OpenAI 的 Agent Builder 消息先在網上傳開，TestingCatalog 爆料已經試用過這個可視化工作流工具。

就在大家都在等凌晨OpenAI Dev Day 正式發布時，Anthropic 突然宣布把 Claude Code SDK 改名為 Claude Agent SDK，搶先發布了完整的智能體開發框架。

這個時機選得很微妙，頗有點“截胡”的味道。Anthropic 顯然不想讓 OpenAI 獨占智能體平臺的話語權。

Agent feedback loop

Claude Agent SDK 的核心理念是"給 AI 一臺電腦"。整個工作流程遵循一個循環：收集上下文 → 執行操作 → 驗證結果 → 繼續迭代。

收集上下文的幾種方式：

文件系統成了上下文管理的核心。比如郵件智能體會把歷史對話存在 "Conversations" 文件夾，Claude 用 grep、tail 等 bash 命令搜索需要的信息。這比向量數據庫的語義搜索更透明、更精確。

圖片

子智能體（Subagents）設計很巧妙。可以并行處理多個任務，每個有獨立的上下文窗口，只返回相關結果給主智能體。比如搜索郵件時，可以同時啟動多個子智能體運行不同查詢。

SDK 還內置了上下文壓縮（Compaction）功能。當智能體長時間運行接近上下文限制時，會自動總結之前的消息，確保不會因為上下文溢出而中斷。

執行操作的工具箱：

自定義工具（Tools）是主要執行單元。SDK 建議把最頻繁的操作設計成工具，比如郵件智能體的 fetchInbox、searchEmails。工具在 Claude 的上下文中很顯眼，會優先考慮使用。

Bash 腳本提供了極大的靈活性。用戶郵件有 PDF 附件？Claude 能寫代碼下載、轉換成文本、搜索內容：

圖片

代碼生成是 SDK 的強項。Claude.AI 的文件創建功能就是靠 Python 腳本生成 Excel、PPT、Word 文檔。代碼的精確性和可復用性，讓復雜操作變得可靠。比如創建郵件規則：

圖片

MCP（Model Context Protocol）集成解決了外部服務連接問題。不用寫集成代碼或管理 OAuth，直接調用 search_slack_messages、get_asana_tasks 這樣的工具。

驗證工作的三種方法：

規則驗證最可靠。代碼 linting 是典型例子，TypeScript 比 JavaScript 好因為類型檢查提供額外反饋層。郵件地址驗證、發送歷史檢查都可以通過規則實現。

視覺反饋用于 UI 相關任務。生成 HTML 郵件后，可以截圖檢查布局、樣式、內容層級是否正確。配合 Playwright 這樣的 MCP 服務器，能自動化整個視覺驗證流程：

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

LLM 評判適合模糊規則場景，比如讓另一個模型評估郵件語氣是否合適。雖然不夠穩定且有延遲，但在某些場景下值得權衡。

SDK 能構建的智能體類型包括：金融智能體（處理復雜財務分析）、個人助理（管理日程、預訂行程）、客服智能體（處理工單、調用 API）、研究智能體（跨文檔分析綜合）等。

Anthropic 強調，這個 SDK 的定位已經遠超編程工具。在他們內部，它被用于深度研究、視頻創作、筆記整理等各種非編程任務。

來自一波人，但兩家公司的文化和路線卻迥然不同，帶來的產品也差異很大。對于agent開發，兩家又表現出了理念沖突，Anthropic 堅持面向技術人員，提供專業但門檻較高的 SDK。OpenAI 則要做可視化拖拽平臺，降低使用門檻，讓更多人能構建 AI 智能體。一個走專業路線，一個走大眾路線。兩個死對頭的較量，最終誰贏誰輸得慢慢看了。

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

本文轉載自??AI工程化??，作者：ully