mcp-use Python SDK 新功能：代码模式
传统的工具调用方式存在两大痛点：
1. 上下文过载：一次性加载所有工具（如 150+ 个）的定义，会预先消耗大量 Token.
2. 中间结果冗余：每个工具的输出结果都需要流经模型，即使只是为了传递给下一个工具.
代码模式通过让 AI 代理生成并执行代码，巧妙地解决了这些问题.
核心优势
渐进式披露
代理按需搜索并加载工具，无需预加载所有工具定义，将 Token 消耗从
上下文高效
在独立环境中处理海量数据，仅将最终摘要返回给代理，避免将庞大的中间结果（如 10,000 行数据）写入上下文.
强大的控制流
利用代码原生支持的循环、条件和错误处理等逻辑，高效处理复杂任务，告别繁琐的工具调用链.
隐私保护
敏感数据在安全的执行环境中处理和流转，不会进入模型上下文，有效保护数据隐私.
工作原理
在代码模式下，AI 代理主要使用两个新工具：
-
-
实际效果
以文件系统批量重命名任务为例，代码模式将工具调用次数减少了 94%，上下文 Token 消耗降低了 94%，执行速度提升了 17 倍.
---
原始链接
mcp-use 推出了创新的“代码模式”(Code Mode)，允许 AI 代理通过执行代码与工具交互，而非传统的直接调用. 这种新方法能为复杂工作流节省高达 98.7% 的上下文（Context）消耗.传统的工具调用方式存在两大痛点：
1. 上下文过载：一次性加载所有工具（如 150+ 个）的定义，会预先消耗大量 Token.
2. 中间结果冗余：每个工具的输出结果都需要流经模型，即使只是为了传递给下一个工具.
代码模式通过让 AI 代理生成并执行代码，巧妙地解决了这些问题.
核心优势
渐进式披露
代理按需搜索并加载工具，无需预加载所有工具定义，将 Token 消耗从
150,000+ 降至约 2,000.上下文高效
在独立环境中处理海量数据，仅将最终摘要返回给代理，避免将庞大的中间结果（如 10,000 行数据）写入上下文.
强大的控制流
利用代码原生支持的循环、条件和错误处理等逻辑，高效处理复杂任务，告别繁琐的工具调用链.
隐私保护
敏感数据在安全的执行环境中处理和流转，不会进入模型上下文，有效保护数据隐私.
工作原理
在代码模式下，AI 代理主要使用两个新工具：
-
execute_code: 执行一段 Python 代码来调用其他工具.-
search_tools: 动态搜索和发现可用的工具.实际效果
以文件系统批量重命名任务为例，代码模式将工具调用次数减少了 94%，上下文 Token 消耗降低了 94%，执行速度提升了 17 倍.
---
原始链接
mcp-use
mcp-use - Connect Any LLM to Any MCP Server
Execute MCP tools via code for 98.7% reduction in context overhead
