claude-agent-server
claude-agent-server 是一个专为 Claude Agent(Claude Code)打造的 WebSocket 服务端工具,旨在让开发者能够在安全的沙箱环境中运行并实时控制 AI 代理。它通过将 Claude Agent SDK 封装为 WebSocket 服务,解决了本地运行复杂环境配置困难、安全性难以保障以及无法便捷集成到远程应用中的痛点。
该工具特别适合后端开发者、AI 应用构建者及需要自动化代码执行能力的技术团队使用。其核心亮点在于与 E2B 云沙箱的深度集成:用户只需简单命令即可将服务部署为云端模板,获得一个预装了 Git 和 Bun 的隔离运行环境。通过配套的 TypeScript 客户端库,开发者可以轻松建立双向通信通道,实现消息的实时收发、会话管理及资源自动清理。此外,项目支持灵活的本地调试模式,允许用户在推送到云端前对服务端逻辑进行自定义修改和测试。这种“云端沙箱 + 实时通信”的架构,极大地降低了构建高安全等级 AI 编程助手的门槛,让集成过程更加标准化和高效。
使用场景
某 SaaS 初创公司的后端团队需要构建一个能自动修复生产环境代码缺陷的智能运维系统,且必须确保 AI 操作在隔离环境中运行以保障数据安全。
没有 claude-agent-server 时
- 安全风险高:直接让 Claude Code 在本地或普通服务器运行,AI 生成的恶意或错误代码可能误删核心数据库或窃取敏感密钥。
- 集成复杂度大:开发者需手动编写复杂的容器编排脚本(如 Docker/K8s)来模拟沙箱,耗时数天且难以维护双向通信逻辑。
- 状态管理混乱:缺乏标准化的 WebSocket 接口,前端应用难以实时获取 AI 的思考过程和执行日志,导致调试困难。
- 资源浪费严重:每次任务结束后需手动清理临时环境,容易遗留僵尸进程占用服务器资源。
使用 claude-agent-server 后
- 原生沙箱隔离:通过 E2B 模板一键部署,将 Claude Agent 限制在独立的云端沙箱中,彻底阻断对宿主机文件的非法访问。
- 极速集成开发:利用官方 TypeScript 客户端库,仅需几行代码即可建立安全的 WebSocket 连接,将集成时间从数天缩短至几分钟。
- 实时双向交互:内置的消息处理机制支持流式传输,前端可实时展示 AI 的修复步骤并动态干预,大幅提升可观测性。
- 自动化生命周期:客户端自动管理沙箱的创建、连接与销毁,任务完成后资源即时释放,无需人工介入清理。
claude-agent-server 通过将复杂的沙箱编排抽象为简单的 WebSocket 服务,让开发者能以最低成本安全地将 Claude 的代码能力嵌入生产级应用。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始

Claude Agent SDK WebSocket 服务器
一个封装了 Claude Agent SDK 的 WebSocket 服务器,允许通过 WebSocket 与 Claude 进行实时双向通信。您可以将其部署为 E2B 沙盒,并使用 TypeScript 客户端库进行连接。
概述
典型工作流程:
- 构建您的 E2B 镜像 - 使用
bun run build:e2b将服务器部署为 E2B 沙盒模板。 - 使用客户端库 - 在您的项目中安装
@dzhng/claude-agent,并连接到您的 E2B 沙盒。 - 修改服务器(可选) - 如果需要自定义行为,请编辑
packages/server/中的服务器代码。 - 本地测试 - 使用
bun run start:server和bun run test:local测试您的更改,然后再重新构建。
快速入门
1. 设置环境
在根目录下创建一个 .env 文件:
cp .env.example .env
添加您的 API 密钥:
ANTHROPIC_API_KEY=sk-ant-your-api-key-here
E2B_API_KEY=e2b_your-api-key-here
安装依赖项:
bun install
2. 构建您的 E2B 镜像
将服务器构建并部署为 E2B 模板:
bun run build:e2b
这会在 E2B 上创建一个名为 claude-agent-server 的沙盒模板。构建过程如下:
- 基于 Bun 1.3 创建一个沙盒。
- 安装 Git 并克隆此仓库。
- 安装依赖项。
- 配置服务器在端口 3000 上自动启动。
构建可能需要几分钟时间。完成后,您的模板即可使用。
3. 使用客户端库
在您的项目中安装客户端库:
npm install @dzhng/claude-agent
# 或者
bun add @dzhng/claude-agent
连接到您的 E2B 沙盒:
import { ClaudeAgentClient } from '@dzhng/claude-agent'
const client = new ClaudeAgentClient({
e2bApiKey: process.env.E2B_API_KEY,
anthropicApiKey: process.env.ANTHROPIC_API_KEY,
template: 'claude-agent-server', // 您的 E2B 模板名称
debug: true,
})
// 启动客户端(创建 E2B 沙盒并连接)
await client.start()
// 监听来自 Claude 的消息
client.onMessage(message => {
if (message.type === 'sdk_message') {
console.log('Claude:', message.data)
}
})
// 向 Claude 发送消息
client.send({
type: 'user_message',
data: {
type: 'user',
session_id: 'my-session',
message: {
role: 'user',
content: '你好,Claude!',
},
},
})
// 完成后清理
await client.stop()
就是这样!客户端库负责:
- 创建和管理 E2B 沙盒。
- WebSocket 连接。
- 消息序列化。
- 清理和资源管理。
修改服务器
如果您想自定义服务器行为:
1. 编辑服务器代码
服务器代码位于 packages/server/ 中:
index.ts- 主服务器和 WebSocket 处理。message-handler.ts- 消息处理逻辑。const.ts- 配置常量。
2. 本地测试
在本地启动服务器:
bun run start:server
在另一个终端中,运行针对本地主机的测试客户端:
bun run test:local
这会运行 packages/client/example-client.ts,连接到 localhost:3000 而不是 E2B。
3. 重新构建 E2B 镜像
当您对更改满意后,重新构建 E2B 模板:
bun run build:e2b
您更新后的服务器将被部署到 E2B,使用相同的模板名称。
可用脚本
bun run build:e2b
将服务器构建并部署为 E2B 模板。这是将服务器部署到云端的主要方式。
bun run test:client
运行示例客户端(packages/client/example-client.ts),连接到 E2B 沙盒。需要在 .env 文件中同时设置 E2B_API_KEY 和 ANTHROPIC_API_KEY。
bun run start:server
在本地 http://localhost:3000 上启动服务器。用于本地开发和测试。
bun run test:local
运行连接到 localhost:3000 的示例客户端。在重新构建 E2B 镜像之前,可用于测试本地服务器的更改。
客户端库 API
安装
npm install @dzhng/claude-agent
# 或者
bun add @dzhng/claude-agent
构造函数选项
interface ClientOptions {
// 必需(除非使用环境变量)
anthropicApiKey?: string
// E2B 配置(如果使用 connectionUrl 则可选)
e2bApiKey?: string
template?: string // E2B 模板名称,默认为 'claude-agent-server'
timeoutMs?: number // 沙盒超时时间,默认为 5 分钟
// 连接配置
connectionUrl?: string // 使用此选项连接到本地或自定义服务器,而不是 E2B
// 其他选项
debug?: boolean // 启用调试日志
// 查询配置(传递给服务器)
agents?: Record<string, AgentDefinition>
allowedTools?: string[]
systemPrompt?:
| string
| { type: 'preset'; preset: 'claude_code'; append?: string }
model?: string
}
方法
async start()- 初始化客户端并连接到服务器。send(message: WSInputMessage)- 向代理发送消息。onMessage(handler: (message: WSOutputMessage) => void)- 注册消息处理器(返回取消注册函数)。async stop()- 断开连接并清理资源。
示例:连接到 E2B
import { ClaudeAgentClient } from '@dzhng/claude-agent'
const client = new ClaudeAgentClient({
e2bApiKey: process.env.E2B_API_KEY,
anthropicApiKey: process.env.ANTHROPIC_API_KEY,
template: 'claude-agent-server',
debug: true,
})
await client.start()
client.onMessage(message => {
if (message.type === 'sdk_message') {
console.log('Claude:', message.data)
}
})
client.send({
type: 'user_message',
data: {
type: 'user',
session_id: 'session-1',
message: { role: 'user', content: '你好' },
},
})
await client.stop()
示例:连接到本地服务器
const client = new ClaudeAgentClient({
connectionUrl: 'http://localhost:3000',
anthropicApiKey: process.env.ANTHROPIC_API_KEY,
})
await client.start()
更多详细信息,请参阅 packages/client/README.md。
服务器 API 参考
注意: 如果您正在使用 @dzhng/claude-agent 库,则无需直接与这些端点交互。客户端会为您处理配置和 WebSocket 连接。本节适用于希望直接连接到服务器或构建自己的客户端的高级用户。
服务器运行在 http://localhost:3000(或您的 E2B 沙盒 URL)上,提供以下服务:
- 配置端点:
http://localhost:3000/config - WebSocket 端点:
ws://localhost:3000/ws
配置 API
POST /config
设置 Claude Agent SDK 查询的配置:
type QueryConfig = {
agents?: Record<string, AgentDefinition>
allowedTools?: string[]
systemPrompt?:
| string
| {
type: 'preset'
preset: 'claude_code'
append?: string
}
model?: string
anthropicApiKey?: string
}
示例:
curl -X POST http://localhost:3000/config \
-H "Content-Type: application/json" \
-d '{
"systemPrompt": "You are a helpful assistant.",
"allowedTools": ["read_file", "write_file"],
"anthropicApiKey": "sk-ant-...",
"model": "claude-3-5-sonnet-20241022",
"agents": {
"myAgent": {
"name": "My Custom Agent",
"description": "A custom agent"
}
}
}'
响应:
{
"success": true,
"config": {
"systemPrompt": "You are a helpful assistant.",
"allowedTools": ["read_file", "write_file"],
"agents": { ... }
}
}
GET /config
获取当前配置:
curl http://localhost:3000/config
响应:
{
"config": {
"systemPrompt": "You are a helpful assistant.",
"allowedTools": ["read_file", "write_file"]
}
}
WebSocket API
连接
连接到 WebSocket 端点:
const ws = new WebSocket('ws://localhost:3000/ws')
注意: 服务器一次只接受 一个活动连接。如果已有其他客户端连接,新的连接尝试将被拒绝,并返回错误消息。
消息格式
发送消息(客户端 → 服务器)
type WSInputMessage =
| {
type: 'user_message'
data: SDKUserMessage
}
| {
type: 'interrupt'
}
用户消息:
发送封装的 SDKUserMessage:
{
"type": "user_message",
"data": {
"type": "user",
"session_id": "your-session-id",
"parent_tool_use_id": null,
"message": {
"role": "user",
"content": "Hello, Claude!"
}
}
}
结构:
type:必须为"user_message"data:包含以下内容的SDKUserMessage对象:type:必须为"user"session_id:您的会话标识符(字符串)message:包含role和content的对象role:必须为"user"content:消息内容(字符串)
parent_tool_use_id:可选,用于工具使用响应uuid:可选,消息 UUID(未提供时自动生成)
中断消息:
发送中断以停止当前代理操作:
{
"type": "interrupt"
}
接收消息(服务器 → 客户端)
type WSOutputMessage =
| { type: 'connected' }
| { type: 'sdk_message'; data: unknown }
| { type: 'error'; error: string }
连接确认:
{
"type": "connected"
}
SDK 消息(来自 Claude 的响应):
{
"type": "sdk_message",
"data": {
"type": "assistant",
"session_id": "...",
"message": {
/* Claude 的响应 */
}
}
}
错误消息:
{
"type": "error",
"error": "Error description"
}
架构
服务器是一个简单的 1对1 中继,用于在单个 WebSocket 客户端和 Claude Agent SDK 之间进行通信:
- 配置(可选):客户端可以通过 POST 到
/config来设置代理、允许的工具和系统提示。 - 客户端连接:建立 WebSocket 连接(一次仅允许一个连接)。
- 客户端发送消息:客户端发送用户消息(或中断消息)。
- 消息排队:服务器将消息加入队列,并使用 SDK 处理它们。
- SDK 处理:SDK 查询流使用配置选项处理消息。
- 响应中继:SDK 响应会立即发送回已连接的 WebSocket 客户端。
- 清理:当客户端断开连接时,服务器将准备好接受新的连接。
关键设计原则:
- 连接前配置:在连接之前,通过
/config端点配置查询选项。 - 惰性初始化:只有在建立第一个 WebSocket 连接时,查询流才会启动。
- 单连接限制:服务器会在已有连接时拒绝其他连接尝试。
- 简单中继:服务器在 WebSocket 和 SDK 之间中继消息,不进行会话管理。
- 消息队列:传入的消息会被排队,并由 SDK 流处理。
- 中断支持:客户端可以发送中断消息来停止正在进行的操作。
- 直接路由:所有 SDK 响应都会发送到唯一的活动 WebSocket 客户端。
项目结构
代码库采用 monorepo 结构:
claude-agent-server/
├── packages/
│ ├── server/ # 主服务器实现
│ │ ├── index.ts
│ │ ├── message-handler.ts
│ │ └── ...
│ ├── client/ # 客户端库及示例
│ │ ├── src/
│ │ └── example-client.ts
│ └── e2b-build/ # E2B 构建脚本
│ └── build.prod.ts
├── package.json # 根 package.json(工作区)
└── README.md
测试
Web 测试客户端
在浏览器中打开 http://localhost:3000/ 即可访问内置测试客户端。您可以:
- 向 Claude 发送消息
- 查看实时响应
- 查看 SDK 消息的完整 JSON 结构
命令行测试客户端
运行示例客户端脚本:
bun run test:client
这将连接到服务器(或 E2B 沙盒),发送几条测试消息,并显示响应。
E2B 部署细节
本节提供了有关 E2B 部署的更多详细信息。有关基本设置,请参阅 快速入门 部分。
自定义模板名称
默认情况下,bun run build:e2b 会创建一个名为 claude-agent-server 的模板。要使用其他名称,您可以修改 packages/e2b-build/build.prod.ts 文件,或者在使用客户端时指定:
import { ClaudeAgentClient } from '@dzhng/claude-agent'
const client = new ClaudeAgentClient({
template: 'my-custom-template', // 使用您自定义的模板名称
e2bApiKey: process.env.E2B_API_KEY,
anthropicApiKey: process.env.ANTHROPIC_API_KEY,
})
await client.start()
E2B 沙盒的工作原理
当您使用带有 E2B 的客户端库时:
- 沙盒创建:根据您构建的模板(默认为
claude-agent-server)创建一个新的沙盒。 - 自动启动:服务器会在沙盒内的 3000 端口上自动启动(通过
build.prod.ts中的setStartCmd配置)。 - 安全端点:E2B 为您的沙盒提供 HTTPS 和 WSS 端点。
- 隔离:每个沙盒都在完全隔离的状态下运行,拥有独立的文件系统和资源。
- 自动清理:当客户端断开连接时,沙盒会被终止。
要使用 E2B 进行测试,只需运行:
bun run test:client
这将运行 packages/client/example-client.ts,该脚本会创建一个 E2B 沙盒,连接到它,执行测试命令,并进行清理。
E2B 模板配置
模板在 packages/e2b-build/build.prod.ts 中定义:
const template = Template()
.fromBunImage('1.3') // 使用 Bun 1.3 基础镜像
.runCmd('sudo apt install -y git') // 安装 git
.gitClone('https://github.com/...', ...) // 克隆仓库
.setWorkdir('/home/user/app') // 设置工作目录
.runCmd('bun install') // 安装依赖
.setStartCmd('bun packages/server/index.ts', waitForPort(3000)) // 启动服务器
您可以自定义此模板以:
- 安装额外的系统软件包
- 预先配置环境变量
- 更改资源限制(CPU、内存)
- 修改启动命令
E2B 与本地开发
本地开发(localhost):
- 迭代更快
- 可直接访问本地文件系统
- 无沙箱开销
- 适合开发和测试
E2B 部署:
- 隔离的执行环境
- 安全的云沙箱
- 可扩展的基础设施
- 生产就绪
- 无需本地设置
配置
服务器默认使用 3000 端口。您可以在 packages/server/index.ts 中修改:
const server = Bun.serve<SessionData>({
port: 3000, // 可更改此值
// ...
})
环境变量
环境变量从根目录下的 .env 文件加载。请参阅快速入门了解设置说明。
API 密钥优先级:
- 如果您通过配置 API(
/config端点)设置了anthropicApiKey,它将覆盖ANTHROPIC_API_KEY环境变量。 - 使用客户端库时,您可以在构造函数选项中传递
anthropicApiKey。
许可证
MIT
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。