Anthropic Agent SDK: обзор, история и сравнение с аналогами

Введение

Если вы строите ИИ-агентов и каждый раз вручную пишете цикл «модель → вызов инструмента → результат в контекст → снова модель», то Anthropic Agent SDK создан именно для вас. Это библиотека на Python и TypeScript, которая упаковывает тот самый агентный движок, что работает внутри Claude Code: встроенные инструменты (чтение и запись файлов, выполнение команд, поиск в вебе), управление контекстом, сессии, хуки жизненного цикла и поддержка MCP — протокола подключения внешних инструментов.

Статья ответит на вопросы: что именно даёт SDK, как он появился и как менялся, чем отличается от «голого» API Claude, и как он смотрится рядом с OpenAI Agents SDK, LangGraph и другими фреймворками. В конце — практические рекомендации по выбору стека для продакшн-проектов.

История: от Claude Code SDK к Agent SDK

История продукта короткая, но показательная для всей отрасли агентных разработок.

Май–июнь 2025. Anthropic выпускает Claude Code SDK — программный доступ к движку, на котором работает терминальный ассистент Claude Code. Python-пакет claude-code-sdk появляется на PyPI в июне 2025; акцент сделан на автоматизации кодинг-задач: ревью кода, исправление багов, работа с репозиториями. По сути, команда «вытащила» из интерактивного CLI то, что раньше было доступно только человеку за терминалом.

29 сентября 2025. Одновременно с анонсом модели Claude Sonnet 4.5 SDK переименовывают в Claude Agent SDK: Python-пакет становится claude-agent-sdk, TypeScript — @anthropic-ai/claude-agent-sdk. Официальная формулировка миграционного гайда: «Claude Code SDK изначально проектировался для кодинг-задач, но вырос во фреймворк для построения агентов любого профиля». Это не косметическое изменение: позиционирование смещается с «ассистент разработчика» на «универсальный агентный рантайм». Электронные помощники, исследовательские агенты, боты поддержки, аналитики финансов — всё это заявленные сценарии.

2026. Имя закрепляется в документации и релизах: старый Python-пакет claude-code-sdk (остановился на версии 0.0.25) официально помечен как deprecated, TypeScript-SDK внутри пакета @anthropic-ai/claude-code заморожен; вся новая функциональность — только в claude-agent-sdk.

Май–июнь 2026. Важное изменение модели монетизации. В мае 2026 Anthropic объявила, что с 15 июня программное использование (Agent SDK и headless-режим claude -p) перестанет «сгорать» из лимитов подписок Pro/Max/Team/Enterprise и перейдёт на отдельный ежемесячный кредит в долларах, тарифицируемый по стандартным API-ставкам. Кредиты: $20/мес для Pro, $100 для Max 5x, $200 для Max 20x; перенос неиспользованного остатка не предусмотрен. На фоне обратной реакции разработчиков компания в день вступления изменений в силу объявила о приостановке части планов — ситуация к моменту написания статьи остаётся подвижной, поэтому перед запуском продакшн-нагрузки стоит проверить актуальные условия на платформе Anthropic.

⚠️ Практический вывод: если ваш агент работает по подписке разработчика (OAuth claude.ai), учтите: для сторонних продуктов Anthropic не разрешает использовать логин claude.ai и его лимиты — требуется API-ключ с pay-as-you-go тарификацией.

Что такое Claude Agent SDK: возможности

Ключевая идея SDK — вы не пишете агентный цикл сами. Вы задаёте системный промпт, права доступа и набор инструментов, а библиотека ведёт диалог модели с инструментами до завершения задачи. Разберём основные возможности по блокам.

Встроенные инструменты

Из коробки доступны те же инструменты, что в Claude Code: чтение файлов (Read), запись (Write), точечное редактирование (Edit), выполнение команд (Bash), поиск по файлам и содержимому (Glob, Grep), веб-поиск и веб-запросы. Для типовых задач «агент должен разобраться в кодовой базе» это означает ноль работы с glue-кодом: модель сама решает, какой инструмент вызвать и когда остановиться.

Хуки жизненного цикла

Хуки — механизм запуска вашего кода в ключевых точках агентного цикла: PreToolUse, PostToolUse, Stop, SessionStart, SessionEnd, UserPromptSubmit. Это основной рычаг контроля: логирование аудита, блокировка опасных команд, валидация аргументов инструментов до их выполнения. В продакшн-системах хуки часто важнее самой модели — именно они заставляют агента работать в рамках политик безопасности.

Субагенты

Субагенты позволяют выделенным «специалистам» с собственными промптами и инструментами выполнять подзадачи параллельно или последовательно, возвращая результат главному агенту. Это решает проблему раздувания контекста: вместо того чтобы держать всю историю исследования в одном окне, исследовательский субагент работает отдельно и передаёт обратно только выжимку.

MCP — Model Context Protocol

Поддержка MCP — одно из главных конкурентных преимуществ SDK. Вы подключаете внешние источники данных и инструментов (базы данных, GitHub, Slack, браузерные инструменты) через стандартный протокол без написания адаптеров под каждый сервис. Экосистема MCP-серверов к 2026 году достаточно зрелая: для большинства популярных систем уже есть готовые серверы.

Сессии и память

SDK поддерживает сессии с сохранением контекста между обращениями, возможностью возобновления (resume) и ветвления (fork). Навыки (skills), команды и память подхватываются из каталогов .claude/ проекта и ~/.claude/ пользователя — так же, как в Claude Code. Это значит, что знания, накопленные командой в виде markdown-файлов памяти, автоматически доступны агенту.

Права доступа

Механизм permissions позволяет задать, какие инструменты выполняются автоматически, а какие требуют подтверждения человека. Для продакшн-агентов это базовая защита: чтение файлов — свободно, запись и команды — только после подтверждения человека.

Ограничения

Честно оговорим границы. SDK доступен только на Python и TypeScript; для других языков официальный путь — запуск CLI как subprocess с флагом -p и JSON-выводом. SDK работает исключительно с моделями Anthropic (Claude) — это не модель-агностичный фреймворк. И, что важно для планирования бюджета: стоимость использования — это стоимость токенов API плюс инфраструктура вашего процесса; «бесплатного» режима нет.

Как устроен агентный цикл

Понимание внутреннего устройства помогает правильно проектировать агента и не удивляться поведению. Цикл выглядит так:

1. Ваше приложение передаёт SDK промпт, системные инструкции и конфигурацию (модель, инструменты, хуки, MCP-серверы).

2. Модель планирует действия и формирует вызовы инструментов.

3. SDK исполняет вызовы в вашем процессе — с применением правил permissions и хуков PreToolUse/PostToolUse.

4. Результаты возвращаются модели; цикл повторяется, пока модель не решит, что задача завершена (срабатывает хук Stop).

5. Итоговый ответ и состояние сессии доступны вашему приложению.

💡 Совет по внедрению: проектируйте агента как «узкую функцию» — одна сессия = одна чётко ограниченная задача («найти баг в модуле X», «составить отчёт по репозиторию Y»). Длинные многоцелевые диалоги деградируют: модель теряет фокус, а контекст раздувается. Для сложных пайплайнов используйте субагентов.

Сравнение с аналогами

Рассмотрим три основных альтернативы: OpenAI Agents SDK, LangGraph и «голый» API (Messages API) с ручным циклом инструментов.

OpenAI Agents SDK

Вышел в марте 2025 как развитие экспериментального проекта Swarm. Философия — минимализм: несколько примитивов (агенты, инструменты, handoffs, guardrails) и встроенный трейсинг. Handoffs — передача управления между агентами-специалистами; guardrails — проверки входа/выхода с возможностью прервать выполнение.

Ключевое отличие от Claude Agent SDK: OpenAI Agents SDK не даёт «тела» агенту в виде встроенных инструментов файловой системы и shell'а. Вы сами пишете инструменты под свои сервисы. Зато фреймворк тесно интегрирован с модельным рядом OpenAI (включая realtime/voice) и работает на любой модели, доступной через их API.

LangGraph

Путь оркестрации: вы строите граф состояний — узлы (вызовы моделей, инструменты, логика) и рёбра (условные переходы). Это максимальный контроль над маршрутизацией, параллельными ветками и длительными пайплайнами с сохранением состояния. Цена — крутая кривая обучения: вы проектируете агентную логику явно, а не «делегировали» её рантайму.

LangGraph модель-агностичен (OpenAI, Anthropic, локальные модели) и лучше всего подходит там, где процесс агента — это детерминированный workflow с ветвлениями, а не свободное планирование модели.

Messages API с ручным циклом

Самый низкоуровневый вариант: вы сами пишете цикл «запрос → tool_use → выполнение → tool_result → запрос». Полный контроль и минимальные абстракции, но весь glue-код — ваш: обработка прерванных вызовов, лимиты контекста, повторные попытки. Разумно только для специфических случаев или при глубокой кастомизации цикла.

Сводная таблица

⚠️ Типичная ошибка выбора: брать LangGraph «на всякий случай» для задачи, где агенту достаточно свободно планировать действия. Граф состояния — это инструмент для детерминированных пайплайнов; для свободных агентов он добавляет сложность без пользы. И наоборот: пытаться в Claude Agent SDK выстроить строгий workflow с ветвлениями — хуки и субагенты позволяют, но это борьба с архитектурой рантайма.

Практика: минимальный агент на Python

Покажем скелет агента, который разбирается в кодовой базе и пишет отчёт о найденных проблемах. Это не учебник по API — только ключевые точки конфигурации; полный референс есть в официальной документации.

import anyio
from claude_agent_sdk import ClaudeSDKClient, ClaudeAgentOptions

async def main():
    options = ClaudeAgentOptions(
        system_prompt="Ты — инженер по качеству кода. "
                      "Используй инструменты для анализа и не выдумывай файлы.",
        allowed_tools=["Read", "Glob", "Grep"],  # только чтение: безопасно
    )
    async with ClaudeSDKClient(options) as client:
        await client.query(
            "Найди в каталоге src/ потенциальные SQL-инъекции и "
             "напиши отчёт findings.md с перечнем мест и рекомендаций."
        )
        # SDK сам ведёт цикл: модель читает файлы, ищет паттерны, пишет отчёт

anyio.run(main)

Что здесь важно для продакшна:

• allowed_tools — явное ограничение инструментов. Агент не сможет выполнить команду или записать файл вне разрешённого списка. Это первый рубеж безопасности; второй — хуки PreToolUse, где можно валидировать аргументы каждого вызова.

• Системный промпт задаёт роль и ограничения, но не заменяет контроль: модель может ошибаться, поэтому критичные действия (запись в БД, отправка сообщений) выносите за пределы инструментов агента — пусть агент только формирует данные для внешнего слоя.

• Сессия через ClaudeSDKClient сохраняет контекст; при необходимости её можно возобновить или разветвить, не теряя накопленный анализ.

💡 Безопасность: даже с ограниченным набором инструментов агент имеет доступ к файловой системе процесса. Запускайте агентов в изолированной среде (контейнер, sandbox) — особенно если они работают с пользовательским вводом. Поверхностное копирование примеров из интернета без проверки на соответствие OWASP Top 10 может привести к скрытым уязвимостям: инъекции через имена файлов, обход ограничений через shell-интерпретацию и т.п. Для продакшн-решений рекомендуется привлечение специалистов с опытом — это снижает риски ошибок безопасности и архитектурных просчётов, которые обнаружатся только под нагрузкой.

Рекомендации по выбору

Ещё несколько практических выводов:

1. Не выбирайте фреймворк «на вырост». Начните с самого простого решения под текущую задачу; миграция между стеками — дорогая операция, и её легче избежать, если архитектура не разрослась раньше времени.

2. Хуки и права доступа проектируйте до первого запуска, а не после инцидента. Агент с широкими правами доступа — готовый вектор атаки, особенно при работе с внешним вводом.

3. Считайте токены. Агентные циклы многократны: одна задача может стоить в десятки раз дороже одного запроса-ответа. Профилируйте стоимость на типичных задачах до масштабирования — это экономит бюджет раньше, чем любой оптимизатор производительности.

4. Экспертиза решает. Выбор SDK — лишь половина задачи; вторая половина — корректная реализация с учётом edge-кейсов, безопасности и масштабируемости. Команды, которые доверяют критичные агентные системы опытным разработчикам, экономят время на исправлении ошибок, которые могли быть предотвращены на этапе проектирования.

Заключение

Claude Agent SDK — это «тело» для Claude: готовый агентный рантайм с инструментами, хуками, субагентами и MCP, доступный в двух языках. Его сильные стороны — скорость старта для задач, связанных с файловой системой и командной строкой, и глубина интеграции с экосистемой MCP. Слабые стороны — привязка к моделям Anthropic и ограниченная языковая поддержка.

OpenAI Agents SDK выигрывает в мультиагентных диалогах и voice-сценариях, LangGraph — там, где нужен детерминированный workflow с полным контролем маршрутизации. Ни один из фреймворков не является универсальным: правильный выбор определяется формой задачи (свободное планирование против жёсткого пайплайна), модельной стратегией и требованиями к контролю.

Перед внедрением в продакшен проверьте три вещи: актуальные условия тарификации Anthropic (они менялись в мае–июне 2026), модель изоляции для агента с доступом к файлам, и бюджет токенов на типовые задачи. Инструмент мощный — но, как и любой мощный инструмент, он требует системного подхода: без опыта проектирования агентных систем высок риск уязвимостей безопасности и архитектурных просчётов, которые проявятся только после выхода на реальных пользователей.

Источники

• Agent SDK overview — Claude Code Docs

• Migrate to Claude Agent SDK — Claude Code Docs

• Building agents with the Claude Agent SDK — Anthropic Blog

• Anthropic Releases Claude Code SDK to Power AI-Paired Programming — InfoQ (июнь 2025)

• New tools for building agents — OpenAI (11 марта 2025)

• Agents SDK — OpenAI API Docs

• Comparing Open-Source AI Agent Frameworks — Langfuse

• Anthropic pauses Claude Agent SDK subscription change — The New Stack (июнь 2026)

• Claude Code Billing Change June 15, 2026 — Build This Now

• Claude Agent SDK: Capabilities, Comparison and Guide — AI Agents Hub