最近在折腾用MCP server把向量数据库（比如Milvus）接入到Claude / 本地方案里，遇到一个很基础但一直没搞懂的问题：MCP工具调用时，embedding这一步的token消耗到底算谁的？
我目前是让MCP server内部用本地模型（比如bge-m3）做向量化，但这样每次查询和写入都要先跑一遍embedding，延迟和CPU占用都上来了；如果换成云端API（比如OpenAI embedding），那token费用是不是要叠加到MCP的上下文消耗里？还是说只算接口调用费？
另外，检索结果返回给LLM时，是直接把top-k的原文塞进上下文，还是只返回metadata+ID让LLM自己决定要不要查详情？感觉前者太费token，后者又怕信息不够。
有没有大佬分享下实际生产里的取舍？或者有没有现成的MCP server实现可以参考？