anthropic 近日分享了其在 model context protocol（mcp） 方面的最新实践——采用“代码执行（code execution）”机制，使 ai agent 能更高效地调用外部工具与数据服务。
随着 AI Agent 需要对接数百乃至上千个工具，传统方法通常将所有工具描述和中间结果全部注入模型上下文，造成 token 开销剧增、响应变慢，甚至触发上下文长度限制。Anthropic 指出，这已成为制约大规模 Agent 系统性能的关键瓶颈。
新方案将 MCP 工具封装为“代码 API”，允许 Agent 通过生成并运行代码来调用这些工具。工具定义按需动态加载，中间的数据处理过程在独立的执行环境中完成，仅将最终结果返回给模型。这种方式大幅减少了模型所需处理的信息量，同时将循环、过滤、逻辑控制等操作交由代码高效执行。
以“处理大规模数据集”为例：当从 Google Sheet 获取 10,000 行数据时，可通过代码先进行筛选和聚合，只将关键结果传回模型，而非将全部原始数据塞入上下文。
根据官方测试，该方式可将上下文使用量从约 15 万 tokens 减少至约 2 千 tokens，压缩幅度接近 99%。此外，由于敏感数据可在隔离环境中预处理后再传递给模型，也进一步提升了数据隐私与安全性。
Anthropic 表示，代码执行模式不仅增强了工具间的组合灵活性与系统可维护性，还对安全沙箱、资源隔离等底层设施提出了更高要求。公司呼吁开发者在 MCP 生态中积极探索更多实际应用场景。
源码地址：点击下载
