MCP แบบ Code Mode: ให้ AI เขียนโค้ดเรียก tool แทนเรียกทีละครั้ง

ระบบ AI ที่ต่อ MCP server หลายตัว มักเจอปัญหาเดียวกัน ยังไม่ทันเริ่มงาน context ก็เต็มไปด้วยนิยาม tool และพอทำงานจริง ผลจาก tool ทุกก้อนก็ไหลผ่านโมเดล แม้มันแค่ต้องส่งต่อให้ tool ถัดไป แนวทางที่ Anthropic และ Cloudflare เสนอตรงกันคือ ให้โมเดลเขียนโค้ดที่เรียก tool แทน

ตรวจข้อเท็จจริงกับบทความ Code execution with MCP ของ Anthropic (พฤศจิกายน 2025), Code Mode ของ Cloudflare (กันยายน 2025) และ changelog ของ Cloudflare ณ ตุลาคม 2026 โค้ดในบทเป็นตัวอย่างประกอบแนวคิด ไม่ใช่ API ของผลิตภัณฑ์ใด

ปัญหา: token หายไปสองทาง

ถ้ายังไม่รู้ว่า MCP คืออะไร อ่าน EP6 MCP ให้ AI มีมือ ก่อน

ทางที่หนึ่ง นิยาม tool client ส่วนใหญ่โหลดชื่อ คำอธิบาย และ schema ของทุก tool เข้า context ตั้งแต่ต้น สมมติต่อ server ไว้ 10 ตัว ตัวละ 10-20 tool โมเดลต้องอ่านนิยามเป็นร้อยก่อนผู้ใช้พิมพ์อะไร

ทางที่สอง ผลกลางทาง งาน “ดึง transcript ประชุมจาก Google Drive แล้วแนบเข้า lead ใน Salesforce” แบบเรียกตรง โมเดลต้องเรียก tool แรก รับ transcript ทั้งฉบับเข้า context แล้วพิมพ์ transcript ทั้งฉบับอีกรอบเป็น input ของ tool ที่สอง ข้อความเดียวกันผ่านโมเดลสองรอบ ทั้งที่โมเดลไม่ต้องคิดอะไรกับมันเลย

นี่คือตัวอย่างที่ Anthropic ใช้ในบทความ เรียกตรงใช้ประมาณ 150,000 token เปลี่ยนเป็นรันโค้ดเหลือประมาณ 2,000 token

วิธีคิด: tool กลายเป็นไฟล์โค้ด

แทนการโหลดนิยามทั้งหมด ให้สร้าง wrapper ของแต่ละ tool เป็นไฟล์ในโฟลเดอร์ จัดตาม server

servers/
├── google-drive/
│   ├── getDocument.ts
│   └── index.ts
├── salesforce/
│   ├── updateRecord.ts
│   └── index.ts
└── sheets/
    ├── getRows.ts
    └── index.ts

โมเดลดูรายชื่อโฟลเดอร์ เปิดเฉพาะไฟล์ tool ที่ต้องใช้ แล้วเขียนโค้ดเรียก ตัวอย่างประกอบ (สมมติว่ามี server ชื่อ sheets):

// generated wrapper: one file per tool, calls the MCP server underneath
import { callMCPTool } from "../client";
export async function getRows(input: { sheetId: string }): Promise<Row[]> {
  return callMCPTool<Row[]>("sheets__get_rows", input);
}

// what the model writes, run inside the sandbox
import * as sheets from "./servers/sheets";

const rows = await sheets.getRows({ sheetId: "abc123" });
const pending = rows.filter((r) => r.Status === "pending");
console.log(`${pending.length} pending of ${rows.length}`);
console.log(pending.slice(0, 5));   // the model sees only this

ข้อมูล 10,000 แถวอยู่ในที่รันโค้ด โมเดลเห็นแค่สิ่งที่ console.log ออกมา

ตัวอย่างคำนวณ

ตัวเลขของ Anthropic: 1 − 2,000 ÷ 150,000 = 1 − 0.0133 = 0.987 คือลดลง 98.7% ตรงกับที่บทความระบุ

ลองกับ sheet 10,000 แถว (สมมติแถวละประมาณ 40 token เป็นตัวเลขเพื่อคิดตาม)

	เรียก tool ตรง	ให้โค้ดกรองก่อน
ผลที่เข้า context	10,000 × 40 = 400,000 token	5 แถว × 40 = 200 token + บรรทัดสรุป
พอดี context window ไหม	ล้น window ของหลายโมเดล	สบาย
ถ้าต้องส่งต่อให้ tool ถัดไป	โมเดลต้องพิมพ์ข้อมูลซ้ำอีกรอบ	โค้ดส่งต่อเอง ไม่ผ่านโมเดล

ประเด็นคือ ส่วนที่ประหยัดโตตามขนาดข้อมูลกลางทาง งานที่ผลเล็กอยู่แล้ว (เช่นถามอุณหภูมิหนึ่งค่า) แทบไม่ได้อะไร

ข้อดีอื่นนอกจาก token

• วนลูปและเงื่อนไขในโค้ด เช่นรอจนมีข้อความ “deployment complete” ใน Slack เขียนเป็น loop กับ setTimeout ได้ ไม่ต้องสลับเรียก tool กับคำสั่ง sleep หลายสิบรอบ
• ข้อมูลส่วนตัวไม่ต้องผ่านโมเดล ผลกลางทางอยู่ในที่รันโค้ดเป็นค่าเริ่มต้น Anthropic ยังเสนอให้ client แทนค่าอย่างอีเมลเป็น token เช่น [EMAIL_1] ก่อนถึงโมเดล แล้วคืนค่าจริงตอนส่งระหว่าง tool
• เก็บ state และ skill โค้ดเขียนผลลงไฟล์ได้ และฟังก์ชันที่ใช้ได้ดีเก็บไว้ในโฟลเดอร์ใช้ซ้ำ

Code Mode ของ Cloudflare

Cloudflare ทำแนวคิดเดียวกันเป็นของจริงใน Agents SDK เรียกว่า Code Mode (บทความ 26 กันยายน 2025 โดย Kenton Varda และ Sunil Pai)

• SDK ดึง schema จาก MCP server แล้วสร้าง TypeScript API พร้อม type และ doc comment จากคำอธิบายใน schema
• โมเดลเห็น tool เดียวคือ “รัน TypeScript” แทน tool เป็นสิบ
• โค้ดรันใน V8 isolate ผ่าน Worker Loader API บทความบอกว่าเริ่มได้ในไม่กี่มิลลิวินาที ใช้หน่วยความจำไม่กี่ MB จึงสร้างใหม่ทุกครั้งแล้วทิ้งได้
• ปิดอินเทอร์เน็ต fetch() และ connect() ใช้ไม่ได้ เข้าถึง MCP server ได้ผ่าน binding ที่ให้ไว้เท่านั้น
• โค้ดไม่ถือ key binding ได้รับอนุญาตไว้แล้ว ตัวกลางเป็นคนแนบ token ให้

สถานะ ณ ตุลาคม 2026: changelog ของ Cloudflare วันที่ 24 มีนาคม 2026 ประกาศว่า Dynamic Workers (ชื่อใหม่ของความสามารถนี้) เป็น open beta สำหรับผู้ใช้ Workers แบบเสียเงิน ระบุ Code Mode เป็น use case แรก และอ้างว่า “ประหยัด token และค่าใช้จ่ายได้ถึง 80%” ตัวเลขนี้เป็นของผู้ขาย ราคาดูจาก changelog ที่ลิงก์ไว้ท้ายบท

Code Mode ไม่ได้ลบ MCP ทิ้ง MCP ยังเป็นท่อเชื่อมและจัดการสิทธิ์ ที่เปลี่ยนคือโมเดลคุยกับท่อนั้นด้วยโค้ด

ราคาที่ต้องจ่าย

ทั้งสองบทความพูดตรงกัน: รันโค้ดที่ AI เขียน ต้องมีที่รันที่ปลอดภัย ซึ่งแปลว่างานเพิ่ม

	เรียก tool ตรง	ให้โมเดลเขียนโค้ด
ต้องมี sandbox	ไม่	ต้อง: แยกไฟล์ ปิดเน็ต จำกัด CPU/RAM/เวลา
token เมื่อข้อมูลกลางทางใหญ่	สูง	ต่ำ
ตรวจสอบย้อนหลัง	เห็นทุก call ใน log ของ agent	ต้องเก็บโค้ดที่รันและ log ของ sandbox เพิ่ม
จุดพัง	โมเดลเลือก tool ผิด	เลือกผิดได้เหมือนกัน และโค้ดยัง bug ได้
เหมาะกับ	tool ไม่กี่ตัว ผลเล็ก	tool เยอะ ข้อมูลใหญ่ งานหลายขั้น

เรื่อง sandbox บนเครื่องนักพัฒนา อ่านต่อใน บทเรื่อง sandbox ให้ AI เขียนโค้ด

ข้อผิดพลาดที่เจอบ่อย

• รันโค้ดที่ AI เขียนด้วย eval หรือ node บนเซิร์ฟเวอร์จริง นี่คือการเปิดให้ใครก็ตามที่ฉีดข้อความเข้า context ได้ รันโค้ดบนเครื่องคุณ ดู บทเรื่อง prompt injection
• เปิดเน็ตให้ sandbox “เผื่อไว้” โค้ดที่อ่านข้อมูลลับได้และส่งออกเน็ตได้ คือช่องรั่วสำเร็จรูป ให้เข้าถึงแค่ MCP server ที่ต้องใช้
• ใส่ API key ใน env ของ sandbox ให้ตัวกลางนอก sandbox เป็นคนแนบ key แบบ binding ของ Cloudflare
• log ข้อมูลทั้งก้อนออกมา console.log(rows) ทำให้ประหยัดได้เป็นศูนย์ ข้อมูลกลับเข้า context เต็ม ๆ
• ไม่จำกัดเวลา loop ที่รอเหตุการณ์ต้องมี timeout ไม่งั้นค้างจนกินทรัพยากร
• ใช้กับทุกงาน ถ้า agent มี tool 3 ตัวและผลเล็ก ความซับซ้อนของ sandbox ไม่คุ้ม บทเรียนเรื่องออกแบบ tool ให้ดีตั้งแต่แรกอยู่ใน บทเรียนจาก MCP server จริง 18 เครื่องมือ

แหล่งอ้างอิง

• Code execution with MCP — Anthropic
• Code Mode: the better way to use MCP — Cloudflare
• Dynamic Workers, now in open beta (ราคาและสถานะ) — Cloudflare changelog