Daily Productive Sharing 1356 - Code execution with MCP

One helpful tip per day:)

Adam Jones 和 Conor Kelly 介绍道：LLM 擅长写代码，开发者应利用这一优势，让智能体通过代码与 MCP 更高效地交互：

1. 随着连接的工具数量增加，如果在启动时加载所有工具定义并在上下文窗口中传递中间结果，会让智能体运行变慢、成本上升。
2. 当 MCP 使用规模扩大后，常见的两种导致成本与延迟上升的模式是：
   　(1) 工具定义塞满上下文窗口；
   　(2) 中间结果占用了额外的 token。
3. 随着智能体越来越多地具备代码执行环境，一个解决方案是——把 MCP 服务器当作“代码 API”，而非直接的工具调用。
4. 这样智能体只需加载当前任务所需的定义，将 token 消耗从 150,000 降到 2,000，节省 98.7% 的时间与成本。
5. 当智能体结合代码执行与 MCP 使用时，中间结果默认保留在执行环境中；只有被显式记录或返回的内容才会暴露给模型，从而保护未必要共享的数据。
6. 智能体还可以把自己编写的可用代码保存为可复用函数，一旦实现某项功能，就能长期调用。
7. 在这些保存的函数中加入 SKILL.md 文件，可形成结构化技能，供模型引用与调用——长期累积后，智能体便能构建出一套高层次的能力工具箱，提高整体效率。
8. 但要注意，代码执行也会带来自身的复杂性。
9. 因此，代码执行带来的好处——更低的 token 成本、更短的延迟、更灵活的工具组合——都应与额外的实现成本权衡考虑。

如果你喜欢的话，不妨直接订阅这份电子报 ⬇️