“`html

Claude Code 更新：MCP 工具搜尋優化上下文利用率與準確性

Anthropic 近期針對其 AI 程式開發工具 Claude Code 推出了 MCP Tool Search 功能，旨在解決長期以來困擾開發者的 MCP（Model Context Protocol）工具佔用過多上下文（Context） 的問題。此更新透過「懶加載」（Lazy Loading）機制，顯著提升了上下文資源的利用效率，並改善了 AI 工具搜尋的準確性。

MCP 上下文佔用的痛點

MCP 作為 AI 工具的統一接口協議，允許開發者將多種外部工具（如資料庫、API、雲端服務）整合至 AI 系統中。然而，隨著 MCP 服務器數量的增加，工具描述（Tool Descriptions）所佔用的 Token 數量急劇膨脹。根據 iThome 報導，部分使用者在接入超過 7 個 MCP 伺服器後，光是工具描述即消耗超過 67,000 個 Token，佔據 Claude Code 上下文窗口（約 20 萬 Token）的三分之一（iThome, 2026）。這導致 AI 在尚未開始實際任務前，可用的上下文空間已被大量壓縮。

「懶加載」機制：從預載到動態搜尋

為解決此問題，Claude Code 推出的 MCP Tool Search 引入了「懶加載」策略，改變了過去「全員到場」的預載模式。具體優化包括：

• 動態載入：當工具描述佔用超過 10% 上下文時，系統不再預先載入所有工具，而是透過關鍵字搜尋動態載入所需工具（Anthropic, 2026）。
• 相似度搜尋：Tool Search 作為一個代理流程，可多次調整關鍵字並平行查詢，直至找到最適合的工具（baoyu.io, 2026）。
• 漸進式揭露：類似於「書架」的比喻，AI 先記錄工具的基本資訊（如名稱、簡介），僅在需要時才載入完整描述，大幅減少上下文浪費（Threads, 2026）。

技術實現與效益

此更新的核心在於將 MCP 工具的載入時機從「預先載入」轉變為「按需載入」。根據 Anthropic 技術人員 Thariq Shihipar 的說明，新機制能避免不必要的 Token 消耗，並提升 AI 在處理複雜任務時的響應速度（iThome, 2026）。例如：

• 在同時接入多個 MCP 伺服器的場景中，上下文佔用率可降低超過 50%。
• 搜尋過程支持多輪迭代，確保工具匹配的準確性，避免因描述過長導致的資訊遮蔽。

未來展望與挑戰

雖然 MCP Tool Search 解決了當前的痛點，但仍面臨一些挑戰：

• 工具描述的標準化：為確保搜尋的有效性，工具描述需更精簡且結構化（53AI, 2025）。
• 異步任務處理：MCP 協議在一周年更新中引入了實驗性的 Task 原語，但尚未達到生產級穩定性（53AI, 2025）。
• 與其他協議的整合：如 Google 的 A2A 協議已內建異步任務支持，MCP 需進一步優化以保持競爭力（53AI, 2025）。

參考資料與原文來源

• 🔗 Claude Code 的”懒加载”更新：AI 终于学会了”随叫随到
• 🔗 AI趨勢周報第283期：Claude Code新功能解決MCP擴充痛點 – iThome
• 🔗 MCP是不是真凉了？ – 53AI-AI知识库
• 🔗 Claude Code 出手改善MCP佔用Context的問題了？ – Threads

“`

🧠本文由 DreamJ AI 技術新聞生成系統 自動撰寫並進行語意優化，僅供技術研究與教學使用。
請以原廠公告、CVE 官方資料與安全建議為最終依據。