Anthropic推出新代码执行模式，大幅提升AI效率

快速阅读: Anthropic推出基于MCP的代码执行模式，使AI Agent能高效调用工具，减少99%上下文占用，提升数据隐私安全，增强系统性能与可维护性。

近日,Anthropic 在其 最新 发布中介绍了基于 Model Context Protocol(MCP)的全新实践 ——“代码执行模式”。这一创新方式旨在让 AI Agent 更高效地调用外部工具与数据服务,解决了传统方法在处理大量工具时所遇到的性能瓶颈。

随着 AI Agent 的使用越来越广泛,尤其是在需要连接数百甚至上千个工具的场景中,传统方法将所有工具定义和中间结果直接放入模型上下文,这不仅导致了 token 消耗的增加,还延长了响应时间,甚至可能导致上下文溢出。Anthropic 指出,这些问题是当前大型 Agent 系统面临的主要挑战。

新的代码执行模式通过将 MCP 工具转化为 “代码 API”,使 Agent 能够通过生成和执行代码的方式动态调用工具。这一方法的优势在于,工具的定义只在需要时进行加载,而数据的处理也在执行环境中完成,仅将最终结果返回给模型。这大幅度减少了模型需处理的数据量,提升了逻辑控制、循环处理和数据过滤等任务的效率。

举个例子,当需要从 Google Sheet 中提取10,000行数据时,通过代码执行,Agent 可以先进行数据筛选,只返回少量结果,而不是将所有数据都放入上下文中。官方测试显示,这种新的代码执行模式将上下文占用从约150,000tokens 降低到约2,000tokens,节省率接近99%。此外,代码执行还能提升数据隐私安全,敏感数据可以在执行环境中预处理后再返回给模型。

Anthropic 还强调,这一模式增强了工具的组合能力和可维护性,但需要配合安全沙箱和资源限制等基础设施,以确保执行过程的安全性。公司鼓励开发者在 MCP 生态中探索更多实际应用场景,以实现更广泛的技术落地。

划重点: ✨ 代码执行模式通过动态调用工具,显著提升 AI Agent 的效率。

🔍 新方法减少了模型处理的数据量,节省了约99% 的上下文占用。

🔒 该模式提升了数据隐私安全,允许敏感数据在执行环境中预处理。

(以上内容均由Ai生成)