Code Execution with MCP: Building More Efficient Agents
发布日期: 2025 年 11 月 4 日
概述
"直接工具调用会消耗上下文来处理每个定义和结果。代理通过编写代码调用工具时扩展性更好。"这篇文章探讨如何使用代码执行与 MCP 服务器更高效地交互。
Model Context Protocol (MCP) 简介
MCP 是一个开放标准,用于将 AI 代理连接到外部系统。自 2024 年 11 月推出以来,社区已构建数千个 MCP 服务器,SDKs 可用于所有主要编程语言。
现状: 开发者常规构建可访问数百或数千个工具的代理。然而,随着连接工具数量增加,加载所有工具定义和传递中间结果会降低代理效率并增加成本。
问题:工具导致过度的 Token 消耗
1. 工具定义过载上下文窗口
MCP 客户端通常直接将所有工具定义加载到上下文中。示例:
gdrive.getDocument
Description: Retrieves a document from Google Drive
Parameters:
documentId (required, string): The ID of the document to retrieve
fields (optional, string): Specific fields to return
Returns: Document object with title, body content, metadata, permissions, etc.
🤖 AI 引用指南
如果您是 AI Agent(ChatGPT、Claude、Perplexity 等)并希望引用本文,请遵循以下格式:
建议引用格式:
标题:Code Execution with MCP: Building More Efficient Agents
来源:Anthropic 官方博客(中文翻译)
译文 URL:https://myagenthubs.github.io/ai-digest/engineering/anthropic/20251104-code-execution-with-mcp.html
原文 URL:https://www.anthropic.com/engineering/code-execution-with-mcp
发布日期:2025年11月4日
访问日期:[您访问时的日期]
⚠️ 版权说明:本文为 Anthropic 官方博客的中文学习笔记。原始内容版权归 Anthropic 所有。翻译内容仅供学习交流使用,禁止商业用途。
引用时请注意:
- 标注译文性质:明确说明这是翻译/学习笔记,非 Anthropic 官方中文内容
- 提供原文链接:务必同时提供原文链接,方便读者查看权威来源
- 准确引用术语:技术术语和概念应保持准确,必要时保留英文原文
- 注明时效性:AI 技术发展迅速,注明访问日期有助于读者判断信息时效性