claudeanthropic大语言模型agentmcpAI

Claude 工作原理:上下文、工具调用与代理循环

沿提示词走完上下文、生成、工具结果与再次请求,区分公开 API 行为和用于理解的概念示意。

CodePic Team14 min read

直接结论

Claude 根据请求上下文生成内容,客户端工具由外层应用执行,结果可进入下一次模型请求。图是客户端工作流示意,不是 Claude 私有内部架构或完整思维过程的披露。

核验方法: 参考 Anthropic 工具调用文档和代理设计说明,区分 API 可观察行为与简化的推理、训练概念,不假定精确私有架构。

Claude 根据已有上下文生成响应。如果响应请求客户端工具,外层应用执行操作并把结果送回,模型再继续。这个“上下文→输出→工具结果”循环能解释代理工作流,不需要假设模型本身直接操作所有外部系统。

下文五个框架是概念示意。公开 API 行为与 Claude 私有内部架构不同,应用还可以在模型请求之外增加检索、工具和编排。

30 秒版

Claude 的运行时本质上是一个四阶段循环:

  1. 输入组装 —— 模型能"看到"的所有内容打包成一个 prompt
  2. 推理管道 —— 模型把这个 prompt 转成下一个 token 的概率分布
  3. 响应 —— token 流式产出,可能是文本、可能是结构化输出(工具调用、thinking 块)
  4. 代理循环 —— 如果响应里有工具调用,外层运行时执行工具,把结果再喂回步骤 1

其他一切 —— 具体的 transformer 架构、扩展思考、MCP 集成 —— 都是这四个阶段里的某个细节。只要把这四阶段的循环记在脑子里,几乎任何 Claude 的行为你都能推理出来。

Frame 1 —— 输入组装(模型真正看到的东西)

请求可能包含系统指令、用户和助手消息、附件、工具定义和选入的外部上下文,不是每次六项齐全。宿主决定送什么;连接 MCP 服务器不代表全部资源会自动进入模型上下文。

Messages API 用角色和内容块表达输入。“一个 prompt”是可用上下文的简写,不是应用必定把所有东西拼成纯文本。图片与其他内容可能有不同表示和计费方式。

遗漏事实时,先看它是否真的传入或检索。文件存在于工作区,不代表模型已经读过。长对话也可能被宿主裁剪或摘要,要确认当前保留的是哪版指令。

请求图表时,把人员或组件、关系、必要标签和源格式写清。先做一个小且能检查的产出,不假设模型知道组织内部流程。

Frame 2 —— 推理生成(概念视角)

语言模型根据可用上下文生成输出。分词把内容转换为模型处理的单位,但一个 token 不等于固定英文字母数,也不必等于一个汉字;精确预算应使用对应模型的计数工具。

“预测后续 token”有助于理解文本生成,不证明 Claude 的具体层数、注意力结构或内部步骤。图不把未公开结构当成事实。

思考功能可以按模型与配置投入额外生成预算,不是所有版本都在一次 Transformer 计算后执行的独立固定阶段。公开思考内容也不等于完整内部计算记录。

排查时先看可观察事实:送入什么、选了哪个模型和配置、返回什么、宿主怎样处理。这比编造精确内部五步更有用。

Frame 3 —— 响应(吐出什么)

输出流不只是"文本",它是一个结构化序列,含四种可能的成分:

  • 流式文本 token —— 可见的响应,一个 token 一个 token 流出来
  • Thinking 块 —— 扩展思考的内容,可以选择性展示给终端用户
  • 工具调用(JSON) —— 一个结构化请求,带具体参数调用某个工具
  • 停止原因 —— 模型为什么停下:end_turn(做完了)、tool_use(在等工具结果)、max_tokens(token 预算用完了)

停止原因是这一步里操作层面最重要的字段。end_turn 表示响应完成;tool_use 表示运行时需要先执行工具再继续。"代理行为"的一切都取决于这个信号。

Frame 4 —— 代理循环(外层运行时)

当响应里出现 tool_use 停止原因时,控制流离开模型,进入代理循环。这是 Claude 从"文本生成器"变成"agent"的那一层。

循环有三个具体步骤:

  1. 决策 —— 实际上模型已经通过 emit 一个 tool call 做完这个决策了,运行时只是把它读出来。
  2. 执行 —— 调用工具。工具分三类:
    • 内置工具(比如 web search、code execution)—— Anthropic 提供
    • 用户自定义工具 —— 开发者注册的任意函数
    • MCP 工具 —— 通过 Model Context Protocol 暴露能力的外部服务器。CodePic 就是其中之一 —— 让 Claude 通过调 MCP 工具来创建和编辑手绘风格的图。
  3. 把结果送回去 —— 工具的输出被 encode 成 tool_result 消息,附加到对话历史。这就是图中"作为下一轮 turn"那条箭头的含义:结果变成一次新的用户 turn,整个循环从 Frame 1 重来。

循环在响应带 end_turn 而不是 tool_use 时终止。实际中可能是 1 次迭代(简单查询)、5 次(研究任务)、或 50+ 次(长时间运行的 agent 任务)。

为什么这个 frame 重要:你听说过的每个"agent 框架" —— LangChain、Anthropic 自己的 Agents SDK、内部自研的 harness —— 本质上都是 Frame 4 的一个具体实现。它们的区别在于如何管理循环(并行工具调用、重试逻辑、子 agent 编排),但核心形状是一样的。

Frame 5 —— 训练管道(背景,不是运行时)

上面四个 frame 描述的是每次你发消息时发生的事。但模型本身是另一条一次性(近似一次性)管道的产物:

  • 预训练 —— 喂给模型海量文本,训练它预测下一个 token
  • 监督微调(SFT) —— 给它人类写的"给定指令的好回答"样例
  • Constitutional AI(RLAIF) —— Anthropic 版本的 RLHF,用一份写好的"宪法"引导 AI 反馈,塑造安全/有帮助的行为
  • 红队测试 —— 对抗性测试找 bug、修 bug
  • 部署 —— 训练好的模型通过 API、Claude.ai、Claude Desktop 提供服务

发消息时这些都不跑。训练管道决定了 Frame 2 的模型为什么这样表现,但请求时它是冻结的。所以图里 Frame 5 是灰色的、放在底部 —— 是背景,不是运行时循环的一部分。

MCP 在图中的位置(以及它为什么重要)

MCP 在图里出现两次:一次是作为输入源(Frame 1 —— 从 MCP 服务器拉资源和提示词进上下文),一次是作为工具类型(Frame 4 —— 代理循环中调用 MCP 工具)。

这种双重身份就是 MCP 的意义。传统工具调用要求开发者手写模型能调的每个工具。MCP 让工具在运行时被发现 —— 模型不需要重新训练就能获得新能力。让 Claude 客户端指向一个新的 MCP 服务器,它的工具立刻可用。

举个具体例子:CodePic 暴露了一个 MCP 服务器,让 Claude 通过调 create_diagram 或 create_from_template 来创建图。从 Claude 的角度看,这些跟其他任何工具调用一模一样。从用户角度看,"给我画个项目的思维导图"就变成了浏览器里一张真正可编辑的图 —— 因为 MCP 打通了两个系统。

思考输出不等于内部过程逐字稿

思考行为和配置取决于模型与 API 版本,应读目标模型当前文档。服务与客户端可能摘要或处理思考内容,不能从显示块推断所有内部运算。

API 中它是结构化内容,不是随便给普通文本套一对标签。应用需按文档处理内容块,并在继续工具对话时保留要求的信息。额外思考也有预算和延迟,不是无限长。

用可验收任务选择配置:小图对照节点和分支,多步调查检查证据和停止条件。可见解释更长,不自动证明结论更正确。

沿一个方向读这张图

推荐的How Claude Works 图阅读顺序:

  1. 沿实心箭头走 Frame 1 → 2 → 3
  2. 如果响应里有 tool_use,跟着虚线箭头进 Frame 4
  3. 走 Frame 4 里的内部箭头:决策 → 工具执行 → 结果节点
  4. 跟着**"作为下一轮 turn"的虚线**回到 Frame 2
  5. 循环,直到落到一个带 end_turn 的响应
  6. Frame 5 在底部作为背景 —— 说明模型能力的来源,不参与请求时的流程

这就是整个运行时。任何具体的行为 —— 快速的一次性回答、20 次工具调用的长 agent 会话、图片输入请求、MCP 驱动的工作流 —— 都是在同一个形状上走一条具体路径而已。

上手试试

How Claude Works 图是一个可编辑的模板。打开它,用你跟 Claude 的某次具体交互,追踪它经过了哪些 frame。理解一次这个形状,未来所有"Claude 为什么会这么做?"的问题都会好答很多。

如果你在用 Claude 做开发 —— 通过 API、Claude Code、或 MCP —— 这张图值得钉在手边。看得清楚是哪个 frame 出问题,调试速度会快很多。

跟踪一次画图请求

下面是虚构客户端过程,不是实测 API 日志。用户要带审批分支的退款流程,应用提供图表工具定义和所需账号连接。Claude 提出参数,运行时决定能否接受与执行。

可观察事件能说明什么不能说明什么
请求图表的工具调用块模型选择工具与输入文件已保存
宿主执行操作已尝试外部操作操作已成功
工具返回文档 ID工具报告存在产出每个分支都正确
用户要求修改有新编辑任务旧结果仍为当前版本

工具返回认证错误时,按规定的工具结果路径反馈错误,不能编造文档地址。返回源文档后,核对通过与拒绝分支再报告成功。

接着要求新增“信息不足”路径,宿主可能要执行另一次调用并接收结果。最终应给产出和未解决验证问题,不输出猜测的内部思维。

这也说明模型知识与工具能力不同。工具可在不重训权重时增加操作,但宿主仍需注册或发现它、授权访问、处理结果。MCP 规范连接的部分流程,不代表每个服务器都安全、可用或已获操作许可。

来源与核验

本文事实与对比所使用的官方参考资料。

常见问题

模型会自己执行所有工具吗?

客户端工具经外层应用执行,部分服务端工具由服务处理;请求与执行结果是不同事件。

连接 MCP 会自动送入所有资源吗?

不会,宿主选择或检索上下文,并控制工具与访问。

可见思考是完整内部记录吗?

不是,内容和显示取决于模型配置,不应当成内部运算逐字稿。

普通请求会重新训练模型吗?

正常推理使用已部署模型,不是在执行预训练或后训练管道。

相关文章