Token消耗暴跌99%！Anthropic彻底终结MCP与CLI之争，AI Agent开发迎来“代码模式”新纪元

导语：还在纠结MCP还是CLI？Anthropic亮出神技Code Mode，让工具调用Token消耗直接暴跌99%！

引言：AI Agent工具调用的终极战役

在2025年的AI开发者社区中，一场关于“Agent到底该如何调用外部工具”的论战愈演愈烈。争论的双方壁垒分明：一派极力推崇Anthropic主导的MCP（Model Context Protocol，模型上下文协议），认为将Agent与外部服务标准化连接才是未来；另一派则笃信实用主义——“协议太重，直接给Agent一个CLI（命令行界面）和Shell就够了”。

然而，随着技术演进，两派开发者渐渐发现，他们争论的切入点似乎偏离了本质。这场关于MCP与CLI的生死对决，根本不是一个二选一的单选题。

两派论战：他们各自说对了什么？又忽视了什么？

1. 质疑MCP派：“天价”的Context启动成本

反对或质疑MCP的开发者，其核心痛点在于极其高昂的上下文（Context）成本。在实际工程落地中，许多MCP Server一旦加载，其膨胀的Schema体积令人咂舌：

Playwright MCP：仅仅加载该工具，就需要吞噬掉 13.7K tokens 的上下文。
Chrome DevTools MCP：更是夸张地占用了约 18K tokens。
如果一个复杂的AI Agent在初始化时同时挂载了5个类似的MCP服务，那么任务还没正式开始，就已经白白烧掉了55K tokens。如此高昂的冷启动成本，让很多商业化项目难以承受。

2. 支持MCP派：类型安全与多租户隔离的刚需

与此同时，唯CLI论者也面临着巨大的工程挑战。支持MCP的开发者一针见血地指出了CLI的硬伤：

缺乏类型契约（Type Contract）：没有严格输入输出定义的CLI，常常让Agent化身为“睁眼瞎”，只能凭借大模型的猜测去解析杂乱无章的控制台文本输出。
多租户安全隐患：在需要强隔离的多用户SaaS场景下，直接授予Agent一个全局的Shell权限形同安全灾难。
面对不熟悉的私有API，缺乏Schema约束的模型往往需要经历数轮无谓的试错、报错、再尝试，极大地拉低了响应速度。

因此，如果我们依然纠结于“到底谁能杀死谁”这样的零和博弈，就已经彻底问错了问题。

范式突变：Anthropic如何用“Code Mode”改写游戏规则？

2025年11月4日，Anthropic推出了 “Code execution with MCP”，这一重量级特性的发布，直接重构了整个讨论的逻辑链条。

行业真正的痛点其实并不是MCP协议本身，而是我们长期以来养成的开发坏习惯：在会话（Session）一开始，就把庞大工具库的所有Schema描述毫无保留地塞进上下文窗口。再加上工具执行返回的海量中间体数据，每一步都要重新经过一遍模型计算，导致一个普普通通的业务工作流极易膨胀至 150K tokens 以上。

解决之道在于：不要让模型在上下文中“直接调用工具”，而是让大模型去编写代码，通过一个专有的运行时（Runtime）去按需调用工具。

这样一来，大模型只需要关注当前它所 import（引入）的轻量化契约，而不需要知道整套系统的宏大框架。

惊人的实测案例

案例一：Google Drive 会议记录自动写入 Salesforce CRM
在传统的MCP模式下，Agent需要同时加载Google Drive和Salesforce两大庞大工具的Schema，并在多轮对话中把整份会议记录（Transcript）打包在上下文里倒腾手。而新范式下，模型只需写下几行TypeScript代码，直接Import所需的具体方法。同样一个业务流程，Context消耗瞬间暴跌到仅需 2K tokens。
案例二：Cloudflare的百万级压缩神话
Cloudflare拥有包含多达2,500个标准Endpoint的复杂API体系。如果将其整体转化为旧版的Schema导入，需要耗费高达 1.17M tokens 的天量空间。Cloudflare巧妙地将工具箱精炼为两个极简函数：search 和 execute。

Agent会首先编写一段搜索代码去执行检索，定位到精准匹配的API后，仅将该API的片段动态加载并执行。1.17M tokens的代码结构，就这样被强行压缩到了 1K tokens。

MCP与CLI之争终结：Anthropic推Code Mode实现AI Agent运行Token降至1%

深度解析：Code Mode运行时是如何运作的？

Code Mode（代码模式）本质上是一个高安全性的隔离沙箱（Runtime）。在这个运行时中，模型充当的是程序员的角色，通过代码来自由组合两类核心能力：

第一类：系统级原生工具——Bash

像 git, curl, grep 这种早已完美封装在操作系统内部的二进制命令，直接使用原生Shell执行无疑是最符合直觉且效率最高的。因为主流大模型在预训练阶段已经吞噬了全球数十亿行的开源命令行脚本代码，对于如何组合利用这些底层工具可以说是轻车熟路。

例如，当AI需要检索某项目下所有导入了 Pandas 库的 Python 代码文件时，它只需要执行一行 Bash 脚本，依靠系统底层极速完成，根本无需把几百个文件的内容全都丢给模型去逐字检索。

第二类：高阶类型导入——Typed Module Imports

这种模式完美契合 Salesforce, Stripe 或是企业自研的各种私有SaaS接口。开发者可以将它们打包为一组微型的 TypeScript 标准库模块，清晰地描绘入参出参的类型边界。

大模型仅在需要该工具的那一瞬间动态进行 import。类型安全契约（Type Contract）虽然随着 Import 动作进入上下文，但却做到了“即买即用，精准扣费”，研发团队再也不用为那些没用到的工具包支付昂贵的Token“闲置费”。

这种结构进化可以用一个生动的比喻来形容：

在旧的开发模式中，Agent一进入工作间，书桌上就已经堆满了成千上万件杂乱无章的螺丝刀、扳手和量尺（ upfront loading ）；而进入 Code Mode 时代，Agent置身于一个干净的现代化库房，它的墙上只有一张极简的工具检索索引，需要使用什么，便伸手拿下对应的工具箱。它将MCP的强类型契约优势，与CLI的按需延迟加载（Lazy Access）完美熔于一炉。