E se a definição de ferramentas para agentes de IA desperdiçar muito contexto? Aqui está um novo tutorial para Anthropic! O novo tutorial da Anthropic é sobre agentes e se intitula: Executando código com MCP: Construindo agentes mais eficientes. A questão central é simples, mas é algo que todos enfrentam frequentemente: 1. As diversas ferramentas definidas por todos ocuparão a janela de contexto quando o modelo grande estiver em execução (por exemplo, um prompt do sistema como este: as ferramentas que você pode usar incluem o ambiente de execução do Python, a calculadora, a leitura de dados, etc., e as definições dessas ferramentas podem ser muito longas). 2. Os resultados intermediários das chamadas de ferramentas são repetidos várias vezes dentro do contexto, desperdiçando tokens. A solução da Anthropic é simples: encapsular tudo isso dentro do servidor MCP, permitindo que o Agente escreva código para chamar o servidor MCP (Agente COMO JIT, essa é a ideia central). Compilei os detalhes em fichas resumidas para que todos possam dar uma olhada. O texto original está aqui:
