Claude Developer Platform Advanced Tool Use

Anthropic 發布了 Claude Developer Platform 的三項新功能——Tool Search Tool、Programmatic Tool Calling 和 Tool Use Examples——旨在讓 AI agent 在操作海量工具庫和複雜數據集時，不會耗盡模型的上下文窗口（context window）。這些更新將工具使用從簡單的函數調用轉變為智能編排，從而減少 token 消耗並提高執行準確度。

Tool Search Tool: On-Demand Tool Discovery

Tool Search Tool 透過按需發現工具，而非預先加載所有定義，來減少上下文消耗。 在擁有眾多 Model Context Protocol (MCP) server 的環境中，工具定義在對話開始前就可能消耗超過 100K tokens，導致「上下文膨脹」（context bloat）並增加工具選擇的錯誤率。

Technical Implementation

開發者可以透過將工具標記為 defer_loading: true 來將其排除在初始上下文之外。Claude 會獲得 Tool Search Tool 本身（以及任何標記為 defer_loading: false 的關鍵工具）。當需要特定功能時，Claude 會使用搜尋工具來尋找相關引用，隨後這些引用會在上下文中展開為完整的定義。

Performance Gains

Token Reduction: 在一個包含 50 個以上 MCP tools 的測試案例中，上下文消耗從約 77K tokens 降至約 8.7K tokens，降幅達 85%。
Accuracy Improvements: 內部 MCP 評估顯示顯著提升：Opus 4 從 49% 提升至 74%，Opus 4.5 從 79.5% 提升至 88.1%。
Caching: 由於延遲加載的工具被排除在初始提示詞（prompt）之外，系統提示詞和核心工具定義仍能與提示詞緩存（prompt caching）相容。

Programmatic Tool Calling: Code-Based Orchestration

Programmatic Tool Calling 允許 Claude 在沙盒環境中透過 Python 代碼編排多個工具，防止中間數據污染模型的上下文。 傳統的工具調用需要為每一次調用進行完整的推理過程，且所有原始結果都會進入上下文窗口，這對於大型數據集來說效率低下。

How it Works

Claude 不再使用連續的自然語言請求，而是編寫一個 Python 腳本來調用多個工具、處理輸出（使用迴圈、條件判句和轉換），並僅將最終結果返回給模型。

Opt-in: 工具被標記為 allowed_callers: ["code_execution_20250825"]。
Execution: Claude 會生成一個包含 Python 代碼的 server_tool_use 請求。
Processing: 工具結果會在 Code Execution 環境中進行處理；模型不會看到原始的中間數據。
Final Output: 只有腳本的最終 stdout 會進入 Claude 的上下文。

Key Benefits

Token Savings: 在複雜的研究任務中，平均使用量下降了 37%（從 43,588 降至 27,297 tokens）。
Latency Reduction: 透過在一個代碼塊中執行 20 個以上的工具調用，系統消除了 19 個以上的非必要推理過程。
Accuracy: 知識檢索能力從 25.6% 提升至 28.5%，GIA 基準測試從 46.5% 提升至 51.2%。
Real-world Application: Claude for Excel 利用此功能來修改包含數千行的試算表，而不會造成上下文窗口過載。

Tool Use Examples: Improving Invocation Precision

Tool Use Examples 為展示正確的工具使用模式提供了一種通用標準，這些模式是 JSON schemas 無法表達的，例如格式規範和參數關聯。 雖然 JSON schemas 定義了結構有效性，但它們無法指定何時使用可選參數，或 API 所預期的特定字符串格式。

Implementation and Impact

開發者可以向工具定義中添加一個 input_examples 數組，其中包含工具調用的示例。這可以教導 Claude：

Format Conventions: 例如，使用 YYYY-MM-DD 格式表示日期，或特定的 ID 前綴（例如，「USR-12345"）。
Nested Structures: 如何正確填充複雜的嵌套對象。
Parameter Logic: 哪些可選參數的組合在不同場景下是合適的的（例如，需要更高升級層級的關鍵錯誤）。

內部測試顯示，提供示例可以將複雜參數處理的準確度從 72% 提升至 90%。

Deployment Best Practices

Anthropic 建議根據 agent 的特定瓶頸來分層使用這些功能：

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: 使用清晰、具描述性的工具名稱和描述來提高搜尋準確度。保持 3-5 個高頻率工具始終加載，同時延遲加載其餘工具。
Execution: 在工具描述中清晰地記錄返回格式，以幫助 Claude 編寫準確的 Python 解析邏輯。將編程化調用（programmatic calling）集中在冪等操作（idempotent operations）和可並行化的任務上。
Accuracy: 為每個工具提供 1-5 個真實的示例，重點關注 schema 描述不足的模糊領域。