开篇暴击：15 万 Token 变 2000，成本砍半还多？
Anthropic 刚抛出的 Agent 开发 “神文” 炸翻技术圈：一套基于代码执行的新范式，将典型任务的 Token 消耗从 15 万骤降至 2000，成本与时间直接节省 98.7%。
要知道，当前 AI Agent 最大的命门就是上下文窗口过载—— 连接数百工具时，光工具定义就占数十万 Token；处理数据时，中间结果反复加载更是雪上加霜。Anthropic 的解法，竟是把传统软件工程的智慧搬进了 AI 领域。
�� 致命 “Token 税”：Agent 开发的两座大山
在解析新方案前，先看清传统 Agent 的两大 “隐形税”：
1. 工具定义过载：未开工先烧钱
传统模式下，所有工具定义需一次性塞进上下文。比如连接 Google Drive 与 Salesforce 的 Agent，仅两个工具的定义就包含参数说明、返回格式等大量文本：
展开剩余83%// Salesforce工具定义示例
salesforce.updateRecord
Description:更新Salesforce记录
Parameters:
- objectType (必需,string):对象类型
- recordId (必需,string):记录ID
- data (必需,object):更新字段
连接数十个工具时，这些定义能轻松吃掉数十万 Token，模型还没干活，成本就已爆表。
2. 中间结果内耗：数据反复 “串门”
更致命的是数据流转低效。以 “下载会议纪要并同步至 Salesforce” 为例：
1. 调用 Google Drive 接口，5 万 Token 的纪要全量进入上下文
1. 调用 Salesforce 接口，5 万 Token 纪要需再次写入
仅两步骤就消耗 10 万 Token，大文件甚至直接撑爆上下文窗口。
�� 破局关键：让 AI 写代码，而非直接调用工具
Anthropic 的核心革新，是将 “模型直接调用工具” 改为 “模型编写代码调用工具”，这套建立在 MCP 协议上的新范式，从根源上解决了 Token 浪费问题。
新范式的 3 步落地法
1. 工具 API 化：将所有 MCP 工具封装成代码文件，形成文件树：
servers/
├── google-drive/
│ ├── getDocument.ts // 封装文档获取工具
│ └── index.ts
└── salesforce/
├── updateRecord.ts // 封装记录更新工具
└── index.ts
1. AI 按需探索：模型可像程序员一样浏览文件树，只读取当前任务需用的工具接口（如 getDocument.ts），避免全量加载。
1. 数据本地化流转：中间结果存储在代码变量中，无需进入上下文：
// 新范式执行代码
import * as gdrive from './servers/google-drive';
import * as salesforce from './servers/salesforce';
// 数据存在变量中，不进模型上下文
const transcript = (await gdrive.getDocument({id:'abc123'})).content;
await salesforce.updateRecord({
recordId:'00Q5f000001abcXYZ',
data:{Notes: transcript}
});
�� 性能碾压：不止省 Token，更重构能力边界
1. 核心数据对比
场景
传统方式 Token 消耗
代码执行方式 Token 消耗
节省率
跨工具数据同步
150,000
2,000
98.7%
多工具组合任务
80,000
1,800
97.8%
2. 4 大额外优势
· 渐进式探索：模型可按需搜索工具，无需预知所有接口
· 复杂逻辑落地：用代码实现循环、错误处理，替代繁琐的工具调用链（如轮询 Slack 消息）
· 隐私保护：敏感数据在执行环境内流转，模型仅见令牌化结果（如EMAIL_1）
· 技能沉淀：成功代码可保存为复用函数，形成 Agent 的 “技能库”
⚠️ 挑战与展望：安全与效率的权衡
新范式虽强大，仍需跨越一道坎 ——代码执行安全。运行 AI 生成的代码必须配备沙箱环境、资源限制与监控机制，防止恶意代码执行。
但这种权衡显然值得：Cloudflare 已独立验证类似 “代码模式” 的有效性，Anthropic 更是指出，这本质是将软件工程的成熟经验嫁接到 AI 领域 —— 上下文管理、状态持久化等问题，早有现成解法。
�� 行业影响：Agent 开发进入 “低成本时代”
对开发者而言，这意味着：
· 中小团队可负担大规模工具集成（Token 成本降至原来的 1.3%）
· 复杂任务落地更轻松（如处理 1 万行表格数据，仅需返回 5 行样本）
· 隐私合规成本降低（敏感数据无需经模型上下文）
Anthropic 用 “少即是多” 的理念证明：AI Agent 的进化，未必需要更复杂的框架，有时只需回归工程本质。
发布于：吉林省