代码执行 + MCP：AI 代理 token 省 98%！

简单说MCP和问题

咱们做AI开发的都知道，现在AI代理要对接各种工具------谷歌云盘、Salesforce、企业内部系统，没个统一的连接方式简直要疯。Anthropic的MCP（Model Context Protocol）算是解决了这个痛点，相当于给所有工具装了个"通用插座"，AI代理插一次就能用所有工具。

但用着用着就发现不对劲了：工具多了之后，AI代理反应越来越慢，token花得飞起，有时候大文件还直接超出上下文限制。这篇文章就用大白话给你讲明白问题出在哪，以及怎么用"代码执行"搞定它，全程带实操代码和图解，新手也能跟着做！

先搞懂：传统MCP用法为啥坑？

咱们先说说传统的MCP工具调用模式，不是说它不好，而是工具多了之后"扛不住"，主要俩坑：

坑1：工具定义太占"内存"（上下文窗口）

传统方式会把所有工具的说明书（功能描述、参数、返回值）全塞进AI的"脑子"里。比如你对接1000个工具，每个工具的定义要几百个token，加起来就是几十万token------AI得先读完这些说明书，才能处理你的请求，这不就跟电脑开了100个软件一样卡吗？

坑2：中间结果反复"折腾"（重复消耗token）

比如你让AI做个简单任务："从谷歌云盘下载会议纪要，贴到Salesforce里"。传统流程是这样的：

AI调用谷歌云盘工具，把10万字的会议纪要全读进上下文（花一次token）；
AI再调用Salesforce工具，又把这10万字纪要复制一遍贴进去（再花一次token）。

相当于同一份数据跑了两趟，大文件直接超出上下文上限，还容易复制出错。

用一张mermaid图直观对比下，传统模式有多绕：
用户请求 AI加载所有工具定义调用谷歌云盘工具会议纪要全量进上下文 AI复制纪要调用Salesforce工具纪要再进上下文一次完成任务

解决方案：代码执行+MCP，效率直接翻倍

核心思路很简单：AI擅长写代码，那咱们就把MCP工具做成"代码接口"，让AI写代码调用工具，而不是直接喊工具名。这样既能按需加载工具，又能在代码里处理数据，不用麻烦AI的"脑子"。

先看整体架构：工具按文件夹分类

咱们把每个MCP工具都做成一个独立的代码文件，按工具所属的服务器分文件夹放，结构如下：

这样AI要用到哪个工具，就去读哪个文件的代码，不用加载所有工具定义，省大了！

实操环节：手把手写代码

第一步：环境准备

先安装MCP客户端SDK（支持所有主流语言，这里用TypeScript举例）：

bash 复制代码

# 安装MCP核心SDK
npm install @anthropic/mcp-client
# 安装文件操作依赖
npm install fs-extra

第二步：封装MCP工具为代码接口

咱们以"谷歌云盘下载文档"和"Salesforce更新记录"为例，写工具代码：

1. 通用MCP客户端配置（client.js）

javascript 复制代码

// 全局MCP客户端配置，只需写一次
import { MCPClient } from '@anthropic/mcp-client';

// 初始化客户端（替换成你的MCP服务器地址和密钥）
export const mcpClient = new MCPClient({
  serverUrl: 'https://your-mcp-server.com',
  apiKey: 'your-mcp-api-key',
});

// 通用工具调用函数，所有工具都能用
export async function callMCPTool<T>(toolName: string, input: any): Promise<T> {
  try {
    const response = await mcpClient.callTool(toolName, input);
    return response.data as T;
  } catch (error) {
    console.error(`调用工具${toolName}失败：`, error);
    throw error; // 抛出错误让AI处理
  }
}

2. 谷歌云盘工具封装（servers/google-drive/getDocument.ts）

typescript 复制代码

// 导入通用客户端
import { callMCPTool } from '../../client.js';

// 定义输入输出类型（AI能看懂参数格式）
export interface GetDocumentInput {
  documentId: string; // 文档ID（必填）
  fields?: string;    // 可选：只返回指定字段（比如"title,content"）
}

export interface GetDocumentResponse {
  title: string;      // 文档标题
  content: string;    // 文档内容
  metadata: Record<string, string>; // 元数据（创建时间、作者等）
}

/**
 * 从谷歌云盘下载文档
 * @param input - 文档ID和可选字段
 * @returns 文档完整信息
 */
export async function getDocument(input: GetDocumentInput): Promise<GetDocumentResponse> {
  // 调用MCP工具（工具名要和MCP服务器一致）
  return callMCPTool<GetDocumentResponse>('google_drive__get_document', input);
}

3. Salesforce工具封装（servers/salesforce/updateRecord.ts）

typescript 复制代码

import { callMCPTool } from '../../client.js';

// 输入参数定义
export interface UpdateRecordInput {
  objectType: string; // 对象类型（比如"Lead"线索、"Account"客户）
  recordId: string;   // 记录ID（必填）
  data: Record<string, any>; // 要更新的数据（比如{Notes: "会议纪要"}）
}

// 输出结果定义
export interface UpdateRecordResponse {
  success: boolean;   // 是否成功
  record: Record<string, any>; // 更新后的完整记录
  message?: string;   // 提示信息
}

/**
 * 更新Salesforce中的记录
 * @param input - 对象类型、记录ID、更新数据
 * @returns 更新结果
 */
export async function updateRecord(input: UpdateRecordInput): Promise<UpdateRecordResponse> {
  return callMCPTool<UpdateRecordResponse>('salesforce__update_record', input);
}

第三步：AI写代码调用工具（核心操作）

现在让AI执行"下载会议纪要+更新到Salesforce"的任务，AI只需要写下面这段代码，比传统模式简洁太多：

typescript 复制代码

// 导入需要的工具（按需导入，不浪费资源）
import * as gdrive from '../servers/google-drive/getDocument.js';
import * as salesforce from '../servers/salesforce/updateRecord.js';

// 主任务函数
async function main() {
  try {
    // 1. 从谷歌云盘下载会议纪要（只传必要参数）
    const doc = await gdrive.getDocument({
      documentId: 'abc123', // 你的文档ID
      fields: 'content'     // 只需要内容字段，减少数据传输
    });

    // 2. 直接把内容更新到Salesforce（数据在代码里流转，不重复进AI上下文）
    const result = await salesforce.updateRecord({
      objectType: 'SalesMeeting',
      recordId: '00Q5f000001abcXYZ', // 你的Salesforce记录ID
      data: { Notes: doc.content }   // 直接用下载的内容，不用复制
    });

    console.log('任务完成！', result.message);
  } catch (error) {
    console.error('任务失败：', error);
  }
}

// 执行任务
main();

第四步：看看效果有多牛（数据说话）

对比项	传统MCP调用	代码执行+MCP	优化幅度
工具定义token消耗	150,000个	2,000个	减少98.7%
中间结果token消耗	50,000个（重复2次）	0个（代码内流转）	减少100%
任务响应时间	20秒	3秒	提升85%
大文件（10万字）支持	不支持（超上下文）	支持（代码预处理）	-

用图看代码执行的流程，有多顺畅：
用户 AI代理代码执行环境谷歌云盘MCP服务器 SalesforceMCP服务器下载会议纪要贴到Salesforce 生成工具调用代码调用getDocument(abc123) 返回文档content 调用updateRecord(数据:content) 返回成功结果输出任务完成任务已完成！用户 AI代理代码执行环境谷歌云盘MCP服务器 SalesforceMCP服务器

进阶用法：这些功能让效率再上一层

1. 数据预处理：只给AI看关键信息

如果下载的是1万行表格，不用全传给AI，代码里先过滤：

typescript 复制代码

import * as gdrive from '../servers/google-drive/getSheet.js';

async function filterData() {
  // 下载1万行表格
  const sheet = await gdrive.getSheet({ sheetId: 'def456' });
  
  // 代码里筛选"待处理订单"，只留前5条给AI看
  const pendingOrders = sheet.rows.filter(row => row.Status === 'pending');
  console.log(`找到${pendingOrders.length}个待处理订单：`);
  console.log(pendingOrders.slice(0, 5)); // 只输出前5条
}

filterData();

2. 循环监控：不用AI反复调用工具

比如监控Slack的部署通知，代码里写个循环就行：

typescript 复制代码

import * as slack from '../servers/slack/getChannelHistory.js';

async function monitorDeployment() {
  let found = false;
  // 循环查询，直到找到部署完成通知
  while (!found) {
    const messages = await slack.getChannelHistory({ channel: 'C123456' });
    // 判断是否有部署完成的消息
    found = messages.some(m => m.text.includes('deployment complete'));
    if (!found) {
      console.log('还没部署完成，5秒后再查...');
      await new Promise(r => setTimeout(r, 5000)); // 等待5秒
    }
  }
  console.log('部署完成！');
}

monitorDeployment();

3. 敏感数据保护：不让AI看到隐私

处理客户手机号、邮箱时，MCP客户端会自动加密，AI只看到占位符：

typescript 复制代码

import * as gdrive from '../servers/google-drive/getSheet.js';
import * as salesforce from '../servers/salesforce/updateRecord.js';

async function importLeads() {
  const sheet = await gdrive.getSheet({ sheetId: 'ghi789' }); // 包含客户信息的表格
  
  for (const row of sheet.rows) {
    await salesforce.updateRecord({
      objectType: 'Lead',
      recordId: row.salesforceId,
      data: {
        Email: row.email,  // 实际是[EMAIL_1]，AI看不到真实邮箱
        Phone: row.phone,  // 实际是[PHONE_1]，AI看不到真实手机号
        Name: row.name     // 实际是[NAME_1]，AI看不到真实姓名
      }
    });
  }
  console.log(`更新了${sheet.rows.length}个客户线索`);
}

importLeads();

注意事项：这些坑要避开

安全沙箱必须搞：AI生成的代码要在隔离环境里运行，限制文件访问、网络请求，防止恶意代码；
资源要设上限：给代码执行环境限制CPU、内存、运行时间，避免死循环耗光资源；
SDK版本要匹配：MCP客户端和工具的SDK版本要一致，不然会出现调用失败；
日志要记好：代码执行的每一步都要打日志，方便后续排查问题。

总结

用代码执行+MCP的模式，相当于给AI代理配了个"专属程序员"------AI不用再纠结怎么调用工具、怎么处理数据，只需要写几行简单代码，剩下的交给代码执行环境。

核心优势就是：省token、提速度、支持大文件、保护隐私，而且代码还能复用（比如把"表格转CSV"做成通用技能）。如果你对接的工具多、任务复杂，赶紧试试这个方法，绝对能省不少钱和时间！