Anthropic官方給出的【如何透過程式碼執行+MCP，來建構更有效率的AI智能體】，把token消耗從15萬降到了2千，時間/費用節省98% 隨著連結工具的增多，直接工具呼叫方式導致的Token消耗過高、智能體效率降低問題 核心思想，把MCP伺服器視為程式碼API，非直接的工具調用，讓智慧體編寫程式碼來與MCP伺服器交互 來增強智能體上下文效率、降低成本、減少延遲，也可以增強智能體處理複雜任務的能力，同時兼顧隱私 工具發現機制，把MCP工具組織成檔案系統結構，例如，servers/google-drive/getDocument.ts，智能體可以透過探索檔案系統來按需發現和載入所需的工具定義，無需一次性載入所有工具 程式碼編排，智慧體不再直接呼叫工具，而是產生一段程式碼例如TypeScript，這段程式碼會呼叫封裝好的函數來與MCP工具交互，比如說，將「從Google Drive下載會議記錄並附加到Salesforce線索」的任務，轉換為一段包含gdrive.getDocument() 和salesforce.updateRecord() 所呼叫的程式碼 在隱私保護上，中間結果預設保留在執行環境中，只有明確記錄或傳回的資料才會進入模型的上下文 對於敏感數據，例如個人識別資訊PII，MCP用戶端可以在數據到達模型之前對其進行脫敏，並在需要時再進行反脫敏，確保敏感資訊永遠不會直接暴露給模型 #MCP #AIagent
