基于 MCP 的代码执行：构建更高效的 Agent
发布日期： 2025年11月4日 作者： Adam Jones 和 Conor Kelly 撰稿。感谢 Jeremy Fox、Jerome Swannack、Stuart Ritchie、Molly Vorwerck、Matt Samuels 和 Maggie Vo 的反馈。
简介
Model Context Protocol（MCP）是一个开放标准，用于将 AI Agent 连接到外部系统。自 2024 年 11 月发布以来，社区已构建了数千个 MCP 服务器，所有主流编程语言都有 SDK 可用，业界已将 MCP 采纳为 Agent 与工具连接的标准。
随着开发者将 Agent 连接到数百甚至数千个工具，预先加载所有工具定义并通过 Context Window 传递中间结果会拖慢 Agent 并增加成本。
工具导致的过度 Token 消耗
随着 MCP 使用规模的扩大，两种常见模式会增加 Agent 的成本和延迟：
1. 工具定义过载 Context Window
大多数 MCP 客户端将所有工具定义直接加载到 Context 中。工具描述占用 Context Window 空间，增加响应时间和成本。当有数千个工具时，Agent 在读取请求之前就必须处理数十万 Token。
2. 中间工具结果消耗额外 Token
当模型直接调用 MCP 工具时，每个中间结果都会经过模型处理。例如，将会议记录从 Google Drive 转移到 Salesforce 需要完整记录在 Context 中流经两次。对于一场 2 小时的销售会议，这可能意味着额外 50,000 Token。更大的文档可能完全超出 Context Window 限制，而且模型在处理大量数据时更容易出现复制错误。
MCP 客户端将工具定义加载到模型的 Context Window 中，并编排一个消息循环，每次工具调用和结果在操作之间都经过模型处理。
基于 MCP 的代码执行提升 Context 效率
一种解决方案是将 MCP 服务器呈现为代码 API 而非直接的工具调用。Agent 编写代码与 MCP 服务器交互，只加载需要的工具，并在执行环境中处理数据后返回结果。
一种方法是生成一个文件树，包含所有已连接 MCP 服务器的可用工具（用 TypeScript 实现），其中每个工具对应一个带有类型化接口的文件。Agent 通过探索文件系统来发现工具——列出目录以找到可用的服务器，然后读取特定工具文件以了解接口。
Cloudflare 发布了类似的发现，称之为"Code Mode"。核心洞察是："LLM 擅长编写代码，开发者应该利用这一优势。"
这将 Token 使用量从 150,000 Token 降至 2,000 Token——"时间和成本节省了 98.7%"。
基于 MCP 的代码执行的优势
渐进式信息披露
模型擅长浏览文件系统。将工具以代码形式呈现在文件系统上，让模型可以按需读取定义。search_tools 工具也可以查找相关定义，支持不同详细程度的参数（仅名称、名称和描述、或完整 Schema）。
Context 高效的工具结果
对于大型数据集，Agent 可以在代码中过滤和转换结果后再返回。例如，获取一个 10,000 行的电子表格并在执行环境中过滤，意味着 Agent 只看到 5 行而非 10,000 行。类似的模式适用于聚合、跨数据源的连接或字段提取。
更强大且 Context 高效的控制流
循环、条件判断和错误处理使用熟悉的代码模式，而非链式调用单个工具。这也减少了"首个 Token 响应时间"的延迟，因为代码执行环境负责评估条件判断，而非模型本身。
隐私保护操作
中间结果默认保留在执行环境中。Agent 只能看到显式记录或返回的内容。对于敏感工作负载，MCP 客户端可以自动对敏感数据进行标记化处理（如电子邮件、电话号码和姓名等 PII），这样真实数据在系统间流动但不会经过模型。确定性安全规则可以定义数据的流向。
状态持久化和技能
具有文件系统访问权限的代码执行让 Agent 能够跨操作维持状态——将中间结果写入文件，支持恢复和进度跟踪。Agent 还可以将代码持久化为可复用函数，保存实现以供未来使用。添加 SKILL.md 文件可以创建结构化的技能供模型引用，随时间构建更高级能力的工具箱。
注意事项
"运行 Agent 生成的代码需要一个安全的执行环境，具备适当的沙箱隔离、资源限制和监控。"这些基础设施要求增加了运维开销。收益应与实施成本进行权衡。
总结
MCP 为 Agent 连接工具和系统提供了基础协议。当连接的服务器过多时，工具定义和结果会消耗过多 Token。虽然这些问题看似新颖，但软件工程领域已有成熟的解决方案。代码执行将已验证的模式应用于 Agent，使用熟悉的编程范式实现更高效的 MCP 交互。
Anthropic 鼓励实施者在 modelcontextprotocol.io 与 MCP 社区分享发现。