AI Agent 调用工具时上下文爆炸？Pctx 用 Code Mode 把 150K Token 降到 2K
你有过这种经历吗？AI 编码 Agent 需要处理一个简单的数据筛选任务——从 Google Sheet 读取数据，过滤出符合条件的行，然后计算汇总。传统工具调用模式下，Agent 先调用 getSheet(id) 获取 1000 行数据塞进上下文，再调用 filterRows(criteria) 过滤出 50 行又塞回去，最后再调用 summarize()……每一步的中间结果都在撑大上下文窗口，Token 消耗像滚雪球一样增长。
Anthropic 的工程师们提出了一个解决思路——Code Mode（代码模式）：让 Agent 直接写代码来批量处理，而不是逐次调用工具。但实现 Code Mode 需要处理 MCP 服务器聚合、认证管理、沙箱安全等一系列基础设施问题。Pctx（读作「p-context」）正是解决这个问题的开源框架——它坐落在 AI Agent 和 MCP 服务器之间，聚合多个上游 MCP 服务器，通过统一的 Code Mode 接口暴露工具，让 Agent 用写代码的方式替代序列化工具调用。
| 场景 | 传统工具调用 (Tool Mode) | Code Mode (Pctx) |
|---|---|---|
| 数据过滤 + 筛选 + 汇总 | 3 次工具调用，中间数据来回塞上下文 | 1 段 TypeScript 代码本地运行 |
| Token 消耗 | 150K tokens（多步操作实测） | 2K tokens（98.7% 减少） |
| 上下文污染 | 每步中间结果残留在上下文中 | 只在沙箱中处理 |
| 错误恢复 | 每步需独立重试工具调用 | 代码级 try/catch |
| 多 MCP 认证 | 每个 MCP 单独管理 | Pctx 统一管理 |
三行命令上手
Pctx 的安装方式覆盖了主流包管理器：
brew install portofcontext/tap/pctx npm i -g @portofcontext/pctx curl --proto '=https' --tlsv1.2 -LsSf https://raw.githubusercontent.com/portofcontext/pctx/main/install.sh | sh
安装后，一行命令启动 Code Mode：
pctx start
要聚合多个 MCP 服务器也很简单：
pctx mcp init pctx mcp add stripe https://mcp.stripe.com pctx mcp add memory --command "npx -y @modelcontextprotocol/server-memory" pctx mcp dev pctx mcp start --stdio
核心能力
Code Mode：工具调用的范式转变
Pctx 的核心价值在于用代码执行替代序列化工具调用。传统 MCP 流程中，Agent 每调用一个工具就要把结果送回上下文，Agent 再基于结果决定下一步——这就像每次发完命令都要等人把结果读回大脑，再想下一步。Code Mode 让 Agent 直接写一段 TypeScript 脚本在沙箱中运行：
// 传统方式：3 次工具调用，150K tokens
const sheet = await gdrive.getSheet({ sheetId: "abc" });
const orders = sheet.filter((row) => row.status === "pending");
console.log(`Found ${orders.length} orders`);
这段代码在 Pctx 的 Deno 沙箱中本地执行，一次性完成数据获取、过滤和计算，Agent 只接收最终的 console.log 输出。实测数据显示，对同一个多步操作，Token 消耗从 150K 降至 2K——减少了 98.7%。
Python SDK 让 Agent 框架无缝接入
如果你使用 OpenAI Agents SDK、LangChain 或其他 Python Agent 框架，Pctx 提供了完整的 Python SDK：
pip install pctx-client
from pctx_client import Pctx, tool
from agents import Agent
from agents.run import Runner
@tool
def get_weather(city: str) -> str:
"""Get weather information for a given city."""
return f"It's always sunny in {city}!"
pctx = Pctx(tools=[get_weather])
tools = pctx.openai_agents_tools()
agent = Agent(
name="WeatherBot",
model="gpt-4o",
instructions="You run code to complete complex tasks.",
tools=tools,
)
统一 MCP 聚合与认证管理
当你同时使用多个 MCP 服务器时，Pctx 充当了统一的入口。Agent 不需要分别管理每个 MCP 的连接、认证和认证刷新——Pctx 的 pctx.json 配置集中处理这些，LLM 生成的代码永远看不到你的认证凭据。
认证信息来源有优先级：环境变量 → 系统钥匙串 → 外部命令，保证密钥安全。
与传统方案的横向对比
| 维度 | Pctx (Code Mode) | 传统 Tool Mode | 自定义脚本 |
|---|---|---|---|
| Token 效率 | 极高（2K/步） | 极低（150K/步） | 中等 |
| Agent 认知负荷 | 低（单段代码） | 高（多步工具编排） | 中（需预定义流程） |
| 安全沙箱 | ✅ Deno 隔离沙箱 | ❌ 无沙箱 | ❌ 依赖实现 |
| 多 MCP 聚合 | ✅ 原生支持 | ❌ 需手动管理 | ❌ 需手动实现 |
| 安装复杂度 | 1 条命令 | 无安装 | 需开发 |
| 许可证 | MIT | — | — |
注意事项
- Pctx 当前版本（v0.x）需要 Rust 环境或通过预编译包安装，Node.js 18+ 和 Homebrew 用户安装最顺畅
- Code Mode 生成的代码在 Deno 沙箱中运行，默认只能访问配置文件允许的网络主机——如果你需要访问特定 API，记得在
pctx.json的allowedHosts中添加 - Python SDK 是 HTTP 客户端模式，需要先启动
pctx服务器进程 - 目前 Node.js SDK 即将推出（README 标注 “Coming soon”），纯 TypeScript 生态的开发者暂时通过 MCP 服务器模式使用
- 被 Block（原 Square）和 Sentient 等公司采用，说明在生产环境中已有验证
总结
如果你的 AI Agent 工作流中涉及多次工具调用（数据处理、多步编排、跨 MCP 服务器操作），Pctx 的 Code Mode 方案能显著降低 Token 消耗和上下文污染。用一次安装、一行启动，让 Agent 从「一个个调工具」升级为「写代码批量处理」——这才是 AI Agent 调用工具的合理姿势。
- GitHub：portofcontext/pctx（267⭐, MIT）
- 文档：pctx.readthedocs.io
- Python SDK：
pip install pctx-client