영어 | 中文

시작하기 | CLI 참조 | 구성 | 변경 로그 | 로드맵

*데모: DeepSeek V3.2를 사용해 2년간의 NVDA, AMD, SPY 주식 데이터(15,000+ 줄의 원시 JSON 분석)

프로그래매틱 툴 콜링이란 무엇인가요?

이 프로젝트는 Anthropic이 최근 도입한 프로그래밍 도구 호출(PTC)의 오픈 소스 구현으로, 에이전트가 개별 JSON 도구 호출 대신 코드 실행으로 도구를 호출할 수 있게 합니다. 이 패러다임은 이전 엔지니어링 블로그 'MCP를 이용한 코드 실행’에서도 소개되어 있습니다.

왜 PTC인가요?

1. LLM은 코드 작성에 매우 뛰어납니다! 그들은 맥락 이해, 데이터 흐름 추론, 정밀한 논리 생성에 뛰어납니다. PTC는 그들이 가장 잘하는 일을 가능하게 합니다 - 한 번에 한 도구만 추론하는 대신 전체 워크플로우를 조율하는 코드를 작성하는 것입니다.

2. 전통적인 도구 호출은 모델의 컨텍스트 창에 전체 결과를 반환합니다. 10개의 티커에 대해 1년치 일일 주가를 가져오는 경우를 가정해 봅시다. 이는 2,500+ OHLCV 데이터 포인트가 컨텍스트를 오염시키는 것으로, 포트폴리오 요약을 계산하는 데 수만 개의 토큰이 필요합니다.

Open PTC Agent

English | 中文

Getting Started | CLI Reference | Configuration | Changelog | Roadmap

Demo: Analyzing 2 years of NVDA, AMD & SPY stock data (15,000+ lines of raw JSON) using DeepSeek V3.2

What is Programmatic Tool Calling?

This project is an open source implementation of Anthropic recently introduced Programmatic Tool Calling (PTC), which enables agents to invoke tools with code execution rather than making individual JSON tool calls. This paradigm is also featured in their earlier engineering blog Code execution with MCP.

Why PTC?

1. LLMs are exceptionally good at writing code! They excel at understanding context, reasoning about data flows, and generating precise logic. PTC lets them do what they do best - write code that orchestrates entire workflows rather than reasoning through one tool call at a time.

2. Traditional tool calling returns full results to the model’s context window. Suppose fetching 1 year of daily stock prices for 10 tickers. This means 2,500+ OHLCV data points polluting context - tens of thousands of tokens just to compute a portfolio summary. With PTC, code runs in a sandbox, processes data locally, and only the final output returns to the model. Result: 85-98% token reduction.

3. PTC particularly shines when working with large volumes of structured data, time series data (like financial market data), and scenarios requiring further data processing - filtering, aggregating, transforming, or visualizing results before returning them to the model.

How It Works

User Task
    |
    v
+-------------------+
|    PTCAgent       |  Tool discovery -> Writes Python code
+-------------------+
    |       ^
    v       |
+-------------------+
|  Daytona Sandbox  |  Executes code
|  +-------------+  |
|  | MCP Tools   |  |  tool() -> process / filter / aggregate -> dump to data/ directory
|  | (Python)    |  |
|  +-------------+  |
+-------------------+
    |
    v
+-------------------+
|Final deliverables |  Files and data can be downloaded from sandbox
+-------------------+