為何Anthropic的「Code Execution with MCP」將徹底改寫AI代理人擴展性挑戰？

在人工智慧代理人的設計領域，Model Context Protocol（MCP）作為連接AI代理人與外部系統的開放標準，正面臨嚴峻的擴展性挑戰。隨著多工具整合需求的爆炸式增長，傳統MCP代理人因為需透過模型上下文窗口傳遞大量的工具定義與中間結果，導致令牌(token)消耗大幅增加，並帶來成本飆升與系統延遲。Anthropic提出創新性的「code execution with MCP」方案，透過TypeScript程式碼模組化及沙盒執行環境，巧妙突破上述瓶頸，帶來效率與私密性的雙重提升。本文將深入分析此技術革新，探討其如何顛覆AI代理人擴展性的核心難題，並展望未來發展趨勢。
—

AI代理人擴展性的核心困境

MCP架構與擴展性挑戰解析

Model Context Protocol（MCP）設計初衷是讓AI代理人能快速連結多個外部工具與系統，如文檔存取、CRM系統整合等，成為代理人的核心協作橋樑。傳統MCP代理人運作流程包含：
– 將大量工具定義與相對應功能描述通過模型上下文視窗傳遞
– 傳送工具使用過程中產生的中間結果於上下文中，供模型參考決策
不過，隨著工作流程及工具數量激增，這種方法造成：
– 令牌消耗劇增：上下文視窗有限，每增加一次資料傳輸就增加耗費的令牌數
– 成本與延遲提升：需要使用更大規模模型或更頻繁請求，提高API調用費用與反應時間
– 難以支持大規模複雜流程：長期操作的多階段任務，工具資料不斷累積，導致上下文爆炸，模型難以有效理解整體狀況
> 一個形象的比喻是：傳統MCP代理人像是在窄長的走廊中搬運大量箱子，空間有限，箱子堆積容易堵塞且移動遲緩；而隨著工作負荷加重，搬運效率迅速降低。
這些挑戰成為AI代理人難以在企業級及大規模環境下部署的關鍵瓶頸[^1]。

傳統方案的局限性

– 需要模型反覆閱讀及處理冗長的工具資料
– 令牌使用效率低落
– 缺乏針對敏感資料的專門保護機制
– 不利於動態的工具更新與重用，影響代理人靈活應用
因此，一場關於如何優化令牌消耗與代理人擴展性的技術革命勢在必行。
—

Anthropic與MCP代理人設計演進

「Code Execution with MCP」的創新理念

Anthropic最新推出的「code execution with MCP」方案，將傳統MCP伺服器的工具封裝成可在安全沙盒中執行的TypeScript程式碼模組，由代理人透過撰寫腳本在本地環境直接執行，而非每次經過模型調用。
– 將工具定義和功能包裝為薄包裝(TypeScript)函數模組
– 代理人產生的TypeScript程式碼在執行環境中運行，呼叫相應API完成具體任務
– 把大型資料集留在執行環境中，減少上下文傳輸壓力及令牌消耗
此舉類似於：把繁重箱子放置在寬敞倉庫內由機器人內部操作，而非在狹窄通道頻繁搬運，大幅提升空間利用率與整體效率。

技術優勢解析

– 降低上下文依賴：模型只需關注程式碼的摘要輸出及控制流，減少重複資料
– 提升擴展性：新增工具時只需更新程式碼庫模組，無需重新將所有工具細節塞入上下文
– 支持複雜多工具協同：代理人可自訂TypeScript腳本串接多種工具形成工作流
Anthropic的這項設計突破了傳統MCP限制，提供了更靈活、有效且安全的方法來管理多工具調用，實現更高效的AI代理人架構[^1][^2]。
—

以程式碼執行優化令牌使用

Token消耗瓶頸再造解方

Anthropic的方案核心在於減少令牌消耗達98.7%，從一個典型工作流程中，令牌消耗由約150,000縮減到僅約2,000，顯示強大效益：
– 大型資料集或長文檔在執行環境內處理，如Google Drive文件資料直接存取、運算
– 模型只獲取摘要與必要小樣本，減少上下文負載
– 中間結果保留於執行環境，可作後續調用，提升整體效率

成本與效能的雙重改善

– 運算成本降低：減少不必要的令牌請求，降低API使用費用
– 回應時間縮短：上下文規模縮小，加快模型處理速度
– 支援多步工作流：簡化複雜任務管理過程，使代理人能穩定應用於企業級場景
例如一個利用Salesforce及Google Drive的合約管理工作流程，透過TypeScript編碼可實現跨工具的順序操作，避免反覆傳送長會議紀錄等冗餘資料，使代理人運作更加迅捷及可控。
> 此設計猶如資料不斷有效壓縮，只傳輸必要核心畫面，提升訊息傳遞效率與質量。
Anthropic的數據及實際案例明確呈現了此策略在成本、時間上的巨大優勢，標誌著MCP代理人運作將迎來質的飛躍[^2]。
—

TypeScript封裝與資料私密保護機制

薄包裝函數與模組化優勢

Anthropic將每個MCP工具封裝為具類型安全的TypeScript薄包裝函數，帶來多項好處：
– 簡潔且可重用的程式碼結構，方便模型撰寫短小腳本
– 多工具串接時，腳本中間結果無需反覆透過模型上下文傳遞
– 在本地執行環境保留完整資料，提高資料操作自由度及效率

敏感資料標記與隱私保障

– 執行環境支持敏感資料標記，如信用卡信息、個人身份資料
– 標記後資料不會暴露於模型輸入，保障數據隱私
– 增加整體系統安全性及合規性，適合高度隱私敏感的企業應用場景

靈活且安全的API演進趨勢

透過程式碼層級的API介面化，MCP不再是單純的工具列表，而是轉型為可執行的API集合，帶動AI代理人架構走向：
– 更動態且持續演進的組件系統
– 強化安全防護，降低程式碼執行因漏洞造成的風險
– 支持持續技能重用及漸進式工具擴散
這些特點體現了Anthropic在系統設計上的前瞻性思維與整體安全戰略[^1][^2]。
—

MCP代理人架構未來發展方向

高效令牌管理與成本控制

Anthropic的code execution解決方案已經展示：
– 令牌消耗降低約98.7%，使得運算成本與系統延遲大幅下滑
– 促成代理人能適應大型、複雜的多工流程，符合商業應用需求
未來MCP代理人將可能：
1. 從工具清單進一步深化成完整的可執行API介面
2. 推動代理人在效率、擴展性及成本管理方面的突破
3. 持續強化程式碼執行的安全防護，預防潛在風險

持續演進的AI代理人核心架構

– 動態組件化與模組化設計：讓代理人能迅速集成新興工具及功能
– 智慧的資源管理：根據業務需求自動調節上下文及資料流
– 融合隱私與安全約束：更貼近法規標準及用戶信任要求
Anthropic的技術路線預示著，AI代理人不僅是工具調用機器，更將成為類似程式碼驅動的智慧生態系統核心，實現更高效與安全的人工智慧實踐[^1]。
—

探索Anthropic MCP創新技術應用

Anthropic通過「code execution with MCP」開創了AI代理人設計的新標竿，成功：
– 大幅減少token消耗，節省大量運算成本
– 強化資料隱私安全及執行環境控制
– 促進多工具複雜工作流穩健、高效執行
想深入了解Anthropic如何借助Model Context Protocol與TypeScript共創AI代理人未來？建議閱讀官方案例與技術細節說明：
– 探索MCP從工具清單轉向可執行API接口的演變
– 掌握如何利用code execution降低延遲與令牌使用
– 了解企業級敏感資料安全保護實踐
立即從MarkTechPost分析專文開始，掌握Anthropic MCP創新的未來趨勢，助力您的AI專案實現高速效能與卓越擴展性！
—

常見問題

參考文獻

^1]: MarkTechPost, [Anthropic Turns MCP Agents into Code-First Systems with “Code Execution with MCP” Approach, 2025年11月8日
[^2]: 同上文
—
本文全面分析Anthropic的「Code Execution with MCP」在AI代理人架構中的技術突破，歡迎深入探究以期探索更大規模AI應用的可能性。