关于 [Anthropic] MCP代码执行的解释与总结

根据您的查询 “[Anthropic] MCP代码执行”，这似乎指的是 Anthropic 公司于 2025 年 11 月 4 日发布的工程博客文章：《Code execution with MCP: Building more efficient agents》（代码执行与 MCP：构建更高效的智能体）。这篇文章介绍了如何使用 Model Context Protocol (MCP) 结合代码执行来优化 AI 智能体（agents）的工具调用效率，减少 token 消耗（从 15 万降至 2 千，节省 98.7% 的时间和成本）。

MCP 是一个开放标准，用于将 AI 智能体连接到外部系统（如工具、数据服务）。文章的核心是解决 MCP 在工具数量增多时的痛点：工具定义过多导致上下文窗口过载，以及中间结果反复传递增加延迟和成本。解决方案是通过 代码执行（code execution）模式，让智能体生成代码来调用 MCP 工具，而不是直接工具调用。

主要问题与挑战

工具定义过载上下文窗口：传统方式将所有工具描述加载到模型上下文中，导致 token 消耗巨大（例如，连接数千工具可能需处理数十万 token）。
中间工具结果消耗 token：如从 Google Drive 获取文档并更新到 Salesforce 时，整个文档内容需多次通过模型上下文，容易超出窗口限制或出错。

传统架构示意图（文章描述）：

MCP 客户端加载所有工具定义到模型上下文。
模型直接调用工具，每次调用和结果都需通过模型循环处理。

解决方案：代码执行 + MCP

将 MCP 服务器呈现为代码 API 文件树结构，让智能体编写代码调用工具。这样：

只加载需要的工具定义（通过文件系统浏览或搜索）。
在执行环境中处理数据（过滤、聚合），只返回精简结果给模型。

文件树示例（TypeScript）：

servers
├── google-drive
│   ├── getDocument.ts
│   └── index.ts
├── salesforce
│   ├── updateRecord.ts
│   └── index.ts
└── ... (其他服务器)

工具文件示例（getDocument.ts）：

// ./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);
}

智能体生成的代码示例（处理 Google Drive 到 Salesforce 的任务）：

// 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 }
});

发现工具：智能体通过列出 ./servers/ 目录或使用 search_tools 工具查找相关工具。
减少 token：从 150,000 降至 2,000，节省 98.7%。

优势

渐进式披露（Progressive Disclosure）：模型按需读取工具文件，或使用 search_tools 工具（可指定细节级别：仅名称、描述或完整定义）。
上下文高效的工具结果：在代码中过滤大数据集，只返回摘要给模型。
示例（处理 10,000 行表格）：

   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)); // 只返回前 5 行

更强大的控制流：使用循环、条件、错误处理，而非多次工具调用。
示例（轮询 Slack 通知）：

   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');

隐私保护操作：在执行环境中处理敏感数据，使用 tokenization（如将邮箱替换为 [EMAIL_1]），模型只看到占位符。
状态持久化和技能：保存文件跨执行（如 CSV），或创建可复用函数（技能文件夹 + SKILL.md 描述）。

权衡与注意事项

优势：减少 token、降低延迟、提升工具组合能力。
缺点：需要安全代码执行环境（沙盒、资源限制、监控），增加运维复杂性。简单任务仍可使用传统工具调用。
Cloudflare 也独立发现了类似方法，称为 “Code Mode”。

实践建议

实现时，使用文件系统呈现工具 API。
社区可分享经验，推动 MCP 生态发展。

文章作者：Adam Jones 和 Conor Kelly，感谢多位反馈者。

如果您需要：

具体实现代码（TypeScript/Python 示例）。
与 jQuery EasyUI 结合的演示（例如，在 DataGrid 中动态排序 MCP 数据）。
更多细节或工具调用演示，请提供更多信息！

关于 [Anthropic] MCP代码执行的解释与总结