企业官网建设流程全解析

1. 从一次 MCP 工具调用变慢说起：Token 账本记在模型侧

Google Home MCP server 挂进 Claude Code 之后，第一次查设备状态很顺；第二次让它「和昨天同一时段对比」，响应从 3 秒拖到 20 秒——上一轮的原始 JSON 全堆在上下文里，模型每轮都要重读。这就是 agent 的真实运行成本。我的做法：先在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=google-home-mcp-intro 拿一个 TaoToken Key，再把模型 Base URL 设成 https://taotoken.net/api ，让每次 tool call 背后的推理都走同一条可计量、可对照的通道。

很多人跑通 Google Home MCP 之后的第一反应是「怎么这么费」，然后开始怀疑协议、怀疑 server、怀疑模型。其实都不是。MCP 只负责把能力标准化地暴露出来，真正消耗 Token 的是 Host 里那一层层上下文：工具描述每轮重发、tool result 原样回灌、多轮调用不断叠加。你没法通过换一个 MCP server 解决这件事，只能从推理出口这一侧把它变得可见、可算、可控。

下面把整条链路拆开讲：Google Home MCP 的调用结构、TaoToken Key 与 Base URL 的落地方式、Claude Code 与 Codex 两套配置的区别、以及一份可以照着填的 Token 消耗对照表。所有命令都在本地执行，配置里的敏感字段一律用占位符。

2. Google Home MCP 的调用链：Token 到底烧在哪一层

先明确一件事：MCP（Model Context Protocol）是模型与外部能力之间的协议层，它不是模型本身。Google Home 开放 MCP 集成，等于把「设备列表、设备状态、事件历史」这些家庭侧能力包装成了标准服务，任何支持 MCP 的 Host 都能用统一接口去访问——Claude 系列客户端、Google Antigravity，以及其他实现了 MCP 客户端的 agent 运行时，都在这个范围内。

链路结构大致是这样：

Host（Claude Code / 桌面客户端 / Antigravity ...） └── MCP Client（Host 内置，负责协议握手与工具调用） └── MCP Server（Google Home MCP） └── Google Home 设备 / 事件历史

模型推理发生在最上面那一层，也就是 Host 内部。MCP Server 只做一件事：把设备数据以 JSON-RPC 结果返回，它本身不消耗模型 Token。真正让账单涨起来的是下面三件事。

第一，工具描述（tool schema）的固定注入。每一轮请求，客户端都要把当前可用工具的 name、description、inputSchema 塞进上下文。Google Home 侧暴露的工具越细，这块固定开销越大，而且它是每轮都发的——哪怕这一轮模型根本不打算调工具。

第二，tool result 的原样回灌。设备列表、事件历史天然是大 JSON。一次「查询最近两小时事件」返回的结构化数据可能几百行，它会被原封不动放进对话历史，下一轮请求时再整体重发一次。这是成本曲线陡增的主要来源。

第三，多轮 tool call 的累积。agent 的典型行为路径是「列设备 → 选设备 → 查状态 → 查历史 → 汇总」，五轮下来，前四轮的返回值全都还躺在上下文里。MCP 规范里除了 tools 还有 resources 和 prompts 两类原语，如果 Host 把设备清单以 resource 形式挂载，语义上更干净，但只要它进入上下文，计量方式是一样的。

把这三项叠在一起，就是「跑通容易、跑久很贵」的真正原因。它不是 MCP 协议的锅，是上下文工程和推理供应商计量方式共同决定的。

所以问题就变成：你得知道每一次推理请求花在哪、花了多少，并且能按项目、按 agent 分开看。这正是把 Base URL 指向 TaoToken 的理由——不是为了绕开什么，而是让 agent 的推理出口统一、可查、能分账。

3. 三步拿到 Key，并把 Base URL 切过来

3.1 拿 Key

打开 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=google-home-mcp-signup ，注册登录后进控制台。建议按项目建 Key，比如google-home-agent-dev和google-home-agent-prod分开，后面看用量时不用靠猜是哪次实验跑出来的。

创建入口在这里：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=google-home-mcp-keys

拿到之后先别写进任何代码文件，用环境变量过渡：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

3.2 记下 Base URL

统一是https://taotoken.net/api。注意这个地址不带任何 query 参数，它就是接口根路径，不要自己再拼/v1之类的后缀。

3.3 先探活，再动客户端配置

改 Claude Code 或 Codex 之前，先确认 Key 和链路是通的：

curl -sS https://taotoken.net/api/models \ -H "Authorization: Bearer YOUR_API_KEY" \ | head -c 400

能返回模型列表，说明这一层没问题，再去改配置文件。这一步能省掉后面 80% 的「到底是 Key 错了还是配置错了」的排查时间。

4. Claude Code：settings.json 管推理，.mcp.json 管 MCP Server

Claude Code 有两条互相独立的配置线，很多人会搞混：

• 模型推理出口：走ANTHROPIC_*环境变量或settings.json的env段；
• MCP Server 挂载：走.mcp.json或claude mcp add命令。

它们互不影响，可以分开改、分开验证。

4.1 settings.json 配置推理出口

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "claude-sonnet-4-5", "ANTHROPIC_SMALL_FAST_MODEL": "claude-haiku-4-5" } }

三个要点：

1. ANTHROPIC_AUTH_TOKEN填的是 TaoToken 的 Key。
2. ANTHROPIC_SMALL_FAST_MODEL单独指定一个小模型。agent 里大量「要不要调用工具、调哪个」的路由判断可以交给它，这部分请求数量多、单次便宜，成本能压下来一截。
3. 如果你习惯用 shell 环境变量而不是 JSON，先清旧值再 export，避免两处冲突：

unset ANTHROPIC_BASE_URL ANTHROPIC_AUTH_TOKEN export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY" export ANTHROPIC_MODEL="claude-sonnet-4-5" export ANTHROPIC_SMALL_FAST_MODEL="claude-haiku-4-5"

4.2 挂载 Google Home MCP Server

用.mcp.json声明式配置，放在项目根目录：

{ "mcpServers": { "google-home": { "command": "<Google Home MCP Server 启动命令>", "args": ["<按官方文档填写>"], "env": { "GOOGLE_HOME_MCP_CONFIG": "${HOME}/.config/google-home-mcp/config.json" } } } }

或者用命令行注册：

claude mcp add google-home -- <Google Home MCP Server 启动命令> <参数...> claude mcp list

claude mcp list里能看到google-home处于 connected，说明 Host 侧握手成功。至于它具体暴露了哪些工具，直接在会话里让模型列一次就行，客户端背后走的是标准 JSON-RPC：

{"jsonrpc":"2.0","id":1,"method":"tools/list","params":{}}

看到工具清单之后，再决定哪些设备、哪些历史查询真的需要让 agent 碰。这里必须强调：MCP Server 的启动命令、参数、认证方式以 Google 官方和对应 server 仓库的说明为准，上面我用占位符标出来了，不要照抄。

5. Codex 是另一套：config.toml，别把 ANTHROPIC_* 抄过去

这是最常见的配置事故：把 Claude Code 的ANTHROPIC_*变量复制到 Codex 上，结果 Codex 完全不认。Codex 走的是自己的config.toml加 provider 抽象，两套东西不通用。

~/.codex/config.toml：

model = "gpt-5-codex" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" wire_api = "responses"

环境变量只需要一个：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

几个容易踩的点：

• base_url直接写https://taotoken.net/api，不要自己拼路径。
• env_key填的是变量名，不是 Key 本身，别把明文 Key 写进 toml。
• wire_api的取值按你本地 Codex 版本的说明来；不确定就先按默认走，能通就行。
• 如果同一台机器上 Claude Code 和 Codex 都要用，把 Key 收敛到同一个环境变量，用量才对得上账。

6. CC Switch 三件套：一份 Key，两个 Host 来回切

同时在 Claude Code 和 Codex 之间切换的人，最烦的是改配置。CC Switch 这类工具的思路就是「一套档案管多份文件」，我习惯叫它三件套：

切换供应商时只改「指向 TaoToken」的那一份档案，三份文件里的 base_url 全写https://taotoken.net/api，Key 统一引用TAOTOKEN_API_KEY。这样两个 Host 的用量会归到同一把 Key 上，做成本对照时不用来回对账。

目录可以这样组织：

~/.cc-switch/ ├── profiles/ │ ├── taotoken-claude/ │ │ ├── settings.json │ │ └── .mcp.json │ └── taotoken-codex/ │ └── config.toml └── active -> profiles/taotoken-claude

切换时把对应目录软链到目标位置即可（Windows 上找等价方案）。核心原则只有两条：Key 只有一处，Base URL 只有一处。任何需要你在三个文件里反复粘贴 Key 的方案，最后都会出错。

7. MCP 调用验证：从最小闭环开始

配置完别急着上复杂任务，先跑一个最小闭环，把变量逐个隔离。

第一步，确认 server 挂上了：

claude mcp list

第二步，让模型列一次工具清单。在会话里发一条只读指令，例如「列出当前可用的 Google Home 工具，不要调用任何工具」。这一步只验证 tool schema 注入是否正常，几乎不产生额外消耗。

第三步，发一条最小真实调用。例如「列出我家里所有设备的名字」。这条会触发一次 tool call，返回值通常不大，适合用来确认端到端链路。

第四步，发一条重一点的。例如「查询某个设备最近 30 分钟的事件历史」。这条是 Token 消耗的大头，跑完立刻去控制台看用量，和第三步做对比，你就能直观感受到 tool result 体积带来的差异。

如果你在脚本里手工调 MCP，JSON-RPC 的形状是固定的：

# 仅作协议示意，实际调用由 Host 发起 echo '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"<tool_name>","arguments":{"<arg>":"<value>"}}}' \ | <your-mcp-client-transport>

这里必须补一句安全约束：Google Home MCP 暴露的是家庭设备与事件历史，属于个人侧数据。不要把 agent 的 MCP 配置指向公司生产数据库、内部 API 网关或任何线上核心系统，也不要给 agent 开批量写权限。测试阶段一律只读，命令全部在本地执行。

8. Token 消耗记录对照：把「贵不贵」变成一张表

光说「省 Token」没有意义，得有对照。下面这张表是我跑 Google Home MCP agent 时用的记录模板，每跑一个任务记一行：

记录的三个来源：

1. TaoToken 控制台的用量页面，看 Key 维度和模型维度的总量；
2. 本地会话日志（Claude Code 会保存 transcript），按 tool call 数量粗算轮次；
3. 自己写的小 wrapper，在请求前后打时间戳和计数，落到 CSV。

用环境变量把口径固定下来：

export AGENT_PROFILE="google-home-mcp" export TAOTOKEN_BASE_URL="https://taotoken.net/api" export TAOTOKEN_API_KEY="YOUR_API_KEY" export AGENT_LOG_DIR="$HOME/.agent-logs/google-home" mkdir -p "$AGENT_LOG_DIR"

一个极简的本地记录脚本，跑完任务手动追加一行：

# append_usage.py —— 纯本地写 CSV，不发起任何网络请求 import csv, os, datetime path = os.path.join(os.environ["AGENT_LOG_DIR"], "usage.csv") row = { "ts": datetime.datetime.now().isoformat(timespec="seconds"), "profile": os.environ.get("AGENT_PROFILE", "default"), "task": input("task name: "), "tool_rounds": input("tool call rounds: "), "in_tokens": input("input tokens: "), "out_tokens": input("output tokens: "), } new = not os.path.exists(path) with open(path, "a", newline="", encoding="utf-8") as f: w = csv.DictWriter(f, fieldnames=list(row.keys())) if new: w.writeheader() w.writerow(row) print("logged ->", path)

拿到数据之后，优化方向其实很清楚：

• 砍 tool result 体积：事件历史别全量回灌，只保留时间、设备、状态变更这几个字段，其余在调用侧裁掉。
• 分页代替全量：24 小时拆成 6 个 4 小时窗口，每窗口查完立即摘要，不让原始 JSON 长期留在上下文里。
• 模型分层：路由判断用ANTHROPIC_SMALL_FAST_MODEL指的小模型，最终汇总再交大模型。
• 减少轮次：在系统提示里明确写「一次尽量合并同类设备查询」，避免一个设备一轮。
• 稳定工具描述：tool schema 越稳定，缓存命中越友好；频繁改工具名称或描述反而会让缓存失效。

你会发现这些优化和「用哪家供应商」是正交的。但前提是——你得先有一个能看清用量的出口，才谈得上优化。这也是为什么建议把 agent 的模型出口统一到https://taotoken.net/api这类可控入口上，而不是每个 Host 各连一处、各算各的账。

9. 排障清单：接入 Google Home MCP 常见的五个坑

1. 401 / invalid api key：ANTHROPIC_AUTH_TOKEN或TAOTOKEN_API_KEY没生效。先echo出来看有没有被旧值覆盖，再确认 Base URL 是https://taotoken.net/api。
2. MCP Server 显示 disconnected：多半是启动命令写错、依赖缺失，或者路径里有空格没转义。用绝对路径重试一次。
3. 模型完全不调用工具：tool schema 没注入成功，或者系统提示里禁止了工具调用。先用「列出可用工具」验证。
4. 响应被截断：事件历史返回太长，超出单次上下文预算。做字段裁剪或分页，而不是一味换大模型。
5. 改了配置没反应：settings.json和 shell 环境变量同时存在时，以哪边为准取决于启动方式。最稳的做法是只保留一处。

10. 小结：MCP 让能力标准化，Key 让成本可计量

Google Home 开放 MCP 集成这件事，真正改变的是「接入方式」——设备状态和事件历史变成了一套标准协议下的能力，任何支持 MCP 的 agent 都能按同一套方式去用。但协议标准化不等于成本标准化。每一次工具调用背后，模型都要重新读一遍工具描述和上一轮的返回值，这部分开销完全取决于你在哪里做推理、用什么模型、上下文怎么组织。

所以建议是固定的：先在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=google-home-mcp-signup 拿到 TaoToken Key，把 Claude Code 的ANTHROPIC_BASE_URL、Codex 的model_providers.base_url都指向https://taotoken.net/api，然后用一张 Token 对照表把 agent 的每一轮开销记下来。跑上一周，你会很清楚哪些任务值得让 agent 做、哪些任务直接写个脚本更划算。

下一步可以直接从这里开始：

• 先试模型对话，确认 Key 和模型可用：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=google-home-mcp-chat
• 想让 agent 长期常驻，看 Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=google-home-mcp-plan
• 创建项目专用 Key：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=google-home-mcp-keys
• Claude Code 的完整配置说明：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=google-home-mcp-doc

把 Key 和 Base URL 这两件事先定下来，剩下的就是调上下文、攒经验。