En ny undersøgelse fra arXiv udfordrer en udbredt antagelse i AI-kodningsværktøjer: at semantisk hentning via Language Server Protocol (LSP) er mere token-effektiv end simpel tekstsøgning (grep). Forskerne bag studiet fandt, at påstanden "asserted almost everywhere and measured almost nowhere" – og deres foreløbige målinger viser, at svaret er betinget og ofte negativt.

For beslutningstagere, der bygger eller køber AI-kodningsassistenter, betyder dette noget direkte: Token-omkostninger er en stor del af driftsbudgettet for agenter, og valget af hentningsstrategi påvirker både hastighed og pris. Undersøgelsen, som dækker Python- og TypeScript-repositorier med modeller som Claude Opus 4.8, Sonnet 4.6 og Haiku 4.5, viser, at LSP-baseret hentning på symbol-lokaliseringsopgaver koster mellem 6% og 118% flere tokens end grep – og at agenter ofte ignorerer LSP, når de har frit valg.

På reference-opgaver køber LSP præcision, men sparer ikke tokens og kan ikke hæve loftet for, hvor grundig agenten er. Kun for den svageste model sparer LSP tokens. Værktøjsvalget er opgaveafhængigt: Agenter vælger grep til lokalisering (0-6% semantisk brug), men griber til LSP omkring halvdelen af tiden på reference-opgaver – uden opfordring.

Mest markant er forskellen på redigeringsopgaver målt med rigtig testudførelse: grep løser multi-fil-omdøbninger perfekt, mens en lokations-only LSP fejler tre fjerdedele af dem, fordi den misser et kaldested. Selv en komplet, indeks-opvarmet, tekst-beriget LSP (med hver references linje inline, som produktions-LSP-MCP-servere gør) kan ikke lukke hullet, fordi en omdøbning også skal røre kommentarer og strenge, som semantiske referencer udelukker.

Implikationen er ikke "LSP-altid", men en adaptiv router, der vælger hentningsstrategi baseret på opgavetype, modelkapacitet og leksikalsk støj. For virksomheder, der investerer i LSP-MCP-integrationer som en standardfunktion, er dette et signal om at revurdere: Det kan være værd at måle token-forbrug og succesrate på tværs af opgavetyper, før man ruller semantisk hentning ud som standard.