在 Claude Developer Platform 上推出高级工具使用
我们新增了三项 beta 功能，让 Claude 能够动态发现、学习和执行工具。下面介绍它们如何工作。
来源：https://www.anthropic.com/engineering/advanced-tool-use
发布日期：2025-11-24
AI 智能体的未来，是模型能够在数百乃至数千个工具之间无缝工作。一个 IDE 助手，可以集成 git 操作、文件操作、包管理器、测试框架和部署流水线。一个运营协调员，可以同时连接 Slack、GitHub、Google Drive、Jira、公司数据库和数十个 MCP 服务器。
要构建有效的智能体，它们需要能够使用无限规模的工具库，而不是一开始就把每个定义都塞进上下文。我们关于使用通过 MCP 执行代码的博客文章讨论过，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 多个 token。智能体应该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，每次调用都需要完整的一次推理过程，中间结果无论有用与否都会堆积在上下文中。代码天然适合表达编排逻辑，例如循环、条件判断和数据转换。智能体需要能够根据手头任务，在代码执行和推理之间灵活选择。
智能体还需要通过示例学习正确的工具使用方式，而不只是依赖 schema 定义。JSON schema 可以定义结构上什么是有效的，但无法表达使用模式：什么时候应该包含可选参数，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些能力：
- 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，从而减少对模型上下文窗口的影响
- Tool Use Examples，提供一种通用标准，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出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 来读取和修改包含数千行的电子表格，而不会使模型上下文窗口过载。
根据我们的经验，我们相信这些功能为你使用 Claude 构建内容打开了新的可能性。
$!
/$
Tool Search Tool
挑战
MCP 工具定义提供了重要上下文，但随着接入更多服务器，这些 token 会不断累积。考虑一个五服务器设置：
- 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 58 个工具会在对话开始之前就消耗约 55K token。再加入 Jira 之类的服务器（仅 Jira 就使用约 17K token），你很快就会接近 100K+ token 的开销。在 Anthropic，我们见过工具定义在优化前消耗 134K token。
但 token 成本并不是唯一问题。最常见的失败是选错工具和参数错误，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 不会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。
与 Claude 的传统方法保留 122,800 个 token 上下文相比，Tool Search Tool 可保留 191,300 个 token 的上下文。
传统方法：
- 预先加载所有工具定义（50+ 个 MCP 工具约 72K token）
- 对话历史和系统提示词争夺剩余空间
- 总上下文消耗：任何工作开始前约 77K token
使用 Tool Search Tool：
- 预先只加载 Tool Search Tool（约 500 token）
- 按需发现工具（3-5 个相关工具，约 3K token）
- 总上下文消耗：约 8.7K token，保留 95% 的上下文窗口
这意味着在保持访问完整工具库能力的同时，token 使用量减少 85%。内部测试显示，在处理大型工具库时，启用 Tool Search Tool 后 MCP 评估的准确率显著提升。Opus 4 从 49% 提升到 74%，Opus 4.5 从 79.5% 提升到 88.1%。
Tool Search Tool 如何工作
Tool Search Tool 让 Claude 可以动态发现工具，而不是预先加载所有定义。你把所有工具定义提供给 API，但将工具标记为 defer_loading: true，使其可以按需发现。延迟加载的工具最初不会被加载到 Claude 的上下文中。Claude 只会看到 Tool Search Tool 本身，以及任何 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 会返回匹配工具的引用，这些引用随后会在 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"，随后只有 github.createPullRequest 和 github.listIssues 会被加载，而不会加载你来自 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。
关于提示缓存的说明： Tool Search Tool 不会破坏提示缓存，因为延迟工具会被完全排除在初始提示之外。它们只会在 Claude 搜索之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以缓存。
实现：
{
"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
]
}
复制
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已加载：
{
"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
}
}
复制
Claude Developer Platform 开箱即用地提供基于 regex 和 BM25 的搜索工具，但你也可以使用 embedding 或其他策略实现自定义搜索工具。
何时使用 Tool Search Tool
和任何架构决策一样，启用 Tool Search Tool 也涉及取舍。该功能会在调用工具之前增加一个搜索步骤，因此当上下文节省和准确率提升超过额外延迟时，它能带来最佳投资回报。
适合使用的情况：
- 工具定义消耗超过 10K token
- 遇到工具选择准确率问题
- 构建由 MCP 驱动、包含多个服务器的系统
- 有 10+ 个可用工具
收益较低的情况：
- 工具库很小（少于 10 个工具）
- 每个会话都频繁使用所有工具
- 工具定义很紧凑
Programmatic Tool Calling
挑战
随着工作流变得更复杂，传统工具调用会产生两个根本问题：
- 中间结果造成上下文污染：当 Claude 分析一个 10MB 日志文件以寻找错误模式时，整个文件都会进入它的上下文窗口，尽管 Claude 只需要错误频率摘要。当跨多个表获取客户数据时，无论相关与否，每条记录都会累积在上下文中。这些中间结果会消耗大量 token 预算，并可能把重要信息完全挤出上下文窗口。
- 推理开销和手动综合：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”数据来提取相关信息、推理各部分如何组合，并决定下一步做什么，而这一切都通过自然语言处理完成。一个包含五个工具的工作流意味着五次推理，再加上 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
Programmatic Tool Calling 让 Claude 通过代码编排工具，而不是通过一次次单独的 API 往返来完成。Claude 不再逐个请求工具、让每个结果返回其上下文，而是编写代码来调用多个工具、处理其输出，并控制哪些信息实际进入上下文窗口。
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工具调用来表达，你可以获得更可靠、更精确的控制流。循环、条件判断、数据转换和错误处理都会在代码中显式呈现，而不是隐含在 Claude 的推理中。
示例：预算合规检查
考虑一个常见业务任务：“哪些团队成员超出了 Q3 差旅预算？”
你有三个可用工具：
get_team_members(department)- 返回包含 ID 和级别的团队成员列表get_expenses(user_id, quarter)- 返回某个用户的费用明细项get_budget_by_level(level)- 返回某个员工级别的预算上限
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（航班、酒店、餐食、收据）
- 按员工级别获取预算上限
- 所有这些都会进入 Claude 的上下文：2,000+ 条费用明细（50 KB+）
- Claude 手动汇总每个人的费用，查找其预算，并比较费用与预算上限
- 更多模型往返，显著的上下文消耗
使用 Programmatic Tool Calling：
Claude 不再让每个工具结果返回给自己，而是编写一个 Python 脚本来编排整个工作流。该脚本在 Code Execution 工具（一个沙箱环境）中运行，并在需要你的工具结果时暂停。当你通过 API 返回工具结果时，它们会由脚本处理，而不是被模型消费。脚本继续执行，Claude 只会看到最终输出。
Programmatic Tool Calling 让 Claude 通过代码编排工具，而不是通过一次次单独的 API 往返来编排工具，从而支持并行工具执行。
下面是 Claude 为预算合规任务编写的编排代码：
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))
复制
Claude 的上下文只接收最终结果：超出预算的两三个人。2,000+ 条明细项、中间汇总和预算查找都不会影响 Claude 的上下文，从而把消耗从 200KB 的原始费用数据降低到仅 1KB 的结果。
效率提升非常明显：
- 节省 token：通过让中间结果不进入 Claude 的上下文，PTC 显著降低了 token 消耗。在复杂研究任务中，平均使用量从 43,588 个 token 降至 27,297 个 token，减少 37%。
- 降低延迟：每次 API 往返都需要模型推理（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，你就消除了 19+ 次推理。API 会处理工具执行，而无需每次都返回模型。
- 提高准确率：通过编写显式编排逻辑，Claude 比在自然语言中同时处理多个工具结果时犯错更少。内部知识检索从 25.6% 提升到 28.5%；GIA 基准从 46.5% 提升到 51.2%。
生产工作流包含混乱数据、条件逻辑和需要扩展的操作。Programmatic Tool Calling 让 Claude 能够以编程方式处理这种复杂性，同时把注意力放在可行动结果上，而不是原始数据处理上。
Programmatic Tool Calling 如何工作
1. 将工具标记为可从代码调用
向工具中添加 code_execution，并设置 allowed_callers，以选择让工具支持编程式执行：
{
"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",
...
}
]
}
复制
API 会把这些工具定义转换成 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
}
}
复制
3. 工具执行而不进入 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"
}
}
复制
你提供结果，该结果会在 Code Execution 环境中处理，而不是进入 Claude 的上下文。对于代码中的每次工具调用，这个请求-响应循环都会重复进行。
4. 只有最终输出进入上下文
代码运行完成后，只有代码结果会返回给 Claude：
{
"type": "code_execution_tool_result",
"tool_use_id": "srvtoolu_abc",
"content": {
"stdout": "[{\"name\": \"Alice\", \"spent\": 12500, \"limit\": 10000}...]"
}
}
复制
这就是 Claude 看到的全部内容，而不是沿途处理的 2000+ 条费用明细。
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、延迟改善和准确率提升足够显著时，这个额外开销是值得的。
最有收益的情况：
- 处理大型数据集，而你只需要聚合结果或摘要
- 运行包含三个或更多相互依赖工具调用的多步骤工作流
- 在 Claude 看到工具结果之前，对结果进行过滤、排序或转换
- 处理中间数据不应影响 Claude 推理的任务
- 在大量项目上运行并行操作（例如检查 50 个端点）
收益较低的情况：
- 进行简单的单工具调用
- 处理 Claude 应该看到并推理所有中间结果的任务
- 执行响应很小的快速查找
Tool Use Examples
挑战
JSON Schema 擅长定义结构，包括类型、必填字段和允许的枚举值，但它无法表达使用模式：何时包含可选参数，哪些组合有意义，或者你的 API 期望什么约定。
考虑一个支持工单 API：
{
"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"]
}
}
复制
schema 定义了什么是有效的，但留下了关键问题没有回答：
- 格式歧义：
due_date应该使用 "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 什么时候应该填充
reporter.contact？ - 参数相关性：
escalation.level和escalation.sla_hours与 priority 有什么关系？
这些歧义会导致格式错误的工具调用和不一致的参数使用。
我们的解决方案
Tool Use Examples 允许你直接在工具定义中提供示例工具调用。你不再只依赖 schema，而是向 Claude 展示具体使用模式：
{
"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": "jane@acme.com",
"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"
}
]
}
复制
从这三个示例中，Claude 会学到：
- 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 reporter 对象及其嵌套的 contact 对象
- 可选参数相关性：关键 bug 包含完整联系方式和紧迫 SLA 的升级信息；功能请求包含 reporter，但没有 contact/escalation；内部任务只有 title
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 90%。
何时使用 Tool Use Examples
Tool Use Examples 会向工具定义添加 token，因此当准确率提升超过额外成本时，它们最有价值。
最有收益的情况：
- 复杂嵌套结构，其中有效 JSON 并不意味着用法正确
- 工具有许多可选参数，且包含模式很重要
- API 具有 schema 无法捕获的领域特定约定
- 相似工具需要通过示例澄清该使用哪一个（例如
create_ticket与create_incident）
收益较低的情况：
- 用法明显的简单单参数工具
- URL 或 email 等 Claude 已经理解的标准格式
- 更适合通过 JSON Schema 约束处理的校验问题
最佳实践
构建能够在真实世界中采取行动的智能体，意味着必须同时处理规模、复杂性和精确性。这三项功能会协同工作，解决工具使用工作流中的不同瓶颈。下面说明如何有效组合它们。
策略性地分层使用功能
并不是每个智能体在给定任务中都需要使用全部三项功能。从你最大的瓶颈开始：
- 工具定义导致上下文膨胀 → Tool Search Tool
- 大型中间结果污染上下文 → Programmatic Tool Calling
- 参数错误和格式错误的调用 → Tool Use Examples
这种聚焦方法让你可以解决限制智能体性能的具体约束，而不是一开始就增加复杂性。
然后按需叠加其他功能。它们是互补的：Tool Search Tool 确保找到正确工具，Programmatic Tool Calling 确保高效执行，Tool Use Examples 确保正确调用。
设置 Tool Search Tool 以改善发现效果
工具搜索会匹配名称和描述，因此清晰、描述性强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"
}
复制
添加系统提示词指导，让 Claude 知道有哪些可用能力：
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.
复制
让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。这会在常见操作的即时访问和其他工具的按需发现之间取得平衡。
设置 Programmatic Tool Calling 以确保正确执行
由于 Claude 会编写代码来解析工具输出，请清晰记录返回格式。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"
}
复制
下面这些工具适合选择启用编程式编排：
- 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 Tool Use Examples 以提高参数准确率
为行为清晰度精心构造示例：
- 使用真实数据（真实城市名、合理价格，而不是 "string" 或 "value"）
- 展示多样性，包括最小、部分和完整规格模式
- 保持简洁：每个工具 1-5 个示例
- 聚焦歧义（只在无法从 schema 明显看出正确用法时添加示例）
开始使用
这些功能目前处于 beta。要启用它们，请添加 beta header，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
]
)
复制
有关详细 API 文档和 SDK 示例，请参阅我们的：
这些功能把工具使用从简单函数调用推进到智能编排。随着智能体处理跨越数十个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会变成基础能力。
我们很期待看到你构建出的成果。
致谢
本文由 Bin Wu 撰写，并得到 Adam Jones、Artur Renault、Henry Tay、Jake Noble、Noah Picard、Sam Jiang 和 Claude Developer Platform 团队的贡献。这项工作建立在 Chris Gorgolewski、Daniel Jiang、Jeremy Fox 和 Mike Lambert 的基础研究之上。我们也从 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。
