Anthropic推出基于MCP的代码执行模型，提升AI代理效率
核心要点
- 创新模式：Anthropic基于模型上下文协议(MCP)推出"代码执行模式"
- 效率提升：通过动态调用工具，显著提高AI代理处理外部工具和数据服务的效率
- 性能优化：上下文使用量从约15万token降至约2千token，节省率达99%
- 安全增强：支持敏感数据在执行环境中预处理，提升隐私保护
技术背景
随着AI代理应用日益广泛，特别是在需要连接数百甚至数千个工具的复杂场景中，传统方法面临以下挑战：
- 将所有工具定义和中间结果直接包含在模型上下文中
- 显著增加token消耗
- 延长响应时间
- 可能导致上下文溢出
代码执行模式工作原理
核心机制
将MCP工具转换为"代码API"，允许代理通过生成和执行代码来动态调用工具。
技术优势
- 按需加载：工具定义仅在需要时加载
- 本地处理：数据处理在执行环境中完成
- 结果精简：仅返回最终结果给模型
实际应用示例
数据处理场景：从Google表格提取10,000行数据时
- 传统方式：所有数据放入上下文
- 代码执行模式：先过滤数据，仅返回少量结果
性能数据
| 指标 | 传统模式 | 代码执行模式 | 改进幅度 |
|---|---|---|---|
| 上下文使用量 | 约150,000 token | 约2,000 token | 减少99% |
安全与维护优势
数据安全
- 敏感数据可在执行环境中预处理
- 仅必要信息返回模型
系统维护
- 增强工具组合能力
- 提高系统可维护性
基础设施要求
该模式需要以下基础设施支持：
- 安全沙箱环境
- 资源限制机制
- 执行过程安全保障
发展前景
Anthropic鼓励开发者在MCP生态系统中探索更多实际应用场景，推动技术实现更广泛的应用。
发布时间：2025年11月5日
来源：AIbase
