告别JSON！Anthropic发布Tool Calling 2.0，Agent上下文消耗骤降80%

2The Hook (引言)

如果你在过去两年里深度参与过AI Agent的开发，你一定经历过被Context Window（上下文窗口）和Latency（延迟）支配的恐惧。

传统的工具调用（Tool Calling）机制从诞生至今几乎没有变过：给大模型一套Schema，让它输出特定的JSON来调用API，然后把结果塞回上下文，再进行下一轮思考 。当遇到需要串联多个工具的复杂任务时，这种基于JSON的“乒乓球式”交互会产生灾难性的Token浪费，并导致极高的延迟 。

正如业内的一句精辟吐槽：

“让大模型通过输出JSON来调用工具，简直就像是让莎士比亚去上了几个月的普通话培训班，然后硬逼着用中文写一部话剧。”

大模型天生就更擅长写代码，而不是去抠JSON的括号 。为了解决这个业界毒瘤，Anthropic悄然发布了一套堪称Tool Calling 2.0的重量级更新 。今天，我们将从工程实操的角度，硬核拆解这四大特性如何重塑长周期Agent的开发流。

Core Content (正文 - 干货部分)

Step 1: Programmatic Tool Calling (程序化工具调用) —— 告别JSON，拥抱代码

这是本次更新中最具颠覆性的一环。它的核心思想不再是让LLM作为粘合剂，一次次地输出JSON来调度任务 。相反，Anthropic给模型提供了一个可以直接访问所有MCP（Model Context Protocol）工具的沙箱环境 (Sandbox)。

模型现在会直接输出一段