Anthropic 在 Claude 开发者平台推出三项高级工具调用功能

AI 智能体的未来是模型能够在数百甚至数千个工具之间无缝协作。一个 IDE 助手，集成 git 操作、文件操作、包管理器、测试框架和部署流水线。一个运营协调器，同时连接 Slack、GitHub、Google Drive、Jira、公司数据库以及数十个 MCP 服务器。

要构建高效的智能体，它们需要能够使用无限的工具体库，而不必预先将每个定义都塞进上下文中。我们关于使用 MCP 进行代码执行的博客文章讨论了工具结果和定义有时会在智能体读取请求之前就消耗 50,000+ 个 token。智能体应当按需发现和加载工具，只保留与当前任务相关的内容。

智能体还需要具备从代码中调用工具的能力。使用自然语言工具调用时，每次调用都需要一次完整的推理过程，而中间结果无论是否有用都会堆积在上下文中。代码天然适合编排逻辑，例如循环、条件判断和数据转换。智能体需要根据手头的任务，灵活地在代码执行和推理之间做出选择。

智能体还需要从示例中学习正确的工具用法，而不仅仅是模式定义。JSON 模式定义了结构上有效的内容，但无法表达使用模式：何时包含可选参数、哪些组合是合理的，或者你的 API 期望什么约定。

今天，我们发布三项功能来实现这一点：

Tool Search Tool，允许 Claude 使用搜索工具访问数千个工具，而不消耗其上下文窗口
Programmatic Tool Calling，允许 Claude 在代码执行环境中调用工具，减少对模型上下文窗口的影响
Tool Use Examples，提供了一个通用标准，用于演示如何有效使用给定工具

在内部测试中，我们发现这些功能帮助我们构建了传统工具使用模式无法实现的东西。例如， Claude for Excel 使用 Programmatic Tool Calling 读取和修改包含数千行的电子表格，而不会使模型的上下文窗口过载。

基于我们的经验，我们相信这些功能为使用 Claude 构建应用开辟了新的可能性。

Tool Search Tool

挑战

MCP 工具定义提供了重要的上下文，但随着更多服务器连接，这些 token 会不断累积。以一个五服务器配置为例：

GitHub：35 个工具（约 26K token）
Slack：11 个工具（约 21K token）
Sentry：5 个工具（约 3K token）
Grafana：5 个工具（约 3K token）
Splunk：2 个工具（约 2K token）

这就是 58 个工具，在对话尚未开始前就消耗了约 55K 个 token。再加入像 Jira 这样的更多服务器（仅它本身就使用约 17K token），你很快就会接近 100K+ 的 token 开销。在 Anthropic，我们见过工具定义在优化前消耗 134K 个 token。

但 token 成本并不是唯一的问题。最常见的失败是工具选择错误和参数不正确，尤其是当工具名称相似时，例如 notification-send-user 与 notification-send-channel。

我们的解决方案

Tool Search Tool 不是预先加载所有工具定义，而是按需发现工具。Claude 只会看到当前任务实际需要的工具。

Tool Search Tool diagram — *与 Claude 的传统方法相比，Tool Search Tool 保留了 191,300 个 token 的上下文，而传统方法为 122,800 个。*

传统方法：

所有工具定义预先加载（50+ 个 MCP 工具约 72K tokens）
对话历史和系统提示词争夺剩余空间
开始任何工作前的总上下文消耗：约 77K tokens

使用 Tool Search Tool 时：

仅预先加载 Tool Search Tool（约 500 tokens）
工具按需发现（3-5 个相关工具，约 3K tokens）
总上下文消耗：约 8.7K tokens，保留 95% 的上下文窗口

这意味着在保持对完整工具库访问的同时，token 使用量减少了 85%。内部测试显示，在处理大型工具库时，MCP 评估的准确率有显著提升。启用 Tool Search Tool 后，Opus 4 从 49% 提升至 74%，Opus 4.5 从 79.5% 提升至 88.1%。

Tool Search Tool 的工作原理

Tool Search Tool 让 Claude 动态发现工具，而不是预先加载所有定义。你将所有工具定义提供给 API，但用 defer_loading: true 标记工具，使其可按需发现。延迟加载的工具最初不会加载到 Claude 的上下文中。Claude 只能看到 Tool Search Tool 本身以及任何带有 defer_loading: false 的工具（你最关键、最常用的工具）。

当 Claude 需要特定能力时，它会搜索相关工具。Tool Search Tool 返回匹配工具的引用，这些引用会在 Claude 的上下文中展开为完整定义。

例如，如果 Claude 需要与 GitHub 交互，它会搜索 "github"，只有 github.createPullRequest 和 github.listIssues 会被加载——而不是来自 Slack、Jira 和 Google Drive 的其他 50+ 个工具。

这样，Claude 可以访问你的完整工具库，同时只为它实际需要的工具支付 token 成本。

提示词缓存说明：Tool Search Tool 不会破坏提示词缓存，因为延迟加载的工具完全被排除在初始提示词之外。它们只在 Claude 搜索后才被添加到上下文中，因此你的系统提示词和核心工具定义仍然可缓存。

实现方式：

{
  "tools": [
    // Include a tool search tool (regex, BM25, or custom)
    {"type": "tool_search_tool_regex_20251119", "name": "tool_search_tool_regex"},

    // Mark tools for on-demand discovery
    {
      "name": "github.createPullRequest",
      "description": "Create a pull request",
      "input_schema": {...},
      "defer_loading": true
    }
    // ... hundreds more deferred tools with defer_loading: true
  ]
}

对于 MCP 服务器，你可以延迟加载整个服务器，同时保持特定高频工具处于加载状态：

{
  "type": "mcp_toolset",
  "mcp_server_name": "google-drive",
  "default_config": {"defer_loading": true}, # defer loading the entire server
  "configs": {
    "search_files": {
"defer_loading": false
    }  // Keep most used tool loaded
  }
}

Claude 开发者平台开箱即用地提供了基于正则表达式和基于 BM25 的搜索工具，但你也可以使用嵌入或其他策略实现自定义搜索工具。

何时使用 Tool Search Tool

与任何架构决策一样，启用 Tool Search Tool 涉及权衡。该功能在工具调用前增加了一个搜索步骤，因此当上下文节省和准确率提升超过额外延迟时，它能带来最佳 ROI。

在以下情况使用它：

工具定义消耗 >10K tokens
遇到工具选择准确率问题
构建具有多个服务器的 MCP 驱动系统
有 10+ 个可用工具

在以下情况收益较小：

工具库较小（<10 个工具）
所有工具在每个会话中都频繁使用
工具定义较为紧凑

程序化工具调用

挑战

随着工作流变得更加复杂，传统工具调用会产生两个根本性问题：

中间结果造成的上下文污染：当 Claude 分析一个 10MB 的日志文件以查找错误模式时，整个文件都会进入其上下文窗口，即使 Claude 只需要错误频率的摘要。当跨多个表获取客户数据时，每条记录都会累积在上下文中，无论是否相关。这些中间结果消耗大量 token 预算，并可能将重要信息完全挤出上下文窗口。
推理开销与手动综合：每次工具调用都需要一次完整的模型推理过程。收到结果后，Claude 必须“肉眼”查看数据以提取相关信息，推理各部分如何拼合在一起，并决定下一步做什么——这一切都通过自然语言处理完成。一个五步工具工作流意味着五次推理过程，外加 Claude 解析每个结果、比较数值并综合结论。这既慢又容易出错。

我们的解决方案

程序化工具调用让 Claude 能够通过代码来编排工具，而不是通过一次次单独的 API 往返调用。Claude 不再一次请求一个工具、每个结果都返回其上下文，而是编写代码来调用多个工具、处理它们的输出，并控制哪些信息真正进入其上下文窗口。

Claude 擅长编写代码，通过让它用 Python 表达编排逻辑，而不是通过自然语言的工具调用来表达，你能获得更可靠、更精确的控制流。循环、条件、数据转换和错误处理都在代码中显式表达，而不是隐含在 Claude 的推理中。

示例：预算合规检查

考虑一个常见的业务任务：“哪些团队成员超出了他们的 Q3 差旅预算？”

你有三个可用工具：

get_team_members(department) - 返回团队成员列表，包含 ID 和级别
get_expenses(user_id, quarter) - 返回某用户的费用明细项
get_budget_by_level(level) - 返回某员工级别的预算限额

传统方法：

获取团队成员 → 20 人
对每个人，获取其 Q3 费用 → 20 次工具调用，每次返回 50-100 条明细项（机票、酒店、餐饮、收据）
按员工级别获取预算限额
所有这些都进入 Claude 的上下文：2,000+ 条费用明细项（50 KB+）
Claude 手动汇总每个人的费用，查找其预算，将费用与预算限额进行比较
更多次模型往返调用，大量上下文消耗

使用程序化工具调用：

不再让每个工具结果返回给 Claude，而是由 Claude 编写一个 Python 脚本来编排整个工作流。该脚本在代码执行工具（一个沙盒环境）中运行，在需要你的工具返回结果时暂停。当你通过 API 返回工具结果时，它们由脚本处理，而不是被模型消费。脚本继续执行，Claude 只看到最终输出。

Programmatic tool calling flow — 程序化工具调用让 Claude 能够通过代码来编排工具，而不是通过一次次单独的 API 往返调用，从而实现并行工具执行。

以下是 Claude 为预算合规任务编写的编排代码的样子：

team = await get_team_members("engineering")

# Fetch budgets for each unique level
levels = list(set(m["level"] for m in team))
budget_results = await asyncio.gather(*[
    get_budget_by_level(level) for level in levels
])

# Create a lookup dictionary: {"junior": budget1, "senior": budget2, ...}
budgets = {level: budget for level, budget in zip(levels, budget_results)}

# Fetch all expenses in parallel
expenses = await asyncio.gather(*[
    get_expenses(m["id"], "Q3") for m in team
])

# Find employees who exceeded their travel budget
exceeded = []
for member, exp in zip(team, expenses):
    budget = budgets[member["level"]]
    total = sum(e["amount"] for e in exp)
    if total > budget["travel_limit"]:
        exceeded.append({
            "name": member["name"],
            "spent": total,
            "limit": budget["travel_limit"]
        })

print(json.dumps(exceeded))

Claude 的上下文只收到最终结果：那两三个超出预算的人。2,000+ 条明细项、中间汇总值以及预算查找都不会影响 Claude 的上下文，将消耗从 200KB 的原始费用数据减少到仅 1KB 的结果。

效率提升是巨大的：

Token 节省：通过将中间结果排除在 Claude 的上下文之外，PTC 大幅降低了 token 消耗。平均使用量从 43,588 降至 27,297 个 token，在复杂研究任务上减少了 37%。
降低延迟：每次 API 往返调用都需要模型推理（数百毫秒到数秒）。当 Claude 在单个代码块中编排 20+ 次工具调用时，你消除了 19+ 次推理过程。API 处理工具执行，无需每次都返回模型。
更高的准确性：通过编写显式的编排逻辑，Claude 比在自然语言中同时处理多个工具结果时犯的错误更少。内部知识检索从 25.6% 提升到 28.5%；GIA 基准测试从 46.5% 提升到 51.2%。

生产工作流涉及杂乱的数据、条件逻辑以及需要扩展的操作。Programmatic Tool Calling 让 Claude 以编程方式处理这种复杂性，同时将注意力集中在可操作的成果上，而非原始数据处理。

Programmatic Tool Calling 的工作原理

1. 将工具标记为可从代码调用

将 code_execution 添加到 tools 中，并将 allowed_callers 设置为选择加入程序化执行的工具：

{
  "tools": [
    {
      "type": "code_execution_20250825",
      "name": "code_execution"
    },
    {
      "name": "get_team_members",
      "description": "Get all members of a department...",
      "input_schema": {...},
      "allowed_callers": ["code_execution_20250825"] # opt-in to programmatic tool calling
    },
    {
      "name": "get_expenses",
 	...
    },
    {
      "name": "get_budget_by_level",
	...
    }
  ]
}

API 会将这些工具定义转换为 Claude 可以调用的 Python 函数。

2. Claude 编写编排代码

Claude 不再一次请求一个工具，而是生成 Python 代码：

{
  "type": "server_tool_use",
  "id": "srvtoolu_abc",
  "name": "code_execution",
  "input": {
    "code": "team = get_team_members('engineering')\n..." # the code example above
  }
}

3. 工具执行时不进入 Claude 的上下文

当代码调用 get_expenses() 时，你会收到一个带有 caller 字段的工具请求：

{
  "type": "tool_use",
  "id": "toolu_xyz",
  "name": "get_expenses",
  "input": {"user_id": "emp_123", "quarter": "Q3"},
  "caller": {
    "type": "code_execution_20250825",
    "tool_id": "srvtoolu_abc"
  }
}

你提供结果，该结果在 Code Execution 环境中处理，而不是进入 Claude 的上下文。这个请求-响应循环会为代码中的每次工具调用重复进行。

4. 只有最终输出进入上下文

当代码运行完成时，只有代码的结果会返回给 Claude：

{
  "type": "code_execution_tool_result",
  "tool_use_id": "srvtoolu_abc",
  "content": {
    "stdout": "[{\"name\": \"Alice\", \"spent\": 12500, \"limit\": 10000}...]"
  }
}

这就是 Claude 看到的全部内容，而不是沿途处理的 2000 多个费用明细项。

何时使用 Programmatic Tool Calling

Programmatic Tool Calling 会为你的工作流增加一个代码执行步骤。当 token 节省、延迟改善和准确性提升足够显著时，这一额外开销是值得的。

最有益的情况：

处理大型数据集，而你只需要聚合或摘要
运行包含三个或更多依赖工具调用的多步骤工作流
在 Claude 看到工具结果之前对其进行过滤、排序或转换
处理中间数据不应影响 Claude 推理的任务
对许多项目运行并行操作（例如检查 50 个端点）

不太有益的情况：

进行简单的单工具调用
处理 Claude 应查看并推理所有中间结果的任务
运行响应较小的快速查询

Tool Use Examples

挑战

JSON Schema 擅长定义结构——类型、必填字段、允许的枚举值——但它无法表达使用模式：何时包含可选参数、哪些组合是合理的，或者你的 API 期望什么约定。

以一个支持工单 API 为例：

{
  "name": "create_ticket",
  "input_schema": {
    "properties": {
      "title": {"type": "string"},
      "priority": {"enum": ["low", "medium", "high", "critical"]},
      "labels": {"type": "array", "items": {"type": "string"}},
      "reporter": {
        "type": "object",
        "properties": {
          "id": {"type": "string"},
          "name": {"type": "string"},
          "contact": {
            "type": "object",
            "properties": {
              "email": {"type": "string"},
              "phone": {"type": "string"}
            }
          }
        }
      },
      "due_date": {"type": "string"},
      "escalation": {
        "type": "object",
        "properties": {
          "level": {"type": "integer"},
          "notify_manager": {"type": "boolean"},
          "sla_hours": {"type": "integer"}
        }
      }
    },
    "required": ["title"]
  }
}

schema 定义了什么是有效的，但留下了关键问题未解答：

格式歧义：due_date 应使用 "2024-11-06"、"Nov 6, 2024" 还是 "2024-11-06T00:00:00Z"？
ID 约定：reporter.id 是 UUID、"USR-12345"，还是只是 "12345"？
嵌套结构用法：Claude 应在何时填充 reporter.contact？
参数相关性：escalation.level 和 escalation.sla_hours 与 priority 有何关系？

这些歧义可能导致工具调用格式错误以及参数使用不一致。

我们的解决方案

Tool Use Examples 让你直接在工具定义中提供示例工具调用。你不再仅依赖 schema，而是向 Claude 展示具体的使用模式：

{
    "name": "create_ticket",
    "input_schema": { /* same schema as above */ },
    "input_examples": [
      {
        "title": "Login page returns 500 error",
        "priority": "critical",
        "labels": ["bug", "authentication", "production"],
        "reporter": {
          "id": "USR-12345",
          "name": "Jane Smith",
          "contact": {
            "email": "[email protected]",
            "phone": "+1-555-0123"
          }
        },
        "due_date": "2024-11-06",
        "escalation": {
          "level": 2,
          "notify_manager": true,
          "sla_hours": 4
        }
      },
      {
        "title": "Add dark mode support",
        "labels": ["feature-request", "ui"],
        "reporter": {
          "id": "USR-67890",
          "name": "Alex Chen"
        }
      },
      {
        "title": "Update API documentation"
      }
    ]
  }

从这三个示例中，Claude 学到：

格式约定：日期使用 YYYY-MM-DD，用户 ID 遵循 USR-XXXXX，标签使用 kebab-case
嵌套结构模式：如何构造带有嵌套 contact 对象的 reporter 对象
可选参数关联：严重 bug 包含完整联系信息 + 带有严格 SLA 的升级路径；功能请求有报告人但没有联系/升级信息；内部任务只有标题

在我们自己的内部测试中，工具使用示例将复杂参数处理的准确率从 72% 提升到了 90%。

何时使用工具使用示例

工具使用示例会为你的工具定义增加 token，因此当准确率提升超过额外成本时，它们最有价值。

最有益的情况：

复杂嵌套结构，其中有效的 JSON 并不意味着正确的用法
具有许多可选参数且包含模式很重要的工具
具有 schema 中未体现的领域特定约定的 API
相似的工具，示例可以阐明应使用哪一个（例如 create_ticket 与 create_incident）

不太有益的情况：

用法显而易见的简单单参数工具
Claude 已经理解的标准格式，如 URL 或电子邮件
更适合由 JSON Schema 约束处理的验证问题

最佳实践

构建执行真实世界操作的 agent 意味着同时处理规模、复杂性和精度。这三个功能协同工作，解决工具使用工作流中的不同瓶颈。以下是如何有效地组合它们。

有策略地分层使用功能

并非每个 agent 在给定任务中都需要使用全部三个功能。从你最大的瓶颈开始：

工具定义导致的上下文膨胀 → 工具搜索工具
污染上下文的大型中间结果 → 程序化工具调用
参数错误和格式错误的调用 → 工具使用示例

这种聚焦的方法让你能够解决限制 agent 性能的特定约束，而不是一开始就增加复杂性。

然后根据需要分层添加其他功能。它们是互补的：工具搜索工具确保找到正确的工具，程序化工具调用确保高效执行，工具使用示例确保正确调用。

设置工具搜索工具以实现更好的发现

工具搜索会匹配名称和描述，因此清晰、描述性的定义可以提高发现准确率。

// Good
{
    "name": "search_customer_orders",
    "description": "Search for customer orders by date range, status, or total amount. Returns order details including items, shipping, and payment info."
}

// Bad
{
    "name": "query_db_orders",
    "description": "Execute order query"
}

添加系统提示引导，让 Claude 知道有哪些可用工具：

You have access to tools for Slack messaging, Google Drive file management, 
Jira ticket tracking, and GitHub repository operations. Use the tool search 
to find specific capabilities.

将你最常用的三到五个工具始终保持加载，其余工具延迟加载。这在常见操作的即时访问与其他所有工具的按需发现之间取得平衡。

设置程序化工具调用以实现正确执行

由于 Claude 编写代码来解析工具输出，请清楚地记录返回格式。这有助于 Claude 编写正确的解析逻辑：

{
    "name": "get_orders",
    "description": "Retrieve orders for a customer.
Returns:
    List of order objects, each containing:
    - id (str): Order identifier
    - total (float): Order total in USD
    - status (str): One of 'pending', 'shipped', 'delivered'
    - items (list): Array of {sku, quantity, price}
    - created_at (str): ISO 8601 timestamp"
}

请参阅下文了解受益于程序化编排的选用工具：

可以并行运行的工具（独立操作）
可以安全重试的操作（幂等）

设置工具使用示例以实现参数准确性

为行为清晰性精心设计示例：

使用真实数据（真实城市名称、合理的价格，而不是 "string" 或 "value"）
通过最小、部分和完整规范模式展示多样性
保持简洁：每个工具 1-5 个示例
聚焦于歧义（仅在正确用法无法从 schema 中明显看出时才添加示例）

开始使用

这些功能处于 beta 阶段。要启用它们，请添加 beta 标头并包含你需要的工具：

client.beta.messages.create(
    betas=["advanced-tool-use-2025-11-20"],
    model="claude-sonnet-4-5-20250929",
    max_tokens=4096,
    tools=[
        {"type": "tool_search_tool_regex_20251119", "name": "tool_search_tool_regex"},
        {"type": "code_execution_20250825", "name": "code_execution"},
        # Your tools with defer_loading, allowed_callers, and input_examples
    ]
)

有关详细的 API 文档和 SDK 示例，请参阅我们的：

工具搜索工具的 Documentation 和 cookbook
程序化工具调用的 Documentation 和 cookbook
工具使用示例的 Documentation

这些功能将工具使用从简单的函数调用推进到智能编排。随着智能体处理跨越数十种工具和大型数据集的更复杂工作流，动态发现、高效执行和可靠调用成为基础。

我们很期待看到你构建的作品。

致谢

由 Bin Wu 撰写，Adam Jones、Artur Renault、Henry Tay、Jake Noble、Noah Picard、Sam Jiang 以及 Claude 开发者平台团队亦有贡献。这项工作建立在 Chris Gorgolewski、Daniel Jiang、Jeremy Fox 和 Mike Lambert 的基础研究之上。我们还从整个 AI 生态系统中汲取了灵感，包括 Joel Pobar 的 LLMVM、Cloudflare 的 Code Mode 和 Code Execution as MCP。特别感谢 Andy Schumeister、Hamish Kerr、Keir Bradwell、Matt Bleifer 和 Molly Vorwerck 的支持。