Bevor zwei KI-Agenten nützliche Nachrichten austauschen, müssen sie sich finden, ihre Fähigkeiten abfragen und eine Sitzung aufbauen. Dieser Ablauf heißt Handshake. In Übersichtsarbeiten gilt sein Aufwand als Effizienzkriterium, gemessen wurde er bisher aber nicht. Laut einer Studie auf arXiv (Rubrik cs.AI) gibt es nun den ersten empirischen Benchmark, der den Handshake in einzelne Phasen zerlegt.

Was untersucht wurde

Verglichen wurden drei Protokolle: MCP (in der Initialize-Variante von 2025 und in der Discover-Variante von 2026), A2A und ACP. Die Autoren nutzten die offiziellen SDKs und erfassten pro Anfrage die Round Trips, die Latenz je Phase, die übertragenen Bytes und die Token-Kosten. Ein Round Trip ist dabei der Hin- und Rückweg einer Anfrage im Netzwerk.

Getestet wurden vier Szenarien: Kaltstart, wiederholte Verbindung, nicht passende Fähigkeiten und lückenhafte Metadaten. Jede Zelle wurde mit N=50 gemessen, einmal lokal und einmal mit einer emulierten Netzwerklaufzeit von 50 ms RTT.

Round Trips bestimmen die Wartezeit

Der wichtigste Befund: Die Zahl der Round Trips dominiert die Kosten. Ein älterer MCP-Handshake braucht drei Round Trips und 230 ms bei 50 ms RTT. A2A kommt mit einem Round Trip und 61.0 ms aus.

Auch der Kontext kostet

Zeit ist nicht die ganze Rechnung. Liest ein Sprachmodell die Metadaten des Gegenübers, wächst der Aufwand mit dessen Fähigkeitsliste, und zwar um 24 bis 107 Token pro Fähigkeit. Ein Gegenüber mit 200 Fähigkeiten belegt so 11 % eines Kontextfensters von 200k Token, noch bevor der Agent seine eigene Aufgabe liest.

Einordnung

MCP hat seinen Handshake in der Revision von 2026 selbst gekürzt, von drei Round Trips auf zwei. Mit Era Pinning sind es bei warmen Wiederverbindungen sogar null. Die Autoren sehen darin eine Bestätigung der gemessenen Kosten.

Für Entwickler kann das heißen: Es lohnt sich zu prüfen, wie viele Fähigkeiten ein Agent offenlegt und ob sich Verbindungen wiederverwenden lassen. Die Zahlen stammen aus einem Testaufbau und gelten nicht automatisch für jedes Produktivsystem. Die Autoren veröffentlichen ihr Messwerkzeug, die Rohdaten und die Analyse, sodass sich die Ergebnisse nachprüfen lassen.