最近，Anthropic 在其最新版本中引入了一种基于模型上下文协议（MCP）的新实践——“代码执行模式”。这种创新方法旨在使 AI Agent 更高效地调用外部工具和数据服务，解决传统方法在处理大量工具时遇到的性能瓶颈。
随着 AI Agent 的使用越来越广泛，特别是在需要连接数百甚至数千个工具的场景下，将所有工具定义和中间结果直接包含在模型上下文中的传统方法不仅增加了代币消耗，还会延长响应时间，甚至可能导致上下文溢出。Anthropic 指出，这些是当今大型代理系统面临的主要挑战。
新的代码执行模式将 MCP 工具转换为“代码 API”，允许 Agent 通过生成和执行代码来动态调用工具。这种方法的优点是仅在需要时加载工具定义，并在执行环境中完成数据处理，仅将最终结果返回给模型。这大大减少了模型需要处理的数据量，提高了逻辑控制、循环处理和数据过滤等任务的效率。
例如，从 Google Sheet 中提取 10,000 行数据时，通过代码执行，Agent 可以先过滤数据并仅返回少量结果，而不是将所有数据放入上下文中。官方测试显示，这种新的代码执行模式将上下文使用量从约 15 万个 token 减少到约 2,000 个 token，实现了近 99% 的节省率。此外，代码执行还可以提高数据隐私性和安全性，允许敏感数据在返回模型之前在执行环境中进行预处理。
Anthropic 还强调，这种模式增强了工具的组合能力和可维护性，但需要安全沙箱和资源限制等基础设施的支持，以确保执行过程的安全性。该公司鼓励开发者在MCP生态系统内探索更多实际应用场景，以实现更广泛的技术落地。
