通过 MCP 的代码执行：构建更高效的代理¶

原文链接：https://www.anthropic.com/engineering/code-execution-with-mcp [59]
发布时间：2025-11-04
作者：Adam Jones、Conor Kelly

直接工具调用会把定义与中间结果都塞进上下文；用代码执行来调工具可以大幅节省 token。[59]

Model Context Protocol (MCP) 是连接 AI 代理与外部系统的开放标准。传统方式往往需要为每个工具做定制集成，导致重复与碎片化。MCP 通过统一协议解决这一问题：只需实现一次，即可接入整个生态。[59]

自 2024 年 11 月发布以来，MCP 发展迅速：社区已构建数千个 MCP servers，SDK 覆盖主流语言，行业也逐渐将 MCP 视为连接工具与数据的事实标准。[59]

如今开发者常构建拥有数百、数千工具的代理系统，但随着工具量增长，把所有工具定义与中间结果都塞进上下文会显著降低效率、增加成本。[59]

本文将展示：如何通过“代码执行”让代理更高效地与 MCP 交互，在工具更多的情况下使用更少 token。[59]

工具导致的过度 token 消耗会降低效率¶

随着 MCP 规模化，两种模式会显著提高成本与延迟：[59]

工具定义占满上下文窗口
工具中间结果消耗额外 token

1. 工具定义占满上下文¶

多数 MCP client 会在开始时加载所有工具定义，并通过“直接工具调用”暴露给模型。例如：[59]

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.

salesforce.updateRecord
    Description: Updates a record in Salesforce
    Parameters:
               objectType (required, string): Type of Salesforce object (Lead, Contact,      Account, etc.)
               recordId (required, string): The ID of the record to update
               data (required, object): Fields to update with their new values
     Returns: Updated record object with confirmation

工具描述本身就占用上下文，增加响应时间与成本。在连接成千工具的场景中，代理可能需要在读到用户请求前就处理几十万 token。[59]

2. 中间结果消耗额外 token¶

多数 MCP client 允许模型直接调用工具。例如：“从 Google Drive 下载会议记录并附加到 Salesforce 线索”。模型会像这样调用：[59]

TOOL CALL: gdrive.getDocument(documentId: "abc123")
        → returns "Discussed Q4 goals...\n[full transcript text]"
           (loaded into model context)

TOOL CALL: salesforce.updateRecord(
        objectType: "SalesMeeting",
        recordId: "00Q5f000001abcXYZ",
        data: { "Notes": "Discussed Q4 goals...\n[full transcript text written out]" }
    )
    (model needs to write entire transcript into context again)

每个中间结果都必须穿过模型。在这个例子里，完整文本会流经上下文两次。若是 2 小时会议记录，就可能额外消耗 50,000 token；更大的文档甚至会超出上下文窗口，流程直接失败。[59]

在处理大型文档或复杂数据结构时，模型在复制数据时也更容易出错。[59]

图：传统 MCP 工具调用的上下文消耗

图注：MCP client 把工具定义加载进上下文，并在工具调用与结果之间让模型反复中转消息。[59]

通过 MCP 的代码执行提升上下文效率¶

随着代码执行环境变得普及，把 MCP server 作为 代码 API 而不是直接工具调用会更高效。代理可以写代码调用 MCP 工具，只加载必要工具，并在执行环境中处理数据，再把必要结果返回模型。[59]

一种做法是为所有 MCP 工具生成文件树。例如：[59]

servers
├── google-drive
│   ├── getDocument.ts
│   ├── ... (other tools)
│   └── index.ts
├── salesforce
│   ├── updateRecord.ts
│   ├── ... (other tools)
│   └── index.ts
└── ... (other servers)

每个工具对应一个文件，如：[59]

// ./servers/google-drive/getDocument.ts
import { callMCPTool } from "../../../client.js";

interface GetDocumentInput {
  documentId: string;
}

interface GetDocumentResponse {
  content: string;
}

/* Read a document from Google Drive */
export async function getDocument(input: GetDocumentInput): Promise<GetDocumentResponse> {
  return callMCPTool<GetDocumentResponse>("google_drive__get_document", input);
}

Google Drive → Salesforce 的例子可以写成：[59]

// Read transcript from Google Docs and add to Salesforce prospect
import * as gdrive from "./servers/google-drive";
import * as salesforce from "./servers/salesforce";

const transcript = (await gdrive.getDocument({ documentId: "abc123" })).content;
await salesforce.updateRecord({
  objectType: "SalesMeeting",
  recordId: "00Q5f000001abcXYZ",
  data: { Notes: transcript }
});

代理通过文件系统发现工具：列出 ./servers/ 找到 server，再读取对应文件理解接口。这样只加载当前任务需要的定义，token 使用可从 150,000 降到 2,000，节省 98.7%。[59]

Cloudflare 也发表了类似结论，将其称为 “Code Mode”。核心观点一致：LLM 擅长写代码，开发者应利用这一点，让代理更高效地与 MCP 交互。[59]

MCP 代码执行的优势¶

代码执行让代理按需加载工具、在进入模型前过滤数据、用一次代码完成复杂逻辑，同时带来安全与状态管理优势。[59]

渐进式披露（Progressive disclosure）¶

模型擅长浏览文件系统。把工具以代码文件呈现，可以按需读取定义，而不是一次性加载。[59]

也可提供 search_tools 工具查找定义。例如搜索 “salesforce”，只加载相关工具。若 search_tools 支持“细节级别”（仅名称/名称+描述/完整定义），还可进一步节省上下文并提升效率。[59]

上下文更高效的工具结果¶

面对大数据，代理可以先在执行环境中过滤/变换，再返回必要结果。比如拉取 1 万行表格：[59]

// Without code execution - all rows flow through context
TOOL CALL: gdrive.getSheet(sheetId: 'abc123')
        → returns 10,000 rows in context to filter manually

// With code execution - filter in the execution environment
const allRows = await gdrive.getSheet({ sheetId: 'abc123' });
const pendingOrders = allRows.filter(row =>
  row["Status"] === 'pending'
);
console.log(`Found ${pendingOrders.length} pending orders`);
console.log(pendingOrders.slice(0, 5)); // Only log first 5 for review

这样模型只看到 5 行而不是 10,000 行。对聚合、跨源 join、字段抽取等也同理，避免膨胀上下文。[59]

更强且更省上下文的控制流¶

循环、条件与错误处理可以直接用代码完成，而不是让模型在工具调用之间来回切换。例如监听 Slack 部署通知：[59]

let found = false;
while (!found) {
  const messages = await slack.getChannelHistory({ channel: 'C123456' });
  found = messages.some(m => m.text.includes('deployment complete'));
  if (!found) await new Promise(r => setTimeout(r, 5000));
}
console.log('Deployment notification received');

相比在代理循环中交替调用 MCP 工具与 sleep，这种方式更高效。[59]

同时，能直接执行条件树，也能降低“首 token 延迟”：不必等模型判断 if，直接交给执行环境。[59]

隐私保护操作¶

使用 MCP 代码执行时，中间结果默认留在执行环境中，只有显式 log/return 的内容才会进入模型。这让你可以让敏感数据“流经系统但不进上下文”。[59]

对更敏感的任务，可在 agent harness 中自动做脱敏 tokenization。例如将客户联系信息从表格导入 Salesforce：[59]

const sheet = await gdrive.getSheet({ sheetId: 'abc123' });
for (const row of sheet.rows) {
  await salesforce.updateRecord({
    objectType: 'Lead',
    recordId: row.salesforceId,
    data: {
      Email: row.email,
      Phone: row.phone,
      Name: row.name
    }
  });
}
console.log(`Updated ${sheet.rows.length} leads`);

MCP client 会在数据进入模型前对 PII 进行 tokenization：[59]

// What the agent would see, if it logged the sheet.rows:
[
  { salesforceId: '00Q...', email: '[EMAIL_1]', phone: '[PHONE_1]', name: '[NAME_1]' },
  { salesforceId: '00Q...', email: '[EMAIL_2]', phone: '[PHONE_2]', name: '[NAME_2]' },
  ...
]

当数据在另一 MCP 工具调用中需要使用时，会通过 MCP client 反向去 tokenization。真实的邮箱/手机号/姓名从 Google Sheets 到 Salesforce 的流转过程不经过模型，避免误记录或泄露。[59]

状态持久化与 Skills¶

代码执行 + 文件系统访问让代理跨操作维护状态，例如把中间结果写入文件并继续： [59]

const leads = await salesforce.query({
  query: 'SELECT Id, Email FROM Lead LIMIT 1000'
});
const csvData = leads.map(l => `${l.Id},${l.Email}`).join('\n');
await fs.writeFile('./workspace/leads.csv', csvData);

// Later execution picks up where it left off
const saved = await fs.readFile('./workspace/leads.csv', 'utf-8');

代理还能把自己的代码保存成可复用函数： [59]

// In ./skills/save-sheet-as-csv.ts
import * as gdrive from './servers/google-drive';
export async function saveSheetAsCsv(sheetId: string) {
  const data = await gdrive.getSheet({ sheetId });
  const csv = data.map(row => row.join(',')).join('\n');
  await fs.writeFile(`./workspace/sheet-${sheetId}.csv`, csv);
  return `./workspace/sheet-${sheetId}.csv`;
}

// Later, in any agent execution:
import { saveSheetAsCsv } from './skills/save-sheet-as-csv';
const csvPath = await saveSheetAsCsv('abc123');

这与 Skills 的概念紧密相关：通过 SKILL.md 把可复用脚本与说明封装成技能，让模型形成高阶能力工具箱。[59]

需要注意的是，代码执行本身也引入复杂度：必须提供安全的执行环境、沙箱、资源限制与监控。这些运维与安全成本是直接工具调用所不需要的。应权衡其 token 成本、延迟与组合能力的收益。[59]

总结¶

MCP 提供了连接工具与系统的基础协议，但当 server 过多时，工具定义与结果会消耗大量 token，降低效率。[59]

虽然这类问题看起来“新”，但上下文管理、工具组合、状态持久化等在软件工程中已有成熟方案。代码执行把这些成熟模式引入代理，让它们用熟悉的编程构造高效地与 MCP 交互。我们鼓励你实践后与 MCP 社区分享经验。[59]

致谢¶

本文由 Adam Jones 与 Conor Kelly 撰写，感谢 Jeremy Fox、Jerome Swannack、Stuart Ritchie、Molly Vorwerck、Matt Samuels 与 Maggie Vo 对草稿的反馈。[59]