¿Qué ocurre si la definición de herramientas para agentes de IA desperdicia demasiado contexto? ¡Aquí tenéis un nuevo tutorial para Anthropic! El nuevo tutorial de Anthropic trata sobre agentes y se titula: Ejecutando código con MCP: Creando agentes más eficientes. El problema fundamental es simple, pero es uno al que todos nos enfrentamos con frecuencia: 1. Las diversas herramientas definidas por cada usuario ocuparán la ventana de contexto cuando se esté ejecutando el modelo grande (por ejemplo, un indicador del sistema como este: las herramientas que puede usar incluyen el entorno de ejecución de Python, la calculadora, la lectura de datos, etc., y las definiciones de estas herramientas pueden ser muy largas). 2. Los resultados intermedios de las llamadas a las herramientas se repiten varias veces dentro del contexto, desperdiciando tokens. La solución de Anthropic es simple: encapsular todo esto dentro del servidor MCP, permitiendo que el Agente escriba código para llamar al servidor MCP (Agente COMO JIT, esta es la idea central). He recopilado los detalles en fichas resumidas para que todos puedan consultarlas. El texto original se encuentra aquí:
