claude-agent-sdk-python
claude-agent-sdk-python 是一个用于与 Claude Code 交互的 Python SDK,支持异步查询和双向对话。它允许开发者通过简单接口调用 Claude 的代码能力,同时提供自定义工具和权限管理功能。该工具解决了传统方式下与 AI 代码助手交互复杂、权限控制繁琐的问题,通过灵活的配置实现高效开发。
适合需要集成 AI 代码助手的开发者,尤其是那些希望扩展 Claude 功能、自定义工具逻辑或管理代码权限的用户。其核心亮点在于支持在进程内运行的自定义工具(MCP 服务器),无需额外进程即可实现复杂交互;同时提供细粒度的权限控制机制,可自动审批工具使用或动态决策。通过设置工作目录和系统提示词,用户还能更精准地控制代码生成场景。该工具为需要深度定制 AI 代码助手行为的开发者提供了强大而灵活的解决方案。
使用场景
数据分析师小李需要为新项目快速搭建Python代码框架,需生成多个模块文件并配置依赖关系。传统手动操作耗时且易错,而claude-agent-sdk-python的智能代码生成能力可显著提升效率。
没有 claude-agent-sdk-python 时
- 手动创建文件结构需反复切换终端和编辑器,10分钟仅能完成基础框架搭建
- 文件权限配置需逐个执行chmod命令,容易遗漏导致安全风险
- 代码生成需多次复制粘贴模板,重复劳动占工作量的40%
- 无法实时验证代码结构合理性,后期调试耗时增加30%
- 团队协作时版本差异导致文件覆盖,需额外使用Git手动管理
使用 claude-agent-sdk-python 后
- 通过Bash工具自动创建完整项目结构,30秒完成包含5个模块的框架搭建
- 权限模式设置为acceptEdits后,自动生成带正确权限的文件配置
- 自定义工具集成代码模板生成器,单次交互输出完整代码片段
- 实时流式响应显示代码验证结果,提前发现结构问题减少70%调试时间
- 工作目录锁定功能确保所有操作在指定路径下,避免文件覆盖风险
- 异步API支持批量处理多个代码生成任务,提升团队协作效率
核心价值:通过智能代码生成与自动化流程编排,将项目初始化时间从小时级压缩至分钟级,同时保障代码质量与系统安全。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
Claude Agent SDK for Python
Claude Agent 的 Python SDK。更多信息请参阅 Claude Agent SDK 文档。
安装
pip install claude-agent-sdk
前置要求:
- Python 3.10+
注意: Claude Code CLI 已自动捆绑在包中 - 无需单独安装!SDK 默认使用捆绑的 CLI。如需使用全局安装或特定版本,可以:
- 单独安装 Claude Code:
curl -fsSL https://claude.ai/install.sh | bash - 指定自定义路径:
ClaudeAgentOptions(cli_path="/path/to/claude")
快速开始
import anyio
from claude_agent_sdk import query
async def main():
async for message in query(prompt="What is 2 + 2?"):
print(message)
anyio.run(main)
基本用法:query()
query() 是用于查询 Claude Code 的异步函数(async function)。它返回响应消息的 AsyncIterator(异步迭代器)。详见 src/claude_agent_sdk/query.py。
from claude_agent_sdk import query, ClaudeAgentOptions, AssistantMessage, TextBlock
# 简单查询
async for message in query(prompt="Hello Claude"):
if isinstance(message, AssistantMessage):
for block in message.content:
if isinstance(block, TextBlock):
print(block.text)
# 使用选项
options = ClaudeAgentOptions(
system_prompt="You are a helpful assistant",
max_turns=1
)
async for message in query(prompt="Tell me a joke", options=options):
print(message)
使用工具
默认情况下,Claude 可以访问完整的 Claude Code 工具集(读取、写入、编辑、Bash 等)。allowed_tools 是权限白名单:列出的工具会自动批准,未列出的工具会根据 permission_mode 和 can_use_tool 决定是否允许。这不会从 Claude 工具集中移除工具。要阻止特定工具,请使用 disallowed_tools。完整的评估顺序请参阅权限指南。
options = ClaudeAgentOptions(
allowed_tools=["Read", "Write", "Bash"], # 自动批准这些工具
permission_mode='acceptEdits' # 自动接受文件修改
)
async for message in query(
prompt="Create a hello.py file",
options=options
):
# 处理工具调用和结果
pass
工作目录
from pathlib import Path
options = ClaudeAgentOptions(
cwd="/path/to/project" # 或 Path("/path/to/project")
)
ClaudeSDKClient
ClaudeSDKClient 支持与 Claude Code 进行双向交互式对话。详见 src/claude_agent_sdk/client.py。
与 query() 不同,ClaudeSDKClient 还支持 自定义工具 和 钩子,两者都可以定义为 Python 函数。
自定义工具(作为进程内 SDK MCP 服务器)
自定义工具 是您可以通过 Python 函数实现并提供给 Claude 调用的工具。
自定义工具通过进程内 MCP 服务器实现,直接在您的 Python 应用程序中运行,无需常规 MCP 服务器所需的独立进程。
完整示例请参见 MCP 计算器。
创建简单工具
from claude_agent_sdk import tool, create_sdk_mcp_server, ClaudeAgentOptions, ClaudeSDKClient
# 使用 @tool 装饰器定义工具
@tool("greet", "Greet a user", {"name": str})
async def greet_user(args):
return {
"content": [
{"type": "text", "text": f"Hello, {args['name']}!"}
]
}
# 创建 SDK MCP 服务器
server = create_sdk_mcp_server(
name="my-tools",
version="1.0.0",
tools=[greet_user]
)
# 与 Claude 一起使用。allowed_tools 预批准该工具使其无需权限提示运行
# 但不控制工具可用性
options = ClaudeAgentOptions(
mcp_servers={"tools": server},
allowed_tools=["mcp__tools__greet"]
)
async with ClaudeSDKClient(options=options) as client:
await client.query("Greet Alice")
# 提取并打印响应
async for msg in client.receive_response():
print(msg)
相比外部 MCP 服务器的优势
- 无需子进程管理 - 与您的应用程序运行在同一个进程中
- 更好性能 - 工具调用无 IPC 开销
- 更简单部署 - 单一 Python 进程而非多个
- 更容易调试 - 所有代码运行在同一个进程中
- 类型安全 - 直接的 Python 函数调用和类型提示
从外部服务器迁移
# 之前:外部 MCP 服务器(独立进程)
options = ClaudeAgentOptions(
mcp_servers={
"calculator": {
"type": "stdio",
"command": "python",
"args": ["-m", "calculator_server"]
}
}
)
# 之后:SDK MCP 服务器(进程内)
from my_tools import add, subtract # 您的工具函数
calculator = create_sdk_mcp_server(
name="calculator",
tools=[add, subtract]
)
options = ClaudeAgentOptions(
mcp_servers={"calculator": calculator}
)
混合服务器支持
您可以同时使用 SDK 和外部 MCP 服务器:
options = ClaudeAgentOptions(
mcp_servers={
"internal": sdk_server, # 进程内 SDK 服务器
"external": { # 外部子进程服务器
"type": "stdio",
"command": "external-server"
}
}
)
钩子(Hooks)
钩子(hook) 是由 Claude Code 应用程序(而非 Claude)在 Claude 代理循环的特定节点调用的 Python 函数。钩子可以为 Claude 提供确定性处理和自动化反馈。详见 使用钩子拦截和控制代理行为。
更多示例请查看 examples/hooks.py。
示例
from claude_agent_sdk import ClaudeAgentOptions, ClaudeSDKClient, HookMatcher
async def check_bash_command(input_data, tool_use_id, context):
tool_name = input_data["tool_name"]
tool_input = input_data["tool_input"]
if tool_name != "Bash":
return {}
command = tool_input.get("command", "")
block_patterns = ["foo.sh"]
for pattern in block_patterns:
if pattern in command:
return {
"hookSpecificOutput": {
"hookEventName": "PreToolUse",
"permissionDecision": "deny",
"permissionDecisionReason": f"命令包含非法模式: {pattern}",
}
}
return {}
options = ClaudeAgentOptions(
allowed_tools=["Bash"],
hooks={
"PreToolUse": [
HookMatcher(matcher="Bash", hooks=[check_bash_command]),
],
}
)
async with ClaudeSDKClient(options=options) as client:
# 测试1: 包含禁止模式的命令(将被拦截)
await client.query("运行bash命令: ./foo.sh --help")
async for msg in client.receive_response():
print(msg)
print("\n" + "=" * 50 + "\n")
# 测试2: 可正常执行的安全命令
await client.query("运行bash命令: echo 'Hello from hooks example!'")
async for msg in client.receive_response():
print(msg)
类型定义
完整类型定义请查看 src/claude_agent_sdk/types.py:
ClaudeAgentOptions- 配置选项AssistantMessage,UserMessage,SystemMessage,ResultMessage- 消息类型TextBlock,ToolUseBlock,ToolResultBlock- 内容块类型
错误处理
from claude_agent_sdk import (
ClaudeSDKError, # 基类错误
CLINotFoundError, # 未安装Claude Code
CLIConnectionError, # 连接问题
ProcessError, # 进程失败
CLIJSONDecodeError, # JSON解析问题
)
try:
async for message in query(prompt="Hello"):
pass
except CLINotFoundError:
print("请安装Claude Code")
except ProcessError as e:
print(f"进程失败,退出码: {e.exit_code}")
except CLIJSONDecodeError as e:
print(f"响应解析失败: {e}")
所有错误类型定义请查看 src/claude_agent_sdk/_errors.py。
可用工具
完整可用工具列表请查看 Claude Code 文档。
示例
完整工作示例请查看 examples/quick_start.py。
包含 ClaudeSDKClient 的综合示例请查看 examples/streaming_mode.py。您还可以在 IPython 中运行交互式示例 examples/streaming_mode_ipython.py。
从Claude Code SDK迁移
如果您正在升级自Claude Code SDK(版本<0.1.0),请查看 CHANGELOG.md 中的破坏性变更和新特性说明,包括:
ClaudeCodeOptions→ClaudeAgentOptions重命名- 系统提示配置合并
- 设置隔离和显式控制
- 新的程序化子代理和会话分叉特性
开发
如需贡献代码,请运行初始化脚本安装git钩子:
./scripts/initial-setup.sh
该脚本会安装预推送钩子,在推送前运行代码检查,与CI流程保持一致。临时跳过钩子可使用 git push --no-verify。
本地构建wheel包
构建包含Claude Code CLI的wheel包:
# 安装构建依赖
pip install build twine
# 构建wheel包
python scripts/build_wheel.py
# 指定版本构建
python scripts/build_wheel.py --version 0.1.4
# 指定CLI版本构建
python scripts/build_wheel.py --cli-version 2.0.0
# 构建后清理CLI文件
python scripts/build_wheel.py --clean
# 跳过CLI下载(使用现有文件)
python scripts/build_wheel.py --skip-download
构建脚本会执行以下步骤:
- 下载适用于您平台的Claude Code CLI
- 将其打包进wheel
- 构建wheel和源码分发包
- 使用twine验证包
完整选项请查看 python scripts/build_wheel.py --help。
发布流程
包通过 .github/workflows/publish.yml 中的GitHub Actions工作流发布到PyPI。创建新版本需:
手动触发工作流(在Actions标签页)并提供两个输入:
version: 要发布的包版本(如0.1.5)claude_code_version: 要打包的Claude Code CLI版本(如2.0.0或latest)
工作流将:
- 为macOS、Linux和Windows构建平台特定的wheel包
- 在每个wheel中打包指定版本的Claude Code CLI
- 构建源码分发包
- 将所有制品发布到PyPI
- 创建包含版本更新的发布分支
- 提交PR合并到main分支,包含:
- 更新
pyproject.toml版本 - 更新
src/claude_agent_sdk/_version.py - 更新
src/claude_agent_sdk/_cli_version.py中的CLI版本 - 自动生成的
CHANGELOG.md条目
- 更新
审核并合并 发布PR以更新main分支的版本信息
工作流分别跟踪包版本和CLI版本,允许您在不修改代码的情况下发布包含更新CLI的新版本。
许可协议
本SDK的使用受Anthropic 商业服务条款 约束,包括您使用其为自有客户提供产品和服务的场景,除非特定组件或依赖项另有许可协议(详见对应组件的LICENSE文件)。
版本历史
v0.1.562026/04/04v0.1.552026/04/03v0.1.542026/04/02v0.1.532026/03/31v0.1.522026/03/29v0.1.512026/03/27v0.1.502026/03/20v0.1.492026/03/20v0.1.482026/03/07v0.1.472026/03/06v0.1.462026/03/05v0.1.452026/03/03v0.1.442026/02/26v0.1.432026/02/25v0.1.422026/02/25v0.1.412026/02/24v0.1.402026/02/24v0.1.392026/02/19v0.1.382026/02/18v0.1.372026/02/16常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。