Anthropic 近日介绍了其在 Model Context Protocol（MCP） 上的新实践——通过“代码执行（code execution）”方式，让 AI Agent 以更高效率调用外部工具与数据服务。

随着 AI Agent 需要连接数百甚至上千个工具，传统做法会把所有工具定义与中间结果塞进模型上下文，导致 token 消耗巨大、响应延迟增加、甚至出现上下文溢出。Anthropic 指出，这是当前大规模 Agent 系统的主要性能瓶颈。

新的方案将 MCP 工具暴露为“代码 API”，让 Agent 通过生成并执行代码来调用工具。工具定义在用到时才动态加载，而中间数据处理也在执行环境中完成，仅返回最终结果给模型。这不仅减少模型需要处理的数据量，也让逻辑控制、循环、过滤等工作在代码层面高效完成。

这里以“过滤大规模数据”作为示例：如果从 Google Sheet 拉取 10,000 行数据，先通过代码做筛选、只把少量结果传回模型，而非把所有 10,000 行数据都塞入上下文。

官方测试显示，这种模式能将上下文占用从约 15 万 tokens 降至约 2 千 tokens，节省幅度接近 99%。同时，代码执行还能提升隐私安全，因为敏感数据可在执行环境中预处理后再返回给模型。

Anthropic 强调，代码执行模式带来更强的工具组合能力与可维护性，但也需要安全沙箱、资源限制等基础设施配合。公司鼓励开发者在 MCP 生态中探索更多实际落地场景。