Anthropic发布Agent SDK，截胡 OpenAI
此前，OpenAI 的 Agent Builder 消息已在网络上传开，TestingCatalog 曾爆料并试用过其可视化工作流工具。在业界普遍期待 OpenAI Dev Day 正式发布之际，Anthropic 突然宣布将 Claude Code SDK 更名为 Claude Agent SDK，并抢先推出了完整的智能体开发框架。
这一发布时机颇为微妙，带有“截胡”的意味，Anthropic 显然不愿让 OpenAI 独占智能体平台的主导权。
Claude Agent SDK 的核心理念是“赋予AI一台电脑”。其工作流程遵循一个清晰的循环：收集上下文、执行操作、验证结果并持续迭代。
上下文收集机制：
文件系统是上下文管理的核心。例如，邮件智能体会将历史对话存储在“Conversations”文件夹中，并通过grep、tail等Bash命令搜索所需信息。这种方式相比向量数据库的语义搜索，更具透明性和精确性。
子智能体（Subagents）的设计十分精妙，能够并行处理多个任务。每个子智能体拥有独立的上下文窗口，并仅将相关结果反馈给主智能体。例如，在搜索邮件时，可以同时启动多个子智能体以运行不同的查询。
SDK还内置了上下文压缩（Compaction）功能。当智能体长时间运行并接近上下文限制时，系统会自动总结之前的消息，有效避免因上下文溢出导致任务中断。
操作执行工具箱：
自定义工具（Tools）是主要的执行单元。SDK 建议将最频繁的操作设计为工具，例如邮件智能体的 fetchInbox、searchEmails。这些工具在 Claude 的上下文中十分显眼，将被优先考虑使用。
Bash 脚本提供了极大的灵活性。当用户邮件包含 PDF 附件时，Claude 能够编写代码下载、转换成文本并搜索其内容：
代码生成是 SDK 的一项强项。Claude.AI 的文件创建功能即依赖Python脚本生成Excel、PPT、Word等文档。代码的精确性和可复用性，使得复杂操作变得可靠。例如，创建邮件规则：
MCP（Model Context Protocol）集成解决了外部服务连接问题。无需编写集成代码或管理 OAuth，即可直接调用诸如 search_slack_messages、get_asana_tasks 等工具。
工作流程的三种验证方法：
规则验证是其中最可靠的方式。代码静态检查（linting）是典型的例子，例如，TypeScript 相较于 JavaScript，其类型检查能提供额外的反馈层。邮件地址验证、发送历史检查等功能均可通过规则得以实现。
视觉反馈主要应用于与用户界面（UI）相关的任务。在生成 HTML 邮件后，可截取图片以检查其布局、样式和内容层级是否准确无误。配合 Playwright 等 MCP 服务器，可实现整个视觉验证流程的自动化：
大型语言模型（LLM）的评判适用于模糊规则场景，例如让另一个模型评估邮件语气是否恰当。尽管这种方式可能存在稳定性不足和延迟，但在特定场景下仍具权衡价值。
通过该 SDK 可以构建多种类型的智能体，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）以及研究智能体（进行跨文档综合分析）等。
Anthropic 强调指出，此 SDK 的定位已远超传统的编程工具范畴。在其内部，该SDK已被广泛应用于深度研究、视频创作、笔记整理等多种非编程任务。
尽管两家公司部分人员来源相同，但其公司文化、发展路线及产品理念却截然不同。在智能体开发领域，两家公司也展现出显著的理念冲突：Anthropic 坚持技术优先路线，为专业开发者提供功能强大但具有一定技术门槛的 SDK；而 OpenAI 则致力于打造可视化拖拽平台，旨在降低智能体开发门槛，赋能更多用户构建 AI 智能体。一个选择专业化道路，一个走向大众化普及。这两大巨头的竞争结果，仍有待时间验证。
