Claude Developer Platform Advanced Tool Use

Anthropic 发布了 Claude Developer Platform 的三项新功能——Tool Search Tool、Programmatic Tool Calling 和 Tool Use Examples——旨在允许 AI agent 在庞大的工具库和复杂的数据集中运行，而不会耗尽模型的上下文窗口。这些更新将工具使用从简单的函数调用转变为智能编排，从而减少了 token 开销并提高了执行准确性。

Tool Search Tool: On-Demand Tool Discovery

Tool Search Tool 通过按需发现工具而非预先加载所有定义来减少上下文消耗。 在拥有众多 Model Context Protocol (MCP) 服务器的环境中，工具定义可能会在对话开始前就消耗超过 100K tokens，导致“上下文膨胀”并增加工具选择的错误率。

Technical Implementation

开发者可以使用 defer_loading: true 将工具标记为延迟加载，从而将其排除在初始上下文之外。Claude 会获得 Tool Search Tool 本身（以及任何标记为 defer_loading: false 的关键工具）。当需要特定能力时，Claude 会使用搜索工具来查找相关引用，然后这些引用会在上下文中展开为完整的定义。

Performance Gains

Token Reduction: 在一个包含 50 多个 MCP 工具的测试案例中，上下文消耗从约 77K tokens 降至约 8.7K tokens，降幅达 85%。
Accuracy Improvements: 内部 MCP 评估显示出显著提升：Opus 4 从 49% 提高到 74%，Opus 4.5 从 79.5% 提高到 88.1%。
Caching: 由于延迟加载的工具被排除在初始提示词中，系统提示词和核心工具定义与提示词缓存（prompt caching）保持兼容。

Programmatic Tool Calling: Code-Based Orchestration

Programmatic Tool Calling 允许 Claude 通过 Python 代码在沙盒环境中编排多个工具，从而防止中间数据污染模型的上下文。 传统的工具调用需要为每一次调用进行完整的推理过程，并且所有原始结果都会进入上下文窗口，这对于大型数据集来说效率低下。

How it Works

Claude 不再进行顺序的自然语言请求，而是编写一段 Python 脚本来调用多个工具、处理输出（使用循环、条件语句和转换），并仅将最终结果返回给模型。

Opt-in: 工具被标记为 allowed_callers: ["code_execution_20250825"]。
Execution: Claude 生成一个包含 Python 代码的 server_tool_use 请求。
Processing: 工具结果在 Code Execution 环境中进行处理；模型不会看到原始的中间数据。
Final Output: 只有脚本的最终 stdout 会进入 Claude 的上下文。

Key Benefits

Token Savings: 在复杂的研究任务中，平均使用量下降了 37%（从 43,588 降至 27,297 tokens）。
Latency Reduction: 通过在一个代码块中执行 20 多个工具调用，系统消除了 19 个以上不必要的推理过程。
Accuracy: 知识检索准确率从 25.6% 提高到 28.5%，GIA 基准测试从 46.5% 提高到 51.2%。
Real-world Application: Claude for Excel 利用此功能来修改包含数千行数据的电子表格，而不会使上下文窗口过载。

Tool Use Examples: Improving Invocation Precision

Tool Use Examples 为展示正确的工具使用模式提供了一个通用标准，这些模式是 JSON schemas 无法表达的，例如格式约定和参数关联。 虽然 JSON schemas 定义了结构有效性，但它们无法指定何时使用可选参数或 API 预期的特定字符串格式。

Implementation and Impact

开发者可以在工具定义中添加一个 input_examples 数组，其中包含示例工具调用。这可以教导 Claude：

Format Conventions: 例如，使用 YYYY-MM-DD 格式表示日期，或特定的 ID 前缀（例如 "USR-12345"）。
Nested Structures: 如何正确填充复杂的嵌套对象。
Parameter Logic: 哪些可选参数的组合在不同场景下是合适的（例如，需要更高升级级别的严重错误）。

内部测试显示，在处理复杂参数时，提供示例可将准确率从 22% 提高到 90%。

Deployment Best Practices

Anthropic 建议根据 agent 的具体瓶颈点进行功能分层使用：

Bottleneck	Recommended Feature
Context bloat from tool definitions	Tool Search Tool
Large intermediate results polluting context	Programmatic Tool Calling
Parameter errors and malformed calls	Tool Use Examples

Optimization Tips

Discovery: 为工具使用清晰、具有描述性的名称和描述，以提高搜索准确性。保持 3-5 个高频工具始终处于加载状态，同时延迟加载其余工具。
Execution: 在工具描述中清晰地记录返回格式，以帮助 Claude 编写准确的 Python 解析逻辑。将程序化调用集中在幂等操作和可并行任务上。
Accuracy: 精度提升：为每个工具提供 1-5 个真实的示例，重点关注 schema 无法涵盖的模糊领域。