand echt gebruikt?
Wat Ik Eraan Doe
Ik ga niet al mijn servers eruit trekken — dat zou overcompenseren. Maar ik ben nu wel bewust bezig. Ik overweeg welke MCP-servers elk profiel echt nodig heeft, in plaats van elk profiel alles te geven. En ik ga de routeringsnauwkeurigheid monitoren, want als vage verzoeken de verkeerde tools gaan kiezen, is de tool-surface de eerste verdachte.
Dit is de vraag die ik je wil meegeven: hoeveel tools heeft jouw AI-agent eigenlijk, en hoeveel daarvan heb je de afgelopen maand gebruikt? Als je het antwoord niet weet, draag je misschien meer dode last mee dan je denkt.
Wat vond je van dit bericht?
