在人工智能领域，Anthropic 公司于 2025 年 5 月 22 日宣布了一系列 API 的新功能，旨在赋能开发者构建更强大的 AI 智能代理。这些新功能包括代码执行工具、MCP 连接器、文件 API 以及长达一小时的提示缓存能力。这些工具的推出，标志着 AI 代理的开发进入了一个新的阶段，使得开发者能够以前所未有的方式构建和部署复杂的 AI 应用。
构建更强大的 AI 代理
Anthropic API 的这些 beta 功能，结合 Claude Opus 4 和 Sonnet 4，使得开发者能够构建执行代码进行高级数据分析的代理，通过 MCP 服务器连接到外部系统，跨会话高效地存储和访问文件，并通过经济高效的缓存将上下文维护长达 60 分钟，而无需构建自定义基础设施。例如，一个项目管理 AI 代理可以使用 MCP 连接器与 Asana 交互以引用任务和分配工作，通过 Files API 上传相关报告，使用代码执行工具分析进度和风险，并在整个过程中保持完整的上下文，同时通过扩展提示缓存来降低成本。
这些功能与现有的网络搜索和引用等功能一起，构成了构建 AI 代理的综合工具包。接下来，我们将详细探讨每个新功能。
代码执行工具
Anthropic API 引入了代码执行工具，使 Claude 能够在沙盒环境中运行 Python 代码，以生成计算结果和数据可视化。这使得 Claude 从代码编写助手转变为数据分析师，可以在 API 调用中直接迭代可视化、清理数据集和得出见解。借助代码执行工具，Claude 可以加载数据集、生成探索性图表、识别模式，并根据执行结果迭代地优化输出，所有这些都在单个交互中完成。这意味着 Claude 可以端到端地处理复杂的分析任务，而不仅仅是建议您单独运行的代码。
代码执行工具的关键用例包括：
- 财务建模：生成财务预测、分析投资组合和计算复杂的财务指标。
- 科学计算：执行模拟、处理实验数据和分析研究数据集。
- 商业智能：创建自动报告、分析销售数据和生成绩效仪表板。
- 文档处理：提取和转换各种格式的数据、生成格式化报告和自动化文档工作流程。
- 统计分析：对数据集执行回归分析、假设检验和预测建模。
组织每天可免费使用代码执行工具 50 小时，超出部分按每个容器每小时 0.05 美元的价格收费。有关定价的更多信息，请参阅文档。
MCP 连接器
Anthropic API 上的 MCP 连接器 使开发者能够将 Claude 连接到任何远程模型上下文协议 (MCP) 服务器，而无需编写客户端代码。
以前，连接到 MCP 服务器需要构建自己的客户端工具来处理 MCP 连接。现在，Anthropic API 会自动处理所有连接管理、工具发现和错误处理。只需将远程 MCP 服务器 URL 添加到您的 API 请求，您就可以立即访问强大的第三方工具，从而大大降低了构建支持工具的代理的复杂性。
当 Claude 收到配置了 MCP 服务器的请求时，它会自动执行以下操作：
- 连接到指定的 MCP 服务器
- 检索可用的工具
- 推断要调用哪个工具以及要传递哪些参数
- 以代理方式执行工具调用，直到获得足够的结果
- 管理身份验证和错误处理
- 返回包含集成数据的增强响应
远程 MCP 服务器生态系统的不断发展意味着您可以轻松地向 AI 应用程序添加功能，而无需构建一次性集成。您可以与任何远程 MCP 服务器集成，包括来自 Zapier 和 Asana 的服务器。有关更多远程 MCP 服务器，请参阅我们的文档。
文件 API
Files API 简化了开发者在使用 Claude 构建时存储和访问文档的方式。现在，您可以上传一次文档并在对话中重复引用它们，而无需在每个请求中管理文件上传。
这简化了开发工作流程，尤其适用于需要处理大型文档集（如知识库、技术文档或数据集）的应用程序。
Files API 将与代码执行工具集成，使 Claude 能够在代码执行期间直接访问和处理上传的文件，并生成诸如图表和图形之类的文件作为响应的一部分。这意味着开发者可以通过 Files API 上传一次数据集，然后让 Claude 在多个会话中分析它，而无需重新上传。
扩展提示缓存
现在，开发者可以选择我们标准的 5 分钟生存时间 (TTL) 来进行提示缓存，或者选择 1 小时 TTL（需额外付费），这是一个 12 倍的改进，可以降低长时间运行的代理工作流程的成本。通过扩展缓存，客户可以为 Claude 提供广泛的背景知识和示例，同时将长时间提示的成本降低高达 90%，延迟降低高达 85%。
这使得构建在较长时间内保持上下文的代理成为可能，无论他们是处理多步骤工作流程、分析复杂文档还是与其他系统协调。以前面临高昂成本的长期代理应用程序现在可以高效地大规模运行。
总结与展望
Anthropic 新推出的这些 API 功能，无疑为 AI 代理的开发带来了革命性的变化。代码执行工具赋予了 Claude 更强大的数据分析能力，MCP 连接器简化了与外部系统的集成，Files API 优化了文档管理，而扩展的提示缓存则显著降低了长期运行代理的成本。这些工具的结合使用，将极大地促进各种 AI 应用的开发，例如金融建模、科学计算、商业智能、文档处理和统计分析等。我们有理由相信，随着这些新功能的广泛应用，AI 智能代理将在各行各业发挥越来越重要的作用。
实际应用案例
为了更具体地了解这些新功能在实际应用中的潜力，我们可以设想以下几个案例：
金融风险管理：金融机构可以利用代码执行工具，构建一个能够实时分析市场数据的 AI 代理。该代理可以自动生成财务预测、评估投资组合的风险，并计算各种复杂的金融指标。通过 MCP 连接器，该代理还可以与外部数据源（如股票市场 API、新闻数据库等）连接，从而获取更全面、及时的信息。此外，文件 API 可以用于存储和管理大量的历史财务报告、交易记录等文档，以便代理进行深入分析。
智能客服：企业可以构建一个能够处理各种客户咨询的 AI 代理。通过扩展提示缓存，该代理可以记住客户的偏好、历史交互记录等信息，从而提供更个性化、高效的服务。MCP 连接器可以用于与企业的 CRM 系统、知识库等系统集成，从而使代理能够访问更多的信息。如果客户需要技术支持，代理还可以利用代码执行工具，生成代码示例、图表等，以帮助客户解决问题。
科研数据分析：科研人员可以利用这些新功能，构建一个能够自动分析实验数据的 AI 代理。该代理可以使用代码执行工具，执行各种统计分析、机器学习等算法，从而发现数据中的模式和规律。文件 API 可以用于存储和管理大量的实验数据、论文等文档。通过 MCP 连接器，该代理还可以与外部数据库（如基因数据库、蛋白质数据库等）连接，从而获取更多的背景知识。
未来发展趋势
随着人工智能技术的不断发展，我们可以预见，Anthropic API 的这些新功能将在未来得到更广泛的应用。以下是一些可能的发展趋势：
- 更智能的代理：未来的 AI 代理将能够更好地理解人类的意图、情感等，从而提供更自然、更人性化的服务。这将需要更强大的自然语言处理、知识表示等技术。
- 更自主的代理：未来的 AI 代理将能够更自主地完成各种任务，而无需人工干预。这将需要更强大的规划、推理等能力。
- 更安全的代理：随着 AI 代理的应用越来越广泛，安全性将变得越来越重要。未来的 AI 代理需要能够抵御各种恶意攻击，保护用户的隐私。
Anthropic API 的这些新功能为开发者打开了构建更智能、更高效、更安全的 AI 代理的大门。我们期待着看到这些技术在各行各业的应用，为人类带来更多的便利和价值。
