Wink Pings

Agent不调用工具了,它写代码调用工具

Anthropic MCP论文:同样的工具,同样的任务,工具上下文从150,000 tokens降到2,000 tokens,时间和成本减少98.7%。模型没换,换的是调用方式——Agent不再逐个调用工具,而是写代码调用工具。

Anthropic工程师在一篇MCP论文里展示了一个Agent优化:工具上下文从150,000 tokens(语言模型的文本单位)降到2,000 tokens。同样的工具,同样的任务。模型没换。

换的是调用方式。Agent不再逐个调用工具,而是写代码,让代码调用工具。

工具 → 文件 → 代码 → 过滤 → 答案。

这个优化有6个部分:

1. 工具即文件:每个MCP工具变成 ./servers 下的一个 .ts 文件。Agent列出文件夹,只打开需要的。
2. 按需加载:工具定义从150,000 tokens降到2,000 tokens。时间和成本减少98.7%。
3. 在代码里过滤:一个10,000行的表格在沙箱里过滤。模型只看到5行。
4. 在代码里循环:轮询Slack等“部署完成”的循环,用while loop跑。每次检查不再经过模型。
5. 默认脱敏:邮件和电话在模型看到之前变成[EMAIL_1]和[PHONE_1]。真实数据仍然落到Salesforce。
6. 技能:能用的代码存到 ./skills,带一个SKILL.md。Agent给自己攒工具箱。

rari(@0xwhrrari,AI研究者)把这篇论文称为金矿。他同时引用自己的一篇长文《Harness, Loop and Graph: The Enhanced Edition of Agent Engineering》,把Agent失败的原因拆成三层。

长文的起点是一个常见场景:

你的Agent通过了所有测试,PR也开了,issue还开着。没人撒谎。Agent运行了它被给的测试,在被给的仓库里,按照被给的“完成”规则。模型干完了自己的活。模型周围的一切没干完。

rari给“模型周围的一切”命名:

Harness是空间。Agent能看见什么、摸到什么、记住什么、证明什么。
Loop是时间。Agent怎么尝试、检查、重试、停止。
Graph是结构。有哪些步骤,什么在步骤间流动,谁决定下一步。

它们嵌套:模型在loop里跑,loop在graph的节点里跑,graph在harness里跑。调试Agent之前,先判断故障在哪一层。改错文件是harness问题,同一个错误方案重复六次是loop问题,两个步骤互相等是graph问题。

这个框架解释了code mode为什么有效。

传统MCP调用里,每个工具定义都跟着请求走一遍。工具越多,上下文越臃肿。一个加载了所有工具的Agent,你还没问任何问题,窗口已经烧掉一部分。Anthropic的用词是attention budget:上下文是有限资源,边际回报递减。Code mode在重写harness层——工具从定义变成文件,从声明变成代码。Agent不需要知道所有工具,它需要找到工具的能力。

评论区有几个值得看的补充:

有网友指出,Claude Code已经实验性支持这个模式,v2.1.323+,设置CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1,Claude会写一个JS脚本批量处理工具调用,而不是逐个调用。对涉及很多文件的任务提升最大。

有网友说,最便宜的优化是把不用的MCP服务器直接关掉。工具定义跟着每个请求走,用不用都在烧token。

有网友看得更远:harness会过时,API、MCP、CLI和Skill文档会坍缩成一个bot,skill定义就是契约,CLI就是大脑。他给了张架构图:

exoskeleton架构图

也有质疑。有网友问:模型只看5行,但过滤代码选对那5行了吗?论文量了token节省,没验证过滤结果。有网友提醒:写代码调用工具把风险移到了脚本里,生成的脚本没有schema检查。有网友觉得这不是新东西:Hermes Agent早就在执行代码,中间结果留在沙箱,只有最终输出回到模型。

是不是新东西不重要。重要的是这个模式再次验证了一件事:Agent的瓶颈常常不在模型,在围绕模型的系统。rari的长文里有一句话:模型建议,harness决定。Code mode把决定权从模型往harness挪了一大步。工具上下文是Agent的入场费,Code mode把入场费从包场降到了门票。

发布时间: 2026-11-22 06:03