Okta, AI ajanlarının kullandığı Model Context Protocol (MCP) araç listelerini kimlik ve yetki kapsamına göre daraltmanın token maliyetlerini kayda değer biçimde azaltabileceğini savunuyor. Şirketin tarif ettiği sorun, her model çağrısında MCP sunucusunun sunduğu araçların ad, açıklama, parametre ve şema bilgilerinin isteme eklenmesiyle oluşan ek yük. Okta buna “tool tax” adını veriyor. Bu maliyet, modelin gerçekten hangi aracı kullanacağı belli olmadan önce ortaya çıkıyor; dolayısıyla yetkisiz bir araç çağrısı daha sonra engellense bile, o aracın istemde yer alması nedeniyle tüketilen token’lar geri kazanılamıyor.
MCP sunucuları, AI ajanlarını kurumsal veri ve servislerle bağlamak için giderek daha sık kullanılan bir katman haline geldi. Google Workspace, Slack ve kurum içi MCP sunucuları bu yapıya örnek gösteriliyor. Ancak tek bir MCP sunucusu çok sayıda araç yayınlayabildiği için, model her turda bu araçların tamamının temsilini görebiliyor. Bu temsil sadece isimden ibaret değil; araç açıklamaları ile parametre şemaları da isteme dahil ediliyor. Sonuç olarak maliyet, hem araç sayısı arttıkça hem de bu sunucuyu kullanan kullanıcı sayısı yükseldikçe katlanıyor.
Okta’nın önerdiği kontrol, bu listeyi modelin önüne gitmeden önce süzmek üzerine kurulu. Yaklaşımda, bir ajan kimliğine ve o ajanla ilişkili kullanıcıya atanan izinler dikkate alınıyor. Yönetici, Okta panelinde belirli bir kimliğin hangi araçları kullanabileceğini tanımlıyor. Ardından sistem, MCP sunucusunun tüm araç kataloğunu döndürmek yerine yalnızca bu kimliğin kapsamına giren araç setini ajana iletiyor. Böylece her turda modele gönderilen araç listesi kısalıyor ve araç şemalarından kaynaklanan istem maliyeti de doğrudan azalıyor.
Şirketin anlatımına göre bu tasarım yalnızca maliyet tarafına değil, erişim denetimine de hitap ediyor. Bir ajan yetki alanı dışındaki araçları görebiliyorsa, teorik olarak bunları kullanmayı deneyebilir. Çalışma anında yapılan bir kontrol bu çağrıyı durdursa bile, model ilgili aracı zaten görmüş ve onun tanımı için token harcamış oluyor. Okta bu nedenle en düşük ayrıcalık ilkesini araç seviyesine taşımayı öneriyor. Buna göre bir ajan, açıkça yetkilendirilmediği veri tabanları, kaynaklar veya araçlardan haberdar olmamalı.
Okta’nın paylaştığı iç modelleme sonuçlarına göre bazı yetki senaryolarında modele görünür araç sayısı %90’dan fazla azaltılabildi. Şirket, araç şeması maliyetinin de yaklaşık aynı oranda düştüğünü belirtiyor. Bununla birlikte mutlak token miktarı ya da dolar bazında tasarruf rakamları açıklanmış değil. Ayrıca sonuçların araç kataloğuna, izinlerin nasıl dağıldığına ve kullanılan modele göre değişeceği özellikle vurgulanıyor. Ortalama şema boyutu, istek hacmi ve model fiyatlandırması da toplam maliyetin şekillenmesinde rol oynuyor.
Bu modelleme, tek bir MCP istemcisinin kurumsal araçlardan oluşan geniş bir kataloğa eriştiği varsayımıyla hazırlanmış. Karşılaştırmada, modele gösterilen araç sayısı kimlik tabanlı kapsamlandırma öncesi ve sonrası ölçülüyor. Kapsamlı görünürlüğü tahmin etmek için Okta, kendi MCP Server araçlarını bunları açan OAuth scope değerleriyle eşleştirmiş. Ardından yardım masası salt okunur kullanıcıları, yardım masası operatörleri, uygulama yöneticileri, marka ve e-posta yöneticileri ile super administrator gibi temsili kullanıcı segmentleri tanımlanmış. Şirket bu segmentleri, varsayımsal aylık trafik paylarına göre ağırlıklandırdığını söylüyor.
Hesaplama yöntemi de açık biçimde tarif ediliyor: araç sayısındaki azalma, kapsamlandırılmış araçların kapsamlandırılmamış toplam araçlara oranının bire tamamlayanı olarak ele alınıyor. Okta’ya göre araç şeması token maliyeti, araç sayısıyla neredeyse doğrusal biçimde ilerliyor; çünkü her araç her isteme adını, açıklamasını ve parametre şemasını ekliyor. Bu yüzden görünür araç sayısındaki düşüş, maliyet tarafında da benzer yönde bir etki yaratıyor. Ancak burada müşteri dağıtımından alınmış canlı saha verisi yerine, Okta ürün verileri ve herkese açık tedarikçi dokümantasyonuna dayanan iç modelleme kullanılmış durumda. Şirket özellikle müşteri verisi kullanılmadığını belirtiyor.
Okta, bu yaklaşımı API gateway veya benzeri harcama kontrol katmanlarından farklı bir yere koyuyor. Gateway tarafı genellikle anahtar, ekip ya da grup bazında harcama sınırı koyma, yönlendirme ve rate limiting gibi işlevler sunuyor. Aynı zamanda sisteme giren ve çıkan token miktarını ya da harcanan doları ölçebiliyor. Fakat Okta’nın argümanına göre bu kontroller, model kararının pahalı hale gelmesinden sonra devreye giriyor. Kimlik tabanlı yetkilendirme ise farklı bir girdi sağlıyor: belirli bir ajan veya o ajanın arkasındaki kullanıcı için hangi araçların baştan erişilebilir olacağını belirliyor.
Bu ayrım özellikle kurumsal ortamlarda önemli olabilir. Grup seviyesinde genel bir erişim yaklaşımı, belirli bir kullanıcının ihtiyaç duymadığı çok sayıda aracı yine de görünür bırakabilir. Kimlik ve ajan bazında tanımlanan entitlement yapısı ise daha ince taneli kontrol sunuyor. Böylece maliyet optimizasyonu ile güvenlik politikası aynı veri kümesi üzerinden çalışabiliyor. Okta’nın çizdiği çerçevede gateway, içinden geçen trafiği ölçen ve sınırlayan katman; kimlik katmanı ise ölçülecek araç kümesini daha model çağrısı oluşmadan küçülten katman olarak konumlanıyor.
Güvenlik boyutunda da benzer bir fayda iddiası var. Okta, yetkisiz kimliğin göremediği araçların, o kimlik ele geçirilse bile kötüye kullanılamayacak eylem alanını daralttığını söylüyor. Önerilen kapsam kontrolü iki aşamada çalışıyor: ilki, ajan istemi için araç listesi hazırlanırken; ikincisi ise ajanın gerçekten bir araç çağrısı yapmaya çalıştığı anda. Böylece hem istemde gereksiz araç tanımları yer almıyor hem de çalışma anında ek bir doğrulama korunuyor. Şirket bunu, ele geçirilmiş bir kimlik için daha küçük bir “blast radius” olarak tanımlıyor.
Sonuç olarak Okta’nın önerisi, MCP erişimini değerlendirirken araç envanteri ile entitlement eşlemesini operasyonel merkeze yerleştiriyor. Yöntem, MCP Server araçlarını bunları açan OAuth scope değerleriyle haritalıyor ve ardından tam katalog ile her kullanıcı segmentine görünür kapsamlı katalog arasındaki farkı ölçüyor. Canlı müşteri uygulamalarına dair somut bir örnek paylaşılmış değil; buna karşın yaklaşım, AI ajanlarında hem maliyet hem de yetki görünürlüğü sorununu aynı noktadan ele almasıyla dikkat çekiyor. Özellikle çok sayıda aracın tek MCP sunucusunda toplandığı kurumsal senaryolarda, modele gösterilen araç listesini baştan küçültmek pratik bir optimizasyon yöntemi olarak öne çıkıyor.
