Anthropic 近期推出了一项基于 Model Context Protocol（MCP）的突破性创新——全新”代码执行模式”，旨在彻底革新 AI Agent 在调用外部工具与数据服务时的效率。这一解决方案精准应对了传统方法在处理海量工具时遭遇的性能桎梏，为日益普及的 AI Agent 应用场景提供了革命性突破。随着 AI Agent 在各行各业的应用范围不断扩大，尤其是在需要连接数百乃至上千个工具的复杂场景中，传统将所有工具定义和中间结果直接注入模型上下文的方式已显力不从心。这种做法不仅导致 token 消耗急剧增加，更会显著延长响应时间，甚至可能引发上下文溢出等严重问题。Anthropic 指出，这些挑战已成为当前大型 Agent 系统发展的主要瓶颈。
新的代码执行模式通过将 MCP 工具转化为高效”代码 API”，使 Agent 能够通过生成和执行代码的方式实现工具的动态调用。这一创新方法的核心优势在于实现了工具定义的按需加载，并将数据处理任务完整迁移至执行环境，最终仅将处理结果返回给模型。这种设计大幅缩减了模型需要处理的数据量，同时显著提升了逻辑控制、循环处理和数据过滤等关键任务的执行效率。以从 Google Sheet 中提取 10,000 行数据为例，通过代码执行模式，Agent 可以先进行智能数据筛选，仅返回经过处理的少量结果，而非将全部数据加载至上下文。官方实测数据显示，这种新型代码执行模式可将上下文占用从约 150,000 tokens 削减至约 2,000 tokens，节省率高达 99%。
更值得关注的是，代码执行模式还显著增强了数据隐私保护能力。敏感数据可以在执行环境中完成预处理后再安全返回给模型，有效避免了数据泄露风险。Anthropic 同时强调，这一模式大幅提升了工具的组合能力和系统可维护性，但需要配合安全沙箱和资源限制等基础设施支持，以确保整个执行过程的安全性。公司积极鼓励开发者在 MCP 生态系统中探索更多实际应用场景，以加速这一创新技术的广泛落地。划重点：✨ 代码执行模式通过动态调用工具机制，实现 AI Agent 效率的革命性提升。 🔍 新方法将模型处理数据量减少 99%，大幅优化上下文占用。 🔒 该模式通过执行环境预处理敏感数据，显著增强数据隐私保护能力。