## 从一个真实需求说起

上周老板甩给我一个任务："你去收集一下低空经济行业的最新动态，整理成报告每周定期发我一下。"
我寻思这也不难，打开大龙虾让他自己处理去了，结果聊着聊着我发现一个问题：他用的技能很多都有风险提示，吓得我赶紧看了下token用量，后来查了一下发现claude发布了一个叫做claude agent sdk的工具，提供与claude code相同的工具、智能体循环、上下文管理等工具，目前仅提供python和TS语言的SDK，这也就意味着我们可以在自己的业务代码中轻松实现了智能体了，再也不用重复的解决文件读取、网页访问、数据写入、循环执行、创建、编辑等能力了。

## 最大的优势

理解 Agent SDK 之前，我想明白了一个事儿：

想象你雇了个超级聪明的专家，脑子特别好使，什么都能理解，逻辑清晰得不行。但问题是——这人没手没脚，不能上网，也不能看文件。

你问他问题，他能给你讲得头头是道，但如果你说"帮我查查这个网站"、"读一下那个文件"，他只能告诉你"应该怎么做"，自己却干不了。

这就是大语言模型（LLM）的真实写照。

## 大模型其实挺"残疾"的

很多人以为 ChatGPT、Claude 这些大模型无所不能，但实际上它们能做的事情很有限：

**能做的：**
- 理解文本
- 生成文本
- 推理分析
- 规划任务

**做不到的：**
- 访问互联网
- 读取本地文件
- 执行代码
- 操作数据库
- 调用外部 API

那问题来了：为什么我们在 ChatGPT 里能搜索网页、分析文件？

答案很简单：**这些能力不是大模型提供的，而是运行环境提供的。**

## 工具从哪来？

我画个简单的流程：

```
用户提问 
  ↓
大模型思考（大脑）→ "我需要搜索一下"
  ↓
工具执行（手脚）→ 谁来提供？
  ↓
返回结果给大模型
```
不同环境下，工具的来源也不一样：

| 环境 | 工具谁来提供 | 使用者 |
|------|-------------|--------|
| ChatGPT 网页版 | OpenAI 内置 | 普通用户 |
| Claude Code / CodeBuddy | IDE 环境内置 | 开发者 |
| 你的应用 | **你需要自己解决** | 程序员 |

看到最后一行了吗？如果你要自己开发一个 AI 应用，工具的问题就得你自己解决。

## Agent SDK 解决了什么痛点？

### 没有 SDK 时的痛苦

如果你想自己开发一个 AI 应用，没有 Agent SDK 的话，你得这么干：

```python
# 1. 发送请求给大模型
response = call_claude_api(prompt)

# 2. 大模型说"我要搜索"
if response.tool_use:
    # 3. 你自己执行搜索
    search_result = web_search(response.tool_use.query)
    
    # 4. 把结果返回给大模型
    response = call_claude_api(prompt + search_result)
    
    # 5. 大模型可能又说"我要读文件"
    if response.tool_use:
        # 6. 你又再处理...
```        
# 7. 循环往复，非常繁琐

你得自己写一堆代码来处理"大模型要工具 → 你执行工具 → 返回结果 → 大模型又要工具"这个循环。

### 有了 Agent SDK 之后

```python
from claude_agent_sdk import query, ClaudeAgentOptions

# SDK 自动处理所有工具调用循环
async for message in query(
    prompt="帮我分析低空经济行业趋势",
    options=ClaudeAgentOptions(
        allowed_tools=["WebSearch", "Read"],  # 声明允许的工具
        permission_mode="auto",  # 自动执行
    )
):
    print(message)  # 直接获取最终结果
```
看到了吗？SDK 把那些繁琐的循环都帮你处理了。

### Agent SDK 到底做了啥？

简单来说，它帮你干了这些事：

1. 发送 prompt 给大模型
2. 接收大模型的工具调用请求
3. 执行工具（WebSearch、Read 等）
4. 把结果返回给大模型
5. 循环以上过程直到任务完成
6. 返回最终结果给你

## Skills 和 Agent SDK 有啥区别？

我刚开始也搞混了，后来才明白：

| 维度 | Skills | Agent SDK |
|------|--------|-----------|
| **本质** | Markdown 文档（指令） | Python/JS 代码库 |
| **谁来读** | 大模型读取并执行 | 开发者编程调用 |
| **运行环境** | 必须在 Trae/Claude Code 内 | 可以在任何地方运行 |
| **工具来源** | 环境内置 | SDK 提供 |
| **适用场景** | 在 IDE 内自动化任务 | 构建独立的 AI 应用 |

### Skills：教 AI 做事

```markdown
---
name: code-review
description: 代码审查技能
---

# 代码审查流程
1. 检查代码风格
2. 分析潜在 bug
3. 给出改进建议

大模型读取这个文档，就知道怎么帮你做代码审查。

### Agent SDK：构建 AI 产品

```python
from claude_agent_sdk import query, ClaudeAgentOptions

# 构建你自己的 AI 产品
async for msg in query(
    prompt="分析用户上传的文件",
    options=ClaudeAgentOptions(allowed_tools=["Read"])
):
    # 集成到你的业务系统
    save_to_database(msg)

## 等等，还有 Function Calling 和 MCP？

说到这儿，可能有人会问：Function Calling 和 MCP 又是啥？跟 Agent SDK 有啥关系？

### Function Calling：最基础的工具调用

Function Calling 其实是最底层的机制，说白了就是：

**大模型输出一个 JSON，告诉你"我要调用这个函数，参数是这些"，然后你自己去执行。**

```python
# OpenAI 的 Function Calling 示例
response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}],
    functions=[{
        "name": "get_weather",
        "description": "获取城市天气",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string"}
            }
        }
    }]
)

# 大模型返回：
# {
#   "function_call": {
#     "name": "get_weather",
#     "arguments": "{\"city\": \"北京\"}"
#   }
# }

# 然后你得自己执行这个函数
if response.function_call:
    result = get_weather(json.loads(response.function_call.arguments)["city"])
    # 再把结果返回给大模型...

看到了吗？**Function Calling 只负责"大模型说要调用函数"这一步，剩下的执行、循环、结果处理都得你自己写。**

### MCP：标准化的工具协议

MCP（Model Context Protocol）是 Anthropic 推出的一个开放协议，目的是让工具的提供方式标准化。

**打个比方：**

- **Function Calling**：像是你自己写了个工具，想怎么定义接口都行
- **MCP**：像是 USB 接口标准，大家都按这个标准来做，就能互相兼容

```python
# MCP 的工具定义（标准化格式）
{
  "name": "web_search",
  "description": "搜索互联网",
  "inputSchema": {
    "type": "object",
    "properties": {
      "query": {"type": "string"}
    },
    "required": ["query"]
  }
}

MCP 的好处是：
- 工具可以跨平台使用
- 不用每个应用都重新定义工具接口
- 可以直接用别人写好的 MCP 服务器

### 三者的关系（重要纠正）

**我之前理解错了，现在纠正一下：**

根据官方文档，三者的正确关系是：

```
┌─────────────────────────────────────┐
│        Agent SDK（开发框架）          │
│   建立在 Claude Code 代理框架之上      │
│   支持多种工具集成方式，包括 MCP        │
└─────────────────────────────────────┘
              ↓ 支持（不是基于）
┌─────────────────────────────────────┐
│         MCP（标准化协议）             │
│   定义工具的标准格式和通信方式         │
│   可以被多个框架使用                  │
└─────────────────────────────────────┘
              ↓ 利用（不是基于）
┌─────────────────────────────────────┐
│    Function Calling（底层能力）       │
│   大模型输出函数调用请求               │
│   各模型有自己的实现                  │
└─────────────────────────────────────┘

**关键区别：**

1. **Agent SDK 不是基于 MCP 实现的**
   - Agent SDK 是一个完整的开发运行时系统
   - 建立在 Claude Code 的代理框架之上
   - **支持** MCP 作为扩展方式之一
   - 也支持其他工具集成方式

2. **MCP 是独立协议**
   - 可以被 Agent SDK 使用
   - 也可以被其他框架使用（如 LangChain、Vercel AI SDK）
   - 直接与模型 API 集成

3. **Function Calling 是模型层能力**
   - 各模型有自己的实现（OpenAI、Anthropic、Google 等）
   - MCP 可以**利用** Function Calling 来实现工具调用
   - 但 MCP 本身是更高级的协议，不仅限于函数调用

### 完整对比表

| 维度 | Function Calling | MCP | Agent SDK |
|------|-----------------|-----|-----------|
| **是什么** | 模型内置能力 | 开放标准协议 | 完整开发框架 |
| **负责什么** | 大模型输出函数调用请求 | 定义工具的标准格式和通信方式 | 提供完整的代理运行时环境 |
| **需要写多少代码** | 很多（自己处理循环） | 中等（按标准定义工具） | 很少（SDK 帮你搞定） |
| **灵活性** | 最高 | 中等 | 较低（但有默认行为） |
| **标准化程度** | 低（各家不同） | 高（统一标准） | 高（SDK 封装） |
| **跨平台** | 否 | 是 | 是 |
| **独立性** | 模型内置 | 独立协议 | 独立框架 |
| **适用场景** | 需要完全控制 | 需要标准化工具生态 | 快速开发 AI 应用 |

### 实际例子对比

假设你要让 AI 搜索网页：

**用 Function Calling：**

```python
 1. 定义函数
functions = [{
    "name": "web_search",
    "description": "搜索网页",
    "parameters": {...}
}]

 2. 调用大模型
response = call_llm(prompt, functions)

 3. 检查是否要调用函数
    if response.function_call:
 4. 执行函数
    result = web_search(response.function_call.arguments)
5. 把结果返回给大模型
    response = call_llm(prompt + result, functions)
6. 可能还要循环...
```
**用 MCP：**

```python
# 1. 连接 MCP 服务器（工具已经按标准定义好了）
mcp_client = MCPClient("web-search-server")

# 2. 调用大模型（工具列表自动获取）
response = call_llm(prompt, mcp_client.get_tools())

# 3. 执行工具调用
if response.tool_use:
    result = mcp_client.call_tool(response.tool_use)
    # 4. 返回结果...
```
**用 Agent SDK：**

```python
# 一行搞定，SDK 自动处理所有循环
async for msg in query(
    prompt="搜索最新的 AI 新闻",
    options=ClaudeAgentOptions(allowed_tools=["WebSearch"])
):
      yield msg
```
### 我该怎么选？

**用 Function Calling：**
- 你需要完全控制每一个细节
- 你的工具很特殊，不适合标准化
- 你在做一些底层的研究或实验

**用 MCP：**
- 你想使用社区已有的工具
- 你想让你的工具能被别人使用
- 你需要跨平台兼容

**用 Agent SDK：**
- 你想快速开发一个 AI 应用
- 你不想处理繁琐的循环逻辑
- 你需要集成到现有业务系统

## 实际应用场景

我举几个实际用过的例子：

### 场景：行业信息收集

```python
async def collect_industry_info(industry: str):
    async for msg in query(
        prompt=f"收集{industry}行业的最新信息",
        options=ClaudeAgentOptions(
            allowed_tools=["WebSearch"],  # 搜索网络
        )
    ):
        yield msg
```
## 核心概念总结

**大模型 = 大脑**  
只有思考和生成文本的能力，没有手脚。

**工具 = 手脚**  
由环境或 SDK 提供，让大模型能真正"做事"。

**Agent SDK = 协调者**  
帮你处理"大脑"和"手脚"之间的通信循环。

**Skills = 说明书**  
教大模型如何专业地完成某类任务。

## 什么时候用 Agent SDK？

**适合用：**
- 构建独立的 AI 应用
- 需要集成到现有业务系统
- 需要编程化控制 AI 行为
- 需要自定义工具和流程

**不需要用：**
- 只是在 ChatGPT/Claude 网页版聊天
- 在 编程工具Claude Code 中使用 Skills
- 简单的文本生成任务

## 快速上手

```bash
# 安装
pip install claude-agent-sdk

# 设置 API Key
export ANTHROPIC_API_KEY=your-api-key
```
```python
from claude_agent_sdk import query, ClaudeAgentOptions

# 最简单的例子
async for msg in query(
    prompt="你好，请介绍一下你自己",
    options=ClaudeAgentOptions()
):
    print(msg)
```
## 最后说两句

Agent SDK 的本质就是**让开发者能够轻松地把"大脑"和"手脚"连接起来**，构建真正有用的 AI 应用。

上周老板甩给我一个任务："你去收集一下低空经济行业的最新动态，整理成报告每周定期发我一下。"我寻思这也不难，打开大龙虾让他自己处理去了，结果聊着聊着我发现一个问题：他用的技能很多都有风险提示，吓得我赶紧看了下token用量，后来查了一下发现claude发布了一个叫做claude agent sdk的工具，提供与claude code相同的工具、智能体循环、上下文管理等工具，目前仅提供python和TS语言的SDK，这也就意味着我们可以在自己的业务代码中轻松实现了智能体了，再也不用重复的解决文件读取、网页访问、数据写入、循环执行、创建、编辑等能力了。

聊聊Claude Agent SDK：告别拖拽工作流手搓智能体的时代真的来了

上周老板甩给我一个任务："你去收集一下低空经济行业的最新动态，整理成报告每周定期发我一下。"我寻思这也不难，打开大龙虾让他自己处理去了，结果聊着聊着我发现一个问题：他用的技能很多都有风险提示，吓得我赶紧看了下token用量，后来查了一下发现claude发布了一个叫做claude agent sdk的工具，提供与claude code相同的工具、智能体循环、上下文管理等工具，目前仅提供python和

腾云先锋（TDP）成员

人工智能

Claude Agent SDK让开发者轻松构建AI应用，自动处理大模型工具调用循环，支持Web搜索、文件读取等操作。Python/TS开发包简化了AI集成流程，无需重复编写工具执行代码，快速实现行业信息收集等智能任务。

数据库

服务器

智能体

ChatGPT

Python

JSON

4核4G3M云服务器 新用户低至38元/年！

2026新春采购季

tencentdb-catalog

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

聊聊Claude Agent SDK：告别拖拽工作流手搓智能体的时代真的来了-腾讯云开发者社区-腾讯云

聊聊Claude Agent SDK：告别拖拽工作流手搓智能体的时代真的来了

聊聊Claude Agent SDK：告别拖拽工作流手搓智能体的时代真的来了

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐