Anthropic 推出基於 MCP 的新代碼執行模式，提升 AI Agent 效率

近日，Anthropic 在其最新發佈中介紹了基於 Model Context Protocol（MCP）的全新實踐 ——“代碼執行模式”。這一創新方式旨在讓 AI Agent 更高效地調用外部工具與數據服務，解決了傳統方法在處理大量工具時所遇到的性能瓶頸。

隨着 AI Agent 的使用越來越廣泛，尤其是在需要連接數百甚至上千個工具的場景中，傳統方法將所有工具定義和中間結果直接放入模型上下文，這不僅導致了 token 消耗的增加，還延長了響應時間，甚至可能導致上下文溢出。Anthropic 指出，這些問題是當前大型 Agent 系統面臨的主要挑戰。

新的代碼執行模式通過將 MCP 工具轉化爲 “代碼 API”，使 Agent 能夠通過生成和執行代碼的方式動態調用工具。這一方法的優勢在於，工具的定義只在需要時進行加載，而數據的處理也在執行環境中完成，僅將最終結果返回給模型。這大幅度減少了模型需處理的數據量，提升了邏輯控制、循環處理和數據過濾等任務的效率。

舉個例子，當需要從 Google Sheet 中提取10，000行數據時，通過代碼執行，Agent 可以先進行數據篩選，只返回少量結果，而不是將所有數據都放入上下文中。官方測試顯示，這種新的代碼執行模式將上下文佔用從約150，000tokens 降低到約2，000tokens，節省率接近99%。此外，代碼執行還能提升數據隱私安全，敏感數據可以在執行環境中預處理後再返回給模型。

Anthropic 還強調，這一模式增強了工具的組合能力和可維護性，但需要配合安全沙箱和資源限制等基礎設施，以確保執行過程的安全性。公司鼓勵開發者在 MCP 生態中探索更多實際應用場景，以實現更廣泛的技術落地。

劃重點:

✨ 代碼執行模式通過動態調用工具，顯著提升 AI Agent 的效率。  

🔍 新方法減少了模型處理的數據量，節省了約99% 的上下文佔用。  

🔒 該模式提升了數據隱私安全，允許敏感數據在執行環境中預處理。