搜「mcp server 和 rag多少钱」的人,多半已经跑通了一个 demo,正准备报价或者做预算,然后发现账单和想象的对不上。这篇不给你一个总数,因为总数取决于你的文档量、调用频次和是否自建。给的是拆账方法:先分清哪几笔是一次性投入、哪几笔按调用走、哪几笔是返工成本,再拿站内工具去套你自己的数字。
搜「mcp server 和 rag多少钱」的人,多半已经跑通了一个 demo,正准备报价或者做预算,然后发现账单和想象的对不上。这篇不给你一个总数,因为总数取决于你的文档量、调用频次和是否自建,给你一个数反而会误导你。
给的是拆账方法:先分清哪几笔是一次性投入、哪几笔按调用走、哪几笔是返工成本,再拿站内工具去套你自己的数字。算清楚这三层,报价和预算才有底。
先把这两样东西的费用拆成三层,别混在一个数里算
把 MCP Server 和 RAG 的费用混成一个总数,是预算跑偏最常见的起点。这两套东西加起来的账单,其实来自三种完全不同性质的支出:装一次就完事的、每次调用都要付的、以及你调参调错之后重来一遍的。它们的增长曲线不一样,混在一起看,比例一定会判断错。
- 一次性搭建:服务器或托管资源、文档清洗与切片工时、索引首次构建,这部分花完就停,不随调用量涨
- 按量走的部分:生成模型的 token、embedding 模型的 token、向量库的存储与查询、MCP 工具调用时塞进上下文的工具描述
- 隐性返工:切片策略调整后整库重建、检索不准后换 embedding 模型、工具定义写得太长导致每轮都多付一遍
- 三层混算的典型后果是低估第一层、高估第二层,最后预算批下来了但第一个月就超
MCP Server 这一侧,真正花钱的是工具描述而不是工具本身
很多人以为 MCP Server 是个要一直烧钱的组件,实际用下来,服务器本身的资源开销通常不大。麻烦在工具清单和参数结构这部分,它会被交给模型,而且在每一轮对话里重复出现。工具越多、描述越啰嗦,每轮请求的输入量就越高。
所以做一个功能齐全的大服务器,往往比做三个窄功能的小服务器更贵。每个工具的名字、用途说明、参数 schema,都会被反复读进去。精简描述这件事看着不产生功能,但它直接压的是每轮成本。
| 摆放方式 | 主要开销 | 什么情况适用 |
|---|---|---|
| 本机或内网跑 | 机器电费、维护工时 | 自己调试、单客户端、调用量不大 |
| 托管实例 | 实例费、带宽、运维 | 多客户端共用、要稳定在线 |
| 工具描述本身 | 每轮重复的输入量 | 无论放哪都躲不掉,得主动精简 |
判断标准很直接:如果工具调用一天不到几十次,别急着上托管,先把描述精简一轮更划算。至于托管实例和服务商价格,到 /mcp 的目录里对照别人怎么放、大概什么口径,再去 /price-watch 看当时的数字。
RAG 这一侧,embedding 和向量库只是明面上的两笔
一提到 RAG 成本,多数人先想到 embedding 和向量库。这两笔确实存在,但它们不是最容易被漏掉的部分。真正吃掉工时的是文档进料:扫描件要 OCR,表格要拆结构,多栏 PDF 顺序乱,清洗和切片的工时经常超过写代码本身。
还有一个隐蔽的坑是重算。embedding 是按建库和重建算的,换一次模型就等于整库重算一遍,所以选型要在建库前定死,别想着上线后再换。检索阶段则跟召回条数直接挂钩——召回十条和召回三条,塞进上下文的量差好几倍,单条成本也会跟着变。
- 选 embedding 模型放在建库前,别留到上线后再比
- 切片的长度和重叠比例先小批量试,别一上来全量建库
- 召回条数设个上限,先按三条跑,不够再往上加
- 向量库的收费口径要逐项对齐:按存储、按查询还是自托管只花机器钱
- 文档更新频率高的,把增量更新和全量重建分开估
向量库的收费方式差别很大,有的按存储收、有的按查询收、有的自托管只花机器钱,口径不同不能直接比。去 /stacks/vector-dbs 先把各家的收费方式对齐,再谈贵不贵。
拿到自己的数字:一套可以照着走的算账顺序
上面的拆法理清了,接下来就是套自己的数。顺序别乱,先定量,再套价,最后加工时和返工。每一步都能对应到一个站内页面,算完你会得到一个区间,而不是一个拍脑袋的总数。
- 定调用量写出月调用次数和每次的平均上下文长度。这两个数决定按量部分的大头,估不准就先按保守值往上放。
- 分头套价格用 /tools/model-cost-calculator 把生成和 embedding 分别套一遍,别合在一起算,两者单价口径不同。
- 加工时把一次性工时折成钱加进去,包括清洗、切片、调检索效果的时间,这部分最容易被当成免费。
- 留返工档单独留一档返工预算。经验上首次上线后,切片和 embedding 至少会各调一次。
- 摊到单次把总额除以预计月活或月请求数,看单次成本在不在可接受范围。不在就回去砍召回条数和工具数量,而不是先砍质量。
什么情况下这笔钱不该由你来花
算完账还有一种结论:这笔钱压根不该由你出。不是所有场景都值得自建 RAG 和 MCP Server,架构好看是一回事,账单是另一回事。下面这几种情况,自己搭反而更贵。
文档量很少、问题范围很窄,直接做长上下文提示词可能比搭 RAG 便宜,别为了架构好看硬上。工具调用只是固定几个动作,硬编码函数调用比搭 MCP Server 省事,MCP 的价值在多客户端复用,只有一个客户端时体现不出来。团队没人维护索引和检索质量时,托管方案的年费往往低于你返工的工资。
反过来,如果文档天天变、多个客户端要共用同一批工具,自建才有摊薄成本的空间。判断标准就一条:复用次数够不够多,复用得少就别自己搭。
下一步把上面五步套一遍,再去站内工具页核对当时的数字,比看任何一篇估价文章都准。→常见问题
MCP Server 和 RAG 能不能只做其中一个?
能,而且多数项目一开始就该只做一个。判断看输入是什么:要回答的是「我的资料里写了什么」,做 RAG;要模型去执行动作、读写外部系统,做 MCP Server。两个都要的时候,一般先上检索把问答跑顺,再把检索包成工具挂到 MCP 上。
为什么我自己估的数和实际账单差那么多?
最常见的原因是漏掉了每轮重复计费的部分:工具描述、系统提示、召回上下文,这些在每次请求里都会重新算输入 token。第二常见是 embedding 重建,改一次切片策略就整库重跑一次。把这两笔单独列出来,估算和账单一般就对得上了。
小团队一开始该花多少?
没法给一个数字,但可以定口径:把第一笔钱花在文档清洗和切片上,而不是买更贵的模型;先把检索召回的准确率做上去,再考虑扩容。具体单价去 /official-api 和 /embeddings 看当时的数字,套自己的调用量算。