Anthropic 发布基于 MCP 的全新“代码执行模式”，大幅提升 AI Agent 效率

近期，Anthropic 在其最新发布中推出了基于 Model Context Protocol（MCP）的新实践——“代码执行模式”。这一思路旨在让 AI Agent 更高效地调用外部工具与数据服务，缓解传统做法在对接海量工具时遇到的性能瓶颈。

随着 AI Agent 的应用越发广泛，尤其在需要连接成百上千个工具的场景里，传统方式会把所有工具定义与中间结果直接塞进模型上下文中，这不仅增加了 token 消耗，还拖慢响应，甚至可能造成上下文溢出。Anthropic 指出，这些都是当前大型 Agent 系统面临的核心难题。

这套“代码执行模式”把 MCP 工具抽象成“代码 API”，让 Agent 通过生成并执行代码的方式按需调用工具。其优势在于：工具定义仅在需要时加载，数据处理也留在执行环境中完成，只把最终结果回传给模型。由此显著减少模型需要处理的数据量，并让流程控制、循环处理、数据筛选等任务更高效。

比如，当需要从 Google Sheet 中拉取 10，000 行数据时，通过代码执行，Agent 可先在执行环境完成筛选，只返回少量结果，而不必把所有数据塞进上下文。官方测试表明，这种代码执行模式可将上下文占用从约 150，000 tokens 降到约 2，000 tokens，节省接近 99%。另外，这种方式还有助于数据隐私与安全：敏感信息可在执行环境中预处理后再回传给模型。

Anthropic 还强调，该模式强化了工具的可组合性与可维护性，但需要配套安全沙箱、资源限制等基础设施，确保执行过程可控与安全。公司也鼓励开发者在 MCP 生态中探索更多实际落地场景，推动更广泛的应用。

划重点:

✨ “代码执行模式”通过按需动态调用工具，明显提升 AI Agent 效率。  

🔍 新方法显著减少模型需处理的数据量，上下文占用可节省约 99%。  

🔒 有助于保护数据隐私，敏感数据可先在执行环境中预处理后再返回模型。