Programmatic Tool Calling is Anthropic's paradigmaverschuiving die traditionele JSON-gebaseerde function calling vervangt door directe code-executie voor toolaanroepen. In plaats van een JSON-object te genereren dat een functieaanroep beschrijft en te wachten op een round-trip respons, voert Claude een codeblok uit binnen een omgeving om dynamisch meerdere MCP-tools aan te roepen, resultaten te parsen en regelstructuren zoals loops en conditionals te gebruiken voordat het een eindantwoord geeft. Dit lost drie kritieke problemen op met standaard function calling: token-bloat door het serialiseren van elke toolinteractie als JSON, hoge latentie door sequentiële round-trips voor multi-tool taken, en contextuitputting door het accumuleren van uitgebreide tool-call/respons-paren. Programmatic tool calling stelt agents in staat complexe meerstaps-workflows in een enkele executiepass af te handelen.
Waarom het belangrijk is
Standaard JSON-gebaseerde function calling is het knelpunt van agentprestaties geworden. Elke toolaanroep vereist een volledige round-trip: het model genereert een JSON-verzoek, de runtime voert het uit, en de respons wordt teruggevoed in de context van het model. Voor een taak die tien toolaanroepen vereist, betekent dit tien round-trips, elk met toegevoegde latentie en tokenverbruik. De geaccumuleerde JSON-payloads kunnen het contextvenster van het model uitputten voordat de taak voltooid is. Programmatic tool calling elimineert deze overhead door het model code te laten schrijven en uitvoeren die de gehele toolinteractiesequentie lokaal afhandelt. Dit is niet slechts een optimalisatie — het ontgrendelt agentcapaciteiten die voorheen onpraktisch waren, zoals itereren over grote datasets, implementeren van retry-logica, en orkestreren van complexe conditionele workflows die afhangen van tussentijdse toolresultaten.
Hoe het werkt
Wanneer een agent met programmatic tool calling een taak tegenkomt die externe tools vereist, genereert het een codeblok (typisch Python) in plaats van een JSON-toolaanroep. Dit codeblok draait in een sandboxed uitvoeringsomgeving met toegang tot MCP-toolbindingen. De code kan meerdere tools in sequentie aanroepen, vertakken op basis van resultaten, over collecties loopen, data aggregeren en de uiteindelijke output formatteren — allemaal binnen één enkele executie. Het model schrijft de orkestratielogica, de runtime voert het uit, en alleen het eindresultaat wordt teruggestuurd naar de gesprekscontext. Dit comprimeert wat meerdere round-trips zouden zijn tot één enkele code-executie, waardoor latentie en tokengebruik drastisch worden verminderd. De benadering geeft agents ook native programmeerconstructs zoals foutafhandeling, datatransformatie en wiskundige operaties zonder dat voor elk daarvan gespecialiseerde tools nodig zijn.
Voorbeeld
Een gebruiker vraagt een AI-assistent om alle achterstallige facturen uit het boekhoudsysteem te vinden, berekeningen voor boetes te maken op basis van contractvoorwaarden opgeslagen in het CRM, en een samenvattende e-mailconcept te genereren. Met traditionele function calling vereist dit: (1) boekhoud-API aanroepen om facturen op te halen, (2) wachten op respons, (3) achterstallige filteren, (4) voor elke achterstallige factuur CRM aanroepen voor contractvoorwaarden, (5) wachten op elke respons, (6) boetes berekenen, (7) e-mail-API aanroepen om concept te maken. Dat zijn minstens zeven round-trips. Met programmatic tool calling schrijft Claude een Python-script dat facturen ophaalt, ze in een loop filtert, de CRM-lookups batcht, boetes berekent met native rekenkunde, en de e-mail-API éénmaal aanroept met de volledige samenvatting — allemaal in één enkele code-executie die seconden duurt in plaats van meerdere round-tripcycli.