Le guide officiel d'Anthropic, « Comment créer des agents d'IA plus efficaces grâce à l'exécution de code + MCP », réduit la consommation de jetons de 150 000 à 2 000, ce qui permet d'économiser 98 % de temps et de coûts. Avec le nombre croissant d'outils de connexion, la méthode d'invocation directe de ces outils entraîne des problèmes tels qu'une consommation excessive de jetons et une efficacité réduite des agents. L'idée principale est de considérer le serveur MCP comme une API de code, et non comme un appel d'outil direct, permettant ainsi aux agents d'écrire du code pour interagir avec le serveur MCP. Cela peut améliorer l'efficacité contextuelle des agents intelligents, réduire les coûts et la latence, et également améliorer la capacité des agents intelligents à gérer des tâches complexes, tout en protégeant la vie privée. Le mécanisme de découverte des outils organise les outils MCP dans une structure de système de fichiers, telle que servers/google-drive/getDocument.ts. Les agents peuvent explorer le système de fichiers pour découvrir et charger les définitions d'outils requises à la demande, sans avoir à charger tous les outils en même temps. Dans l'orchestration de code, l'agent n'appelle plus directement l'outil, mais génère un fragment de code, par exemple en TypeScript. Ce code appelle des fonctions prédéfinies pour interagir avec l'outil MCP. Par exemple, la tâche consistant à « télécharger les notes de réunion depuis Google Drive et les joindre aux prospects Salesforce » est transformée en code incluant des appels à `gdrive.getDocument()` et `salesforce.updateRecord()`. En matière de protection de la vie privée, les résultats intermédiaires sont conservés par défaut dans l'environnement d'exécution, et seules les données explicitement enregistrées ou renvoyées entreront dans le contexte du modèle. Pour les données sensibles, telles que les informations d'identification personnelle (PII), le client MCP peut dépersonnaliser les données avant qu'elles n'atteignent le modèle, puis les dépersonnaliser à nouveau lorsque cela est nécessaire, garantissant ainsi que les informations sensibles ne sont jamais directement exposées au modèle. #MCP #AgentIA
