Anthropic 11 月 4 日發布 code execution with MCP 之後,search_tools 與按需工具清單 JSON 該如何替代整包 tools 陣列?

截至 2026 年 11 月 7 日:沙箱內 callMCPTool 仍走 JSON-RPC tools/call;宿主用 search_tools 或檔案樹漸進披露,過濾後再把摘要 JSON 寫回對話。

先給結論:2026 年 11 月 4 日 Anthropic 在工程部落格發布《Code execution with MCP》。把 MCP 工具從「整包塞進模型 context 的 tools 陣列」改成「沙箱裡按檔案樹漸進披露 + 用程式碼調 callMCPTool」;宿主往往只給模型一個 search_tools(或等價發現工具)和程式碼執行能力,由模型按需讀 servers/<name>/<tool>.ts 形態的清單,而不是一次性上傳幾十個 Server 的全部 JSON Schema。中間結果(大段表格、會議記錄、10k 行 Sheet)在執行時過濾後再 console.log 摘要進對話,避免每一跳都經模型複製全文。MCP 線上仍是 JSON-RPC 2.0 的 tools/call;變的是誰在 orchestration 層拼裝 JSON。

這篇按 2026 年 11 月 7 日寫,依據該文與社群對 MCP 一週年(11 月 25 日)前後的討論。兩天前本站《GPT-Image-2.6》講影像端點 JSON;四天前《message threads》講增量 Messages JSON。本文互補:threads 減重複歷史,code+MCP 減重複 tool 定義與中間結果。更底層的資料流仍可見《Agent 裡的 JSON 資料流》。

直連 tool calling 為何撐不住規模

典型 MCP Client 在每一輪 Messages/Chat 請求裡帶上全部 tools[],每項含 name、長 description 與整份 input_schema(JSON Schema)。連線二十個 Server、上千工具時,模型還沒讀使用者問題就先吃下十萬級 token。第二個痛點是 orchestration:工具 A 的 5 萬字結果要寫入工具 B 的參數欄位時,同一段文字往往在 context 裡出現兩次(一次在 tool_result,一次在下一輪 tool_use 的 arguments 字串裡)。

Code execution 模式不取消 MCP,而是把「列工具、組參數、鏈式呼叫」交給模型生成的程式碼;宿主提供安全執行時與穩定的 callMCPTool 橋。Cloudflare 等廠商把同類思路叫 Code Mode——核心一致:LLM 寫程式碼比逐條 hand-written tool loop 更省 context。

search_tools 請求 JSON 怎麼寫

漸進披露時,模型不必先讀 500 個定義,而是呼叫宿主暴露的元工具。Anthropic 文中等價能力常建模為 search_tools,參數建議用 JSON Schema 約束,例如:

{
  "name": "search_tools",
  "description": "Find MCP tools by keyword across connected servers.",
  "input_schema": {
    "type": "object",
    "properties": {
      "query": { "type": "string", "minLength": 1 },
      "detail_level": {
        "type": "string",
        "enum": ["name", "name_description", "full"]
      },
      "server_filter": { "type": "array", "items": { "type": "string" } }
    },
    "required": ["query"],
    "additionalProperties": false
  }
}

模型一次 tool_use 的 arguments 可能是 {"query":"salesforce","detail_level":"full"};宿主返回的 tool_result 是縮小後的 JSON 陣列(僅匹配工具的 name、description、必要時附帶 input_schema),而不是把未過濾的 tools/list 整包貼回對話。若你改用「虛擬檔案樹」而不做 search,則沒有這段 JSON,而是讓模型讀 servers/google-drive/getDocument.ts 等檔案——兩種披露方式二選一或並存,但都應避免全量 upfront。

callMCPTool 與 tools/call 之間

沙箱內 TypeScript/JavaScript 包裝層把穩定符號名對映到 MCP 實際工具名(常帶 server__tool 分隔)。使用者程式碼呼叫:

await callMCPTool('google_drive__get_document', {
  documentId: 'abc123'
});

宿主在沙箱外把它翻譯成標準 MCP JSON-RPC(stdio 或 streamable HTTP 上同一形狀):

{
  "jsonrpc": "2.0",
  "id": 42,
  "method": "tools/call",
  "params": {
    "name": "google_drive__get_document",
    "arguments": { "documentId": "abc123" }
  }
}

成功響應的 result.content 仍多為帶 type: text 或結構化塊的 JSON;沙箱預設不把原始 result 整段寫進模型訊息,除非你的 harness 顯式 console.log 或 return 摘要。除錯時應在日誌側儲存完整 JSON,與進模型的裁剪版分開校驗。

在沙箱裡過濾再回傳

文中最典型的 token 節省是「大結果區域性可見」。虛擬碼:

const allRows = await gdrive.getSheet({ sheetId: 'abc123' });
const pending = allRows.filter(r => r.Status === 'pending');
console.log(JSON.stringify({
  pending_count: pending.length,
  sample: pending.slice(0, 5)
}));

模型只看見五行樣本與計數,而不是 10k 行陣列。迴圈、等待、分支也可用普通程式碼表達,減少「sleep 工具 + 再查一次」的多輪 JSON 往返。敏感欄位場景下,宿主還可對進出模型的 JSON 做 tokenize/untokenize,使 PII 不以明文出現在 assistant 可見的 tool_result 裡——規則層仍是 JSON 物件,只是值被佔位符替換。

宿主回合裡還應出現哪些 JSON

與經典 agent loop 相比,訊息裡的 tool_result 條數往往更少、更短:一輪使用者任務可能只有「執行程式碼塊」+「標準輸出摘要」兩次可見往返,而 MCP 呼叫次數在沙箱內完成。你仍要在 create 回合傳送 system(描述檔案樹路徑、callMCPTool 約定、允許的網路/FS 範圍)以及精簡後的 tools。若同時使用 message threads,tool 集合在 create 固定、continue 不帶 tools——code 模式要求你在 create 就把 search_tools/execute 定好,避免中途換清單觸發 fingerprint 錯誤。

層直連 MCP tool callingCode execution + MCP
進模型的 tools全量 definitions發現 + 執行 + 少量元工具
tool_result 體積常含完整 MCP 返回多為 stdout 摘要 JSON
MCP 線協議JSON-RPC tools/call同上,由宿主代發

本機校驗清單 JSON

建議在倉庫裡維護三份可校驗樣例:search_tools 的 arguments 與 result、tools/call 請求/響應、以及允許出現在模型上下文中的「摘要 result」最大 JSON 模板。合併多環境配置時,用 JSON Diff 對比舊版全量 tools 與新 manifest;用 JSON 校驗 確認 detail_level 列舉與 additionalProperties: false 未被破壞。

常見問題 FAQ

這是不是取代 MCP,改回純 Function Calling?

不是。MCP 仍是 Server 與 Host 之間的 JSON-RPC 標準;變的是 Client 不再把全部 definitions 與中間結果都塞回模型。

還需要在每輪 Messages 裡帶巨大 tools 陣列嗎?

不應再帶全量。create 回合只暴露發現/執行相關元工具與策略;具體 Server schema 按需載入。

和 message threads 能一起用嗎?

可以。threads 管歷史增量;code+MCP 管工具定義與結果體積。注意 create 時固定 tools/system,continue 勿再傳 tools。

和 Cloudflare Code Mode 有何區別?

洞察相同(用程式碼編排 MCP),差異在沙箱實現、工具發現 API 與命名約定;JSON-RPC 載荷形狀應對齊 MCP 規範。

沒有沙箱可以上生產嗎?

不建議。模型生成程式碼執行等同於 RCE 風險面,需資源限制、網路策略與審計;直連 tool calling 的安全模型不能照搬。

search_tools 的 detail_level 應如何設預設值?

預設 name_description 平衡發現與 token;僅當模型要寫呼叫程式碼時再請求 full 含 input_schema。

總結

11 月 4 日的 code execution with MCP:用按需 manifest 與沙箱內 JSON-RPC 編排,換掉「全量 tools + 全量中間結果過模型」的兩段浪費;協議仍是 MCP,賬本要在宿主側記清。