Anthropic发布Agent SDK，截胡 OpenAI

OpenAI 的 Agent Builder 消息先在网上传开，TestingCatalog 爆料已经试用过这个可视化工作流工具。

就在大家都在等凌晨OpenAI Dev Day 正式发布时，Anthropic 突然宣布把 Claude Code SDK 改名为 Claude Agent SDK，抢先发布了完整的智能体开发框架。

这个时机选得很微妙，颇有点“截胡”的味道。Anthropic 显然不想让 OpenAI 独占智能体平台的话语权。

Agent feedback loop

Claude Agent SDK 的核心理念是"给 AI 一台电脑"。整个工作流程遵循一个循环：收集上下文 → 执行操作 → 验证结果 → 继续迭代。

收集上下文的几种方式：

文件系统成了上下文管理的核心。比如邮件智能体会把历史对话存在 "Conversations" 文件夹，Claude 用 grep、tail 等 bash 命令搜索需要的信息。这比向量数据库的语义搜索更透明、更精确。

图片

子智能体（Subagents）设计很巧妙。可以并行处理多个任务，每个有独立的上下文窗口，只返回相关结果给主智能体。比如搜索邮件时，可以同时启动多个子智能体运行不同查询。

SDK 还内置了上下文压缩（Compaction）功能。当智能体长时间运行接近上下文限制时，会自动总结之前的消息，确保不会因为上下文溢出而中断。

执行操作的工具箱：

自定义工具（Tools）是主要执行单元。SDK 建议把最频繁的操作设计成工具，比如邮件智能体的 fetchInbox、searchEmails。工具在 Claude 的上下文中很显眼，会优先考虑使用。

Bash 脚本提供了极大的灵活性。用户邮件有 PDF 附件？Claude 能写代码下载、转换成文本、搜索内容：

图片

代码生成是 SDK 的强项。Claude.AI 的文件创建功能就是靠 Python 脚本生成 Excel、PPT、Word 文档。代码的精确性和可复用性，让复杂操作变得可靠。比如创建邮件规则：

图片

MCP（Model Context Protocol）集成解决了外部服务连接问题。不用写集成代码或管理 OAuth，直接调用 search_slack_messages、get_asana_tasks 这样的工具。

验证工作的三种方法：

规则验证最可靠。代码 linting 是典型例子，TypeScript 比 JavaScript 好因为类型检查提供额外反馈层。邮件地址验证、发送历史检查都可以通过规则实现。

视觉反馈用于 UI 相关任务。生成 HTML 邮件后，可以截图检查布局、样式、内容层级是否正确。配合 Playwright 这样的 MCP 服务器，能自动化整个视觉验证流程：

Claude provides visual feedback on the body of an email generated by an agent.

LLM 评判适合模糊规则场景，比如让另一个模型评估邮件语气是否合适。虽然不够稳定且有延迟，但在某些场景下值得权衡。

SDK 能构建的智能体类型包括：金融智能体（处理复杂财务分析）、个人助理（管理日程、预订行程）、客服智能体（处理工单、调用 API）、研究智能体（跨文档分析综合）等。

Anthropic 强调，这个 SDK 的定位已经远超编程工具。在他们内部，它被用于深度研究、视频创作、笔记整理等各种非编程任务。

来自一波人，但两家公司的文化和路线却迥然不同，带来的产品也差异很大。对于agent开发，两家又表现出了理念冲突，Anthropic 坚持面向技术人员，提供专业但门槛较高的 SDK。OpenAI 则要做可视化拖拽平台，降低使用门槛，让更多人能构建 AI 智能体。一个走专业路线，一个走大众路线。两个死对头的较量，最终谁赢谁输得慢慢看了。

来源：​​​https://www.anthropic.com/engineering/building-agents-with-the-claude-agent-sdk​​

本文转载自​​AI工程化​​，作者：ully