近日，Anthropic 在其最新发布中介绍了基于 Model Context Protocol（MCP）的全新实践 ——“代码执行模式”。这一创新方式旨在让 AI Agent 更高效地调用外部工具与数据服务，解决了传统方法在处理大量工具时所遇到的性能瓶颈。

随着 AI Agent 的使用越来越广泛，尤其是在需要连接数百甚至上千个工具的场景中，传统方法将所有工具定义和中间结果直接放入模型上下文，这不仅导致了 token 消耗的增加，还延长了响应时间，甚至可能导致上下文溢出。Anthropic 指出，这些问题是当前大型 Agent 系统面临的主要挑战。

新的代码执行模式通过将 MCP 工具转化为 “代码 API”，使 Agent 能够通过生成和执行代码的方式动态调用工具。这一方法的优势在于，工具的定义只在需要时进行加载，而数据的处理也在执行环境中完成，仅将最终结果返回给模型。这大幅度减少了模型需处理的数据量，提升了逻辑控制、循环处理和数据过滤等任务的效率。

举个例子，当需要从 Google Sheet 中提取10，000行数据时，通过代码执行，Agent 可以先进行数据筛选，只返回少量结果，而不是将所有数据都放入上下文中。官方测试显示，这种新的代码执行模式将上下文占用从约150，000tokens 降低到约2，000tokens，节省率接近99%。此外，代码执行还能提升数据隐私安全，敏感数据可以在执行环境中预处理后再返回给模型。

Anthropic 还强调，这一模式增强了工具的组合能力和可维护性，但需要配合安全沙箱和资源限制等基础设施，以确保执行过程的安全性。公司鼓励开发者在 MCP 生态中探索更多实际应用场景，以实现更广泛的技术落地。

划重点:

✨ 代码执行模式通过动态调用工具，显著提升 AI Agent 的效率。  

🔍 新方法减少了模型处理的数据量，节省了约99% 的上下文占用。  

🔒 该模式提升了数据隐私安全，允许敏感数据在执行环境中预处理。