代码执行

概述

AI Agent 通过 MCP 等协议在安全隔离环境中运行代码的能力，使 Agent 从"描述解决方案"跃迁为"直接执行验证"，是 Agent 走向生产可用的关键能力。

关键内容

1. 从"描述"到"实践"的跃迁：
2. 无代码执行的 Agent 只能用语言描述"你可以用 Python 的 pandas 库读取 CSV..."
3. 有代码执行的 Agent 直接编写并运行代码，返回实际执行结果

4. 区别不仅是便利——代码执行允许 Agent 处理大规模数据，用结果验证推理而非依赖语言描述

5. 代码作为工具的独特性：

6. 无限组合性：代码可以组合任意逻辑，不受预定义工具集限制
7. 自验证性：代码执行结果是直接的事实反馈，无需人工验证

8. 精确性：消除了语言描述可能带来的歧义和模糊性

9. 问题解决策略的改变：

10. 数据分析：Agent 直接执行分析、展示实际结果、根据结果迭代改进方向
11. 假设验证：写测试代码验证 API 实际行为，结果确定无疑而非基于文档推断

12. 批量处理：直接编写并执行批量处理脚本，而非给出手动操作步骤

13. 效率提升量化：

14. 无代码执行：用户 → 描述 → 用户测试 → 反馈错误 → 修正 → 再测试（3-5 轮）
15. 有代码执行：用户 → 执行验证 → 直接修正（1-2 轮）

16. 将"语言准确性"转化为"逻辑准确性"，代码执行结果是绝对确定的

17. 最佳实践：

18. 明确告知 Agent 可以执行代码、说明可用库、指明输入数据位置和期望输出格式
19. 始终在安全沙箱中执行，不允许直接文件系统写入（除沙箱目录外）
20. 对超时和内存设置合理限制，审查涉及外部系统的代码

21. 代码执行与文件读写工具组合极为强大：读取文件 → 代码处理 → 写入结果

22. 与 MCP 的集成：

23. 通过 MCP 提供安全的代码执行服务器
24. 工具定义示例：execute_python，支持 numpy、pandas、matplotlib 等预安装库
25. 最大执行时间通常限制 30 秒，无网络访问

来源

• raw/articles/ai-engineering/anthropic-engineering/claude-engineering/20_code_execution_mcp — 通过 MCP 的代码执行：构建更高效的 Agent

相关

• MCP — enables，通过 MCP 协议提供代码执行能力
• 安全沙箱 — uses，代码执行必须在安全沙箱中进行
• AI Agent 架构模式 — part_of，代码执行是 Agent 架构中的关键能力模块
• Agent 架构与设计原则 — relates_to，代码执行能力影响 Agent 整体设计原则