Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAPI / Produit · Prêt à l'emploiX: @AnthropicAI→ original

Anthropic ajoute à son API l'exécution de code, les serveurs MCP, les fichiers et un cache d'une heure au lieu de 5 minutes

Anthropic ajoute à son API quatre briques prêtes à l'emploi pour les agents : l'exécution de code Python dans un bac à sable, la connexion de services via le protocole MCP, le téléversement unique de fichiers et un cache de prompt d'une heure au lieu de cinq minutes. Un agent peut par exemple récupérer une fois un tableau de clients, en calculer le taux de désabonnement par le code, sans renvoyer à chaque étape de longues instructions. Selon la société, le cache réduit le coût des longs prompts jusqu'à 90 %. Les équipes ont intérêt à vérifier quel code maison peut être supprimé.

Traité par IA depuis X: @AnthropicAI ; édité par Hamidun News
Anthropic ajoute à son API l'exécution de code, les serveurs MCP, les fichiers et un cache d'une heure au lieu de 5 minutes
Source : X: @AnthropicAI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireX: @AnthropicAI ↗
Rédacteur en chef
Code execution50 heures de conteneur gratuites par jour, puis environ 5 centimes par heure
Connecteur MCPl'adresse du serveur MCP distant se renseigne directement dans la requête
Chiffre clé #3Cache d'une heure au lieu de 5 minutes ; la latence, selon Anthropic, baisse jusqu'à 85 %

Pour construire un agent d'IA sur une API de modèle de langage brute, le modèle ne suffit pas. Il faut un endroit pour exécuter en toute sécurité le code qu'il a écrit. Il faut le relier à des services externes, comme un outil de suivi des tâches ou un CRM.

Il faut aussi renvoyer chaque fois les mêmes documents et payer leur traitement à chaque fois. Le 22 mai 2025, Anthropic a annoncé quatre fonctionnalités de son API qui répondent précisément à ces besoins. Le code execution tool exécute le code Python du modèle dans un bac à sable côté Anthropic.

Le connecteur MCP relie des services externes via le protocole MCP, sans qu'il soit nécessaire d'écrire un client distinct pour chacun. La Files API permet de téléverser un document une seule fois, puis d'y faire référence. Le cache de prompt étendu conserve la partie répétitive de la requête jusqu'à une heure au lieu de cinq minutes précédemment, ce qui rend les requêtes moins chères et plus rapides.

Dans son message sur X, la société se contente de citer les noms des fonctionnalités et un lien vers l'annonce. Les détails figurent dans la documentation et le blog d'Anthropic. Voici l'analyse de chaque point ; les chiffres sont ceux de la documentation au moment de l'annonce.

Code execution tool : le modèle exécute lui-même du code

Le premier outil permet à Claude d'écrire et d'exécuter du code Python dans un bac à sable isolé. C'est comparable à un carnet Jupyter intégré. Le modèle calcule, trace des graphiques, traite des tableaux et vérifie ses propres hypothèses, au lieu de deviner la réponse de tête.

Par exemple, vous demandez quels clients d'un export partent le plus souvent. Auparavant, le développeur devait monter son propre sandbox, en assurer la sécurité et gérer les délais d'expiration. Désormais, il suffit d'activer l'outil dans la requête. Selon la documentation, en version bêta, une organisation dispose de 50 heures gratuites de fonctionnement de conteneur par jour, puis d'environ 5 centimes par heure de conteneur.

Connecteur MCP et Files API : moins de colle entre les services

MCP (Model Context Protocol) est un protocole ouvert d'Anthropic qui permet au modèle de communiquer avec des outils externes : gestionnaire de tâches, CRM, base de connaissances. Auparavant, il fallait écrire un client spécifique pour chaque serveur MCP. Le connecteur MCP permet simplement d'indiquer dans la requête l'adresse d'un serveur MCP distant. L'API se connecte alors d'elle-même, récupère la liste des outils et appelle celui qu'il faut. Pour un chef de produit, cela signifie que l'intégration des solutions de tiers prête à l'emploi se fait plus vite.

La Files API règle un problème courant, celui du téléversement répété. Un document, par exemple un PDF de règlement ou un tableau, n'est envoyé qu'une fois ; on obtient un identifiant de fichier et on y fait référence dans toutes les requêtes suivantes. Inutile de réencoder et de renvoyer le même fichier à chaque étape d'une conversation. Combinées au code execution, ces fonctions forment un enchaînement : on téléverse les données, le modèle exécute du code, puis renvoie les résultats prêts à l'emploi.

Cache de prompt étendu : une heure au lieu de cinq minutes

Le cache de prompt fonctionne comme un marque-page dans un livre. Une partie longue et inchangée de la requête (instructions, documents, exemples) n'est pas retraitée par le modèle : elle est reprise depuis le cache. Cela réduit à la fois le coût et la latence. Jusqu'ici, le cache durait environ cinq minutes. Si l'agent réfléchissait plus longtemps ou si l'utilisateur répondait lentement, tout le contexte devait être recalculé. Une variante avec une durée de vie allant jusqu'à une heure est désormais disponible.

Anthropic affirme que la mise en cache peut réduire le coût des longs prompts jusqu'à 90 % et la latence jusqu'à 85 %. Une heure de conservation est particulièrement utile pour les tâches agentiques longues, où le contexte est volumineux et où les étapes sont espacées. Une conservation plus longue a cependant un prix : l'écriture dans le cache d'une heure coûte plus cher que dans celui de cinq minutes, alors que la lecture depuis le cache reste nettement moins chère que l'entrée classique.

Ce que cela change en pratique

Les quatre fonctionnalités sont sorties en même temps que les modèles Claude 4. Ensemble, elles constituent un socle pour une plateforme d'agents : exécution de code, intégrations, fichiers et économies sur le contexte. Anthropic prend en charge une partie du travail d'infrastructure que réalisaient auparavant des frameworks tiers et du code maison.

Les limites sont à prendre en compte. Certaines fonctionnalités sont en version bêta, donc l'interface et les tarifs peuvent évoluer. Le code s'exécute sur les serveurs d'Anthropic : pour des données sensibles, il faut donc vérifier les exigences de sécurité et de conservation. Plus la logique migre vers l'API d'un seul fournisseur, plus la dépendance à celui-ci augmente.

Que doit faire un développeur ? Si votre agent dispose déjà d'un bac à sable maison ou d'un long contexte répétitif, mesurez le gain avec le cache d'une heure et l'exécution de code intégrée. Pour les prototypes, la combinaison du connecteur MCP et de la Files API fera très probablement gagner plusieurs jours d'intégration.

Dossier

Questions clés sur cet article

Que sait-on sur Code execution tool : le modèle exécute lui-même du code ?

Le premier outil permet à Claude d'écrire et d'exécuter du code Python dans un bac à sable isolé. C'est comparable à un carnet Jupyter intégré. Le modèle calcule, trace des graphiques, traite des tableaux et vérifie ses propres hypothèses, au lieu de deviner la réponse de tête. Par exemple, vous demandez quels clients d'un export partent le plus souvent. Auparavant, le développeur devait monter son propre sandbox, en assurer la sécurité et gérer les délais d'expiration.

Que sait-on sur Connecteur MCP et Files API : moins de colle entre les services ?

MCP (Model Context Protocol) est un protocole ouvert d'Anthropic qui permet au modèle de communiquer avec des outils externes : gestionnaire de tâches, CRM, base de connaissances. Auparavant, il fallait écrire un client spécifique pour chaque serveur MCP. Le connecteur MCP permet simplement d'indiquer dans la requête l'adresse d'un serveur MCP distant. L'API se connecte alors d'elle-même, récupère la liste des outils et appelle celui qu'il faut.

Que sait-on sur Cache de prompt étendu : une heure au lieu de cinq minutes ?

Le cache de prompt fonctionne comme un marque-page dans un livre. Une partie longue et inchangée de la requête (instructions, documents, exemples) n'est pas retraitée par le modèle : elle est reprise depuis le cache. Cela réduit à la fois le coût et la latence. Jusqu'ici, le cache durait environ cinq minutes. Si l'agent réfléchissait plus longtemps ou si l'utilisateur répondait lentement, tout le contexte devait être recalculé. Une variante avec une durée de vie allant jusqu'à une heure est désormais disponible.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…