Claude Agent SDK 完整指南

簡介

你可能已經使用過 Claude 的基本 API：發送一則訊息，收到一則回覆，就像聊天一樣。但如果你希望 Claude 幫你讀取檔案、執行指令、搜尋程式碼、修復 bug、自行驗證結果並持續迭代，這種「自主工作」不是基本 API 能做到的。

Claude Agent SDK 正是為此場景而生。它將 Claude Code 的所有能力——讀寫檔案、執行指令、搜尋程式碼、編輯檔案、瀏覽網頁——打包成一個可程式化的函式庫。你不需要自己寫工具呼叫的迴圈，Claude 可以自主執行工具、自主迭代，直到任務真正完成。

一句話總結：基本 SDK 是「你問，它答」；Agent SDK 是「你派任，它動手」。

與基本 SDK 有什麼區別？

先看程式碼，差異一目了然：

python

# 基本 anthropic SDK：你必須自己寫迴圈來處理工具呼叫
import anthropic

client = anthropic.Anthropic()
response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[{"role": "user", "content": "修復 auth.py 中的 bug"}],
    tools=[...]  # 你必須自己定義工具
)
# Claude 請求呼叫某個工具
while response.stop_reason == "tool_use":
    result = your_tool_executor(response.tool_use)  # 你必須自己執行
    response = client.messages.create(tool_result=result, **params)  # 你必須自己回傳結果

python

# Agent SDK：一個區塊搞定，Claude 自己讀檔、找 bug、編輯程式碼
from claude_agent_sdk import query, ClaudeAgentOptions

async for message in query(
    prompt="修復 auth.py 中的 bug",
    options=ClaudeAgentOptions(allowed_tools=["Read", "Edit", "Bash"]),
):
    print(message)  # Claude 自己讀取檔案、定位問題並編輯程式碼

差異非常明顯：

比較項目	基本 anthropic SDK	Claude Agent SDK
工具執行	你自己實現	Claude 處理
工具迴圈	你自己實現	內建 Agent 迴圈
內建工具	無，全部自訂	內建讀寫檔案、Bash、搜尋等開箱即用
上下文管理	你自己維護	自動壓縮和管理
最適合場景	聊天、生成、簡單工具呼叫	自主完成複雜任務

與其他 Agent 框架有什麼不同？

市面上有很多 Agent 框架——LangChain、LlamaIndex、CrewAI、AutoGPT 等等。Claude Agent SDK 與它們相比有什麼獨特之處？

📚 詳細比較請參閱附錄：主流 Agent 框架比較

簡單來說：

框架	最適合的場景
Claude Agent SDK	讓 Claude 自主完成程式設計、檔案操作和指令執行
LangChain	建置高度客製化流程的複雜通用 AI 應用程式
CrewAI	模擬多角色協作場景（虛擬團隊、角色扮演）
LlamaIndex	建置連接企業資料與 LLM 的知識庫問答系統

安裝和配置

安裝

Python 需要 3.10+，TypeScript 需要 Node.js 18+：

bash

# Python
pip install claude-agent-sdk

# TypeScript
npm install @anthropic-ai/claude-agent-sdk

認證

只需設定 API 金鑰環境變數：

bash

export ANTHROPIC_API_KEY=your-api-key

也支援雲端平台認證：

AWS Bedrock：設定 CLAUDE_CODE_USE_BEDROCK=1 + AWS 憑證
Google Vertex AI：設定 CLAUDE_CODE_USE_VERTEX=1 + GCP 憑證
Microsoft Azure：設定 CLAUDE_CODE_USE_FOUNDRY=1 + Azure 憑證

自訂 API 端點

如果你使用代理、閘道或自建 API 端點，可以透過 env 參數更改預設 API URL：

python

from claude_agent_sdk import query, ClaudeAgentOptions

async for message in query(
    prompt="你好",
    options=ClaudeAgentOptions(
        env={
            "ANTHROPIC_BASE_URL": "https://your-proxy.example.com",
            "ANTHROPIC_API_KEY": "your-api-key",
        }
    ),
):
    print(message)

ClaudeAgentOptions 沒有直接的 base_url 參數，但 env 欄位可以將任意環境變數傳入底層的 Claude Code CLI。常用環境變數：

環境變數	用途
`ANTHROPIC_BASE_URL`	自訂 API 端點（代理、閘道）
`ANTHROPIC_API_KEY`	API 金鑰
`ANTHROPIC_AUTH_TOKEN`	替代認證 Token
`ANTHROPIC_CUSTOM_HEADERS`	自訂請求標頭

核心概念

Agent SDK 的運行原理可以用一句話概括：收集上下文 -> 執行動作 -> 驗證結果 -> 重複。

這正是人類開發者的工作方式：先讀程式碼，再修改程式碼，然後執行測試並檢查結果。如果不對，就繼續迭代。Agent SDK 將這個迴圈自動化了。

兩種使用模式

模式一：query() 函式——無狀態，適合一次性任務

python

import asyncio
from claude_agent_sdk import query, ClaudeAgentOptions

async def main():
    async for message in query(
        prompt="這個目錄下有哪些檔案？",
        options=ClaudeAgentOptions(allowed_tools=["Bash", "Glob"]),
    ):
        if hasattr(message, "result"):
            print(message.result)

asyncio.run(main())

模式二：ClaudeSDKClient——有狀態，適合多輪對話

當你需要保留上下文並跨多輪互動時使用。例如，先請 Claude 讀取一個模組，然後請它找出該模組的所有呼叫點——第二輪它仍然記得第一輪讀過的內容。

python

import asyncio
from claude_agent_sdk import query, ClaudeAgentOptions

async def main():
    session_id = None

    # 第一輪：讀取認證模組
    async for message in query(
        prompt="讀取認證模組的程式碼",
        options=ClaudeAgentOptions(allowed_tools=["Read", "Glob"]),
    ):
        if hasattr(message, "subtype") and message.subtype == "init":
            session_id = message.session_id

    # 第二輪：基於前一輪的上下文繼續
    async for message in query(
        prompt="找出所有呼叫它的地方",
        options=ClaudeAgentOptions(resume=session_id),
    ):
        if hasattr(message, "result"):
            print(message.result)

asyncio.run(main())

內建工具：開箱即用

這是 Agent SDK 最棒的部分之一——你不需要自己實現任何工具，Claude 可以直接使用：

工具	能力	典型用途
Read	讀取檔案	檢視程式碼、讀取配置
Write	建立檔案	生成新檔案
Edit	精確編輯檔案	Bug 修復、重構
Bash	執行終端指令	執行測試、安裝依賴、git 操作
Glob	基於模式的檔案搜尋	`*/.py`、`src/*/.ts`
Grep	正規表達式內容搜尋	查找函式定義、TODO
WebSearch	搜尋網頁	查詢文件、尋找方案
WebFetch	抓取網頁內容	讀取線上文件
Task	啟動子代理	平行處理子任務

使用 allowed_tools 控制代理可以使用哪些工具：

python

# 唯讀代理：只能檢視不能修改
options = ClaudeAgentOptions(
    allowed_tools=["Read", "Glob", "Grep"],
    permission_mode="bypassPermissions"
)

# 完整代理：可讀、可寫、可執行指令
options = ClaudeAgentOptions(
    allowed_tools=["Read", "Write", "Edit", "Bash", "Glob", "Grep"]
)

進階功能

Hooks：在關鍵時刻插入你自己的邏輯

Hooks 讓你在代理執行的關鍵時刻注入自訂程式碼——例如日誌記錄、攔截風險操作、審計檔案變更。

支援的 Hook 類型包括：PreToolUse（工具執行前）、PostToolUse（工具執行後）、Stop（代理停止時）、SessionStart、SessionEnd 等。

python

from datetime import datetime
from claude_agent_sdk import query, ClaudeAgentOptions, HookMatcher

# 每次修改檔案時記錄審計日誌
async def log_file_change(input_data, tool_use_id, context):
    file_path = input_data.get("tool_input", {}).get("file_path", "unknown")
    with open("./audit.log", "a") as f:
        f.write(f"{datetime.now()}: modified {file_path}\n")
    return {}

async def main():
    async for message in query(
        prompt="重構 utils.py 以提高可讀性",
        options=ClaudeAgentOptions(
            permission_mode="acceptEdits",
            hooks={
                "PostToolUse": [
                    HookMatcher(matcher="Edit|Write", hooks=[log_file_change])
                ]
            },
        ),
    ):
        if hasattr(message, "result"):
            print(message.result)

實際應用場景：

審計日誌：記錄代理執行的每一個操作
安全攔截：阻止對關鍵檔案的修改
通知推送：代理任務完成時發送訊息
成本監控：統計工具呼叫次數和 Token 用量

子代理：將大任務拆分給專家

當任務足夠複雜時，你可以定義多個專門的子代理，讓主代理將子任務分配給它們。每個子代理有自己的指令和工具權限，彼此隔離。

python

from claude_agent_sdk import query, ClaudeAgentOptions, AgentDefinition

async for message in query(
    prompt="使用 code-reviewer 代理審查這個專案的程式碼品質",
    options=ClaudeAgentOptions(
        allowed_tools=["Read", "Glob", "Grep", "Task"],
        agents={
            "code-reviewer": AgentDefinition(
                description="專業的程式碼審查員，負責品質和安全審查",
                prompt="分析程式碼品質，識別潛在問題，並提供改進建議。",
                tools=["Read", "Glob", "Grep"],
            ),
            "test-writer": AgentDefinition(
                description="測試專家，負責撰寫單元測試",
                prompt="為缺少測試的函式撰寫單元測試。",
                tools=["Read", "Write", "Bash"],
            ),
        },
    ),
):
    if hasattr(message, "result"):
        print(message.result)

來自子代理的訊息包含 parent_tool_use_id 欄位，方便追蹤哪些訊息來自哪個子代理。

MCP 整合：連接外部世界

透過 Model Context Protocol（MCP），你的代理可以連接到外部系統，如資料庫、瀏覽器和第三方 API。社群已經提供了數百個 MCP 伺服器供你直接使用。

python

# 連接 Playwright，讓代理可以操作瀏覽器
async for message in query(
    prompt="開啟 example.com 並描述你看到的內容",
    options=ClaudeAgentOptions(
        mcp_servers={
            "playwright": {
                "command": "npx",
                "args": ["@playwright/mcp@latest"]
            }
        }
    ),
):
    if hasattr(message, "result"):
        print(message.result)

常見的 MCP 整合場景：

Playwright：瀏覽器自動化、爬取頁面、填寫表單
PostgreSQL/MySQL：直接查詢和操作資料庫
Slack/Email：發送通知和訊息
GitHub：操作 PR、Issue 和儲存庫

能做什麼？實際應用場景

了解功能後，最重要的問題是：這東西實際能做什麼？以下是經過社群驗證的真實場景。

場景一：自動修 Bug 代理

給它一個 bug 描述，它可以找到程式碼、定位問題、修復它，並執行測試驗證：

python

async for message in query(
    prompt="使用者回報登入時偶爾出現 HTTP 500 錯誤。調查並修復 src/auth/ 下的程式碼",
    options=ClaudeAgentOptions(
        allowed_tools=["Read", "Edit", "Bash", "Glob", "Grep"],
        permission_mode="acceptEdits",
    ),
):
    print(message)

Claude 會 grep 日誌、讀取相關程式碼、找到 bug、修改程式碼，並執行測試確認修復。

場景二：程式碼審查代理

建置一個唯讀的程式碼審查代理，審計品質而不做任何修改：

python

async for message in query(
    prompt="審查 src/ 下的程式碼，重點關注安全漏洞、效能問題和程式碼規範",
    options=ClaudeAgentOptions(
        allowed_tools=["Read", "Glob", "Grep"],
        permission_mode="bypassPermissions",
    ),
):
    if hasattr(message, "result"):
        print(message.result)

場景三：CI/CD 整合

在 CI 管線中，讓代理分析失敗的測試並嘗試自動修復：

python

async for message in query(
    prompt="執行 npm test，分析失敗的測試案例，並修復程式碼使所有測試通過",
    options=ClaudeAgentOptions(
        allowed_tools=["Read", "Edit", "Bash", "Glob"],
        max_turns=20,
    ),
):
    print(message)

這是 Agent SDK 相比 CLI 的一大優勢——CLI 適合有人坐在終端機前的場景，而 SDK 則適合嵌入到自動化工作流程中。

場景四：研究代理

讓代理搜尋網頁、閱讀文件、綜合資訊並產出報告：

python

async for message in query(
    prompt="研究 2026 年主流的 Python Web 框架。比較 FastAPI、Django 和 Litestar，然後將技術選型報告寫入 report.md",
    options=ClaudeAgentOptions(
        allowed_tools=["WebSearch", "WebFetch", "Write"],
    ),
):
    print(message)

場景五：帶瀏覽器能力的全端代理

透過 MCP 連接 Playwright，代理不僅能寫程式碼，還能開啟瀏覽器驗證結果：

python

async for message in query(
    prompt="修復首頁樣式問題，然後開啟瀏覽器截圖驗證結果",
    options=ClaudeAgentOptions(
        allowed_tools=["Read", "Edit", "Bash"],
        mcp_servers={
            "playwright": {
                "command": "npx",
                "args": ["@playwright/mcp@latest"]
            }
        },
    ),
):
    print(message)

場景速查表

場景	核心工具	難度
自動修 Bug	Read, Edit, Bash, Grep	初級
程式碼審查	Read, Glob, Grep	初級
CI/CD 自動修復	Read, Edit, Bash	中級
技術研究報告	WebSearch, WebFetch, Write	初級
瀏覽器自動化	MCP (Playwright)	中級
多代理協作	Task + AgentDefinition	進階
資料庫操作	MCP (PostgreSQL/MySQL)	中級
郵件/通知助手	MCP (Slack/Email)	中級

何時應該使用 Agent SDK？

並非每個場景都需要 Agent SDK。選擇正確的工具很重要：

你想做什麼	推薦工具
簡單聊天、文字生成、翻譯	基本 `anthropic` SDK
一次性工具呼叫（天氣查詢、計算）	基本 `anthropic` SDK
自主完成多步驟開發任務	Agent SDK
嵌入 CI/CD 管線	Agent SDK
建置操作檔案系統的應用程式	Agent SDK
日常互動式開發	Claude Code CLI
一次性快速任務	Claude Code CLI

簡而言之：如果你的任務需要 Claude「親自動手」（讀取檔案、編輯程式碼、執行指令），使用 Agent SDK。如果只需要問答，基本 SDK 就夠了。

企業實踐：建置程式碼品質守護管線

前面的場景都是一個代理做一件事。在真實的企業環境中，你需要的是一條完整的管線——多個代理串聯，每個階段有明確的輸入/輸出，加上審計、回滾和通知。

現在我們來建置一個真實場景：每次 PR 提交後，自動觸發程式碼審查 -> 安全掃描 -> 自動修復 -> 測試驗證 -> 報告生成的完整管線。

架構設計

text

PR 提交
  │
  ▼
┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│  程式碼審查  │───▶│  安全掃描    │───▶│   自動修復   │
│    Agent     │    │    Agent     │    │    Agent     │
│  (唯讀)      │    │  (唯讀)      │    │  (可寫)      │
└─────────────┘    └─────────────┘    └─────────────┘
                                            │
                                            ▼
                                     ┌─────────────┐    ┌─────────────┐
                                     │  測試驗證    │───▶│  報告生成    │
                                     │    Agent     │    │    Agent     │
                                     │   (Bash)     │    │   (Write)    │
                                     └─────────────┘    └─────────────┘
                                                              │
                                                              ▼
                                                       Slack 通知

核心理念：每個代理只做一件事，權限最小化，結果依序傳遞。

第一步：定義管線框架

python

import asyncio
import json
from datetime import datetime
from claude_agent_sdk import query, ClaudeAgentOptions, HookMatcher

# 審計日誌：記錄每個代理的每一個操作
audit_log = []

async def audit_hook(input_data, tool_use_id, context):
    audit_log.append({
        "time": datetime.now().isoformat(),
        "tool": input_data.get("tool_name"),
        "input": input_data.get("tool_input", {}),
    })
    return {}

# 共享的 Hook 配置：所有代理共享審計能力
audit_hooks = {
    "PostToolUse": [HookMatcher(matcher=".*", hooks=[audit_hook])]
}

第二步：程式碼審查代理（唯讀）

python

async def run_code_review(pr_diff: str) -> str:
    """唯讀代理，審查程式碼品質並輸出結構化報告"""
    result_text = ""
    async for message in query(
        prompt=f"""從以下維度審查此 PR diff：
1. 程式碼規範：命名、格式化、註解
2. 邏輯問題：邊界情況、空指標風險、競態條件
3. 效能風險：N+1 查詢、記憶體洩漏、不必要的迴圈
4. 可維護性：過大的函式、不明確的職責、魔術數字

PR Diff：
{pr_diff}

輸出 JSON 格式：{{"issues": [{{"severity": "high/medium/low", "file": "...", "line": ..., "description": "..."}}], "summary": "..."}}""",
        options=ClaudeAgentOptions(
            allowed_tools=["Read", "Glob", "Grep"],
            permission_mode="bypassPermissions",
            hooks=audit_hooks,
            max_turns=10,
        ),
    ):
        if hasattr(message, "result"):
            result_text = message.result
    return result_text

第三步：安全掃描代理（唯讀）

python

async def run_security_scan() -> str:
    """唯讀代理，專注於漏洞掃描"""
    result_text = ""
    async for message in query(
        prompt="""掃描專案程式碼中的安全漏洞：
1. SQL 注入、XSS、CSRF
2. 硬編碼的金鑰或憑證
3. 不安全的依賴版本
4. 缺少權限檢查

輸出 JSON：{{"vulnerabilities": [{{"severity": "critical/high/medium", "type": "...", "file": "...", "description": "...", "fix_suggestion": "..."}}]}}""",
        options=ClaudeAgentOptions(
            allowed_tools=["Read", "Glob", "Grep", "Bash"],
            permission_mode="bypassPermissions",
            hooks=audit_hooks,
            max_turns=15,
        ),
    ):
        if hasattr(message, "result"):
            result_text = message.result
    return result_text

第四步：自動修復代理（可寫）

python

async def run_auto_fix(review_result: str, security_result: str) -> str:
    """可寫代理，根據審查和掃描結果自動修復程式碼"""
    result_text = ""
    async for message in query(
        prompt=f"""根據以下審查結果修復程式碼：

程式碼審查報告：
{review_result}

安全掃描報告：
{security_result}

修復規則：
1. 只修復嚴重程度為 high 或 critical 的問題
2. 每次修改後執行相關測試，確保不破壞現有功能
3. 不要重構無關的程式碼，只做最小化的修復
4. 完成後輸出修改的檔案列表""",
        options=ClaudeAgentOptions(
            allowed_tools=["Read", "Edit", "Bash", "Glob", "Grep"],
            permission_mode="acceptEdits",
            hooks=audit_hooks,
            max_turns=30,
        ),
    ):
        if hasattr(message, "result"):
            result_text = message.result
    return result_text

第五步：測試驗證 + 報告生成

python

async def run_test_and_report(fix_result: str) -> str:
    """執行測試並生成最終報告"""
    result_text = ""
    async for message in query(
        prompt=f"""執行以下操作：
1. 執行完整的測試套件（npm test 或 pytest）
2. 計算測試通過率
3. 將 Markdown 品質報告生成到 pr-report.md，包含：
   - 程式碼審查中發現的問題數量和嚴重程度分佈
   - 安全漏洞數量
   - 自動修復的變更：{fix_result}
   - 測試通過率
   - 最終結論：是否建議合併""",
        options=ClaudeAgentOptions(
            allowed_tools=["Read", "Bash", "Write", "Glob"],
            hooks=audit_hooks,
            max_turns=15,
        ),
    ):
        if hasattr(message, "result"):
            result_text = message.result
    return result_text

第六步：串聯整條管線

python

import subprocess

async def run_pipeline():
    """完整的 PR 品質守護管線"""
    print("🔍 階段 1/4：程式碼審查...")
    pr_diff = subprocess.run(
        ["git", "diff", "main...HEAD"], capture_output=True, text=True
    ).stdout
    review_result = await run_code_review(pr_diff)

    print("🛡️ 階段 2/4：安全掃描...")
    security_result = await run_security_scan()

    print("🔧 階段 3/4：自動修復...")
    fix_result = await run_auto_fix(review_result, security_result)

    print("✅ 階段 4/4：測試驗證 + 報告生成...")
    report = await run_test_and_report(fix_result)

    # 儲存審計日誌
    with open("audit-log.json", "w") as f:
        json.dump(audit_log, f, indent=2, ensure_ascii=False)

    print(f"管線完成，審計日誌已儲存（{len(audit_log)} 條操作記錄）")
    return report

asyncio.run(run_pipeline())

企業設計思維

這條管線體現了幾個關鍵的企業設計原則：

最小權限：程式碼審查和安全掃描代理是唯讀的，不會意外修改程式碼。只有自動修復代理有寫入權限，而且受 acceptEdits 約束。

可審計：每個代理的每一步都透過 Hooks 記錄。如果出了問題，你可以追溯到哪個代理在什麼時候做了什麼。

結果串聯：每個代理的輸出成為下一個代理的輸入。審查結果餵給自動修復；自動修復結果餵給測試驗證。每個階段都有明確的輸入/輸出契約。

成本控制：每個代理都有 max_turns 限制，防止無限迴圈。在生產環境中，你還可以加上 max_budget_usd 進行預算控制。

可擴展性：想要加一個階段，比如「文件檢查代理」或「效能基準測試代理」？新增一個函式並插入管線即可。

這個模式可以直接嵌入 GitHub Actions 或 GitLab CI，在每個 PR 上自動觸發，真正實現「AI 驅動的程式碼品質守護」。

錯誤處理

Agent SDK 提供清晰的異常類型，讓你可以在生產環境中建置穩健的容錯機制：

python

from claude_agent_sdk import query, CLINotFoundError, ProcessError

try:
    async for msg in query(prompt="分析程式碼"):
        print(msg)
except CLINotFoundError:
    print("Claude Code CLI 未安裝。請先安裝。")
except ProcessError as e:
    print(f"程序異常退出，退出碼：{e.exit_code}")

總結

Claude Agent SDK 的核心價值在於將「模型推理」升級為「受控執行」。它不僅僅生成文字，還能在可審計、受約束的工具系統中真正完成任務。

記住 Anthropic 官方部落格中的一句話：Agent SDK 的設計理念是「給代理一台電腦，讓它像人類一樣工作」。

一個好的代理應用 = 清晰的工具設計 + 明確的任務邊界 + 適當的人工監督。工具賦予代理能力，邊界給予約束，監督帶來信心。三者缺一不可。

參考資料

官方資源

Agent SDK 官方文件 - 最權威的參考
GitHub - claude-agent-sdk-python - Python SDK 原始碼
GitHub - claude-agent-sdk-typescript - TypeScript SDK 原始碼
Agent SDK 範例專案 - 郵件助手、研究代理等

部落格和教學

Building agents with the Claude Agent SDK - Anthropic 工程部落格關於設計理念和架構
Claude Agent SDK Python 學習指南 - 從零開始的中文友善完整教學
Claude Agent SDK 完整教學 - 工具系統、Agent 迴圈和受控執行的實戰指南
12 個實用 Agent SDK 場景 - 涵蓋程式設計、資料、自動化等
一步步 Agent 教學 - TypeScript + Python 雙軌教學

Claude Agent SDK 完整指南 ​

簡介 ​

與基本 SDK 有什麼區別？ ​

與其他 Agent 框架有什麼不同？ ​

安裝和配置 ​

安裝 ​

認證 ​

自訂 API 端點 ​

核心概念 ​

兩種使用模式 ​

內建工具：開箱即用 ​

進階功能 ​

Hooks：在關鍵時刻插入你自己的邏輯 ​

子代理：將大任務拆分給專家 ​

MCP 整合：連接外部世界 ​

能做什麼？實際應用場景 ​

場景一：自動修 Bug 代理 ​

場景二：程式碼審查代理 ​

場景三：CI/CD 整合 ​

場景四：研究代理 ​

場景五：帶瀏覽器能力的全端代理 ​

場景速查表 ​

何時應該使用 Agent SDK？ ​

企業實踐：建置程式碼品質守護管線 ​

架構設計 ​

第一步：定義管線框架 ​

第二步：程式碼審查代理（唯讀） ​

第三步：安全掃描代理（唯讀） ​

第四步：自動修復代理（可寫） ​

第五步：測試驗證 + 報告生成 ​

第六步：串聯整條管線 ​

企業設計思維 ​

錯誤處理 ​

總結 ​

參考資料 ​

官方資源 ​

部落格和教學 ​

Claude Agent SDK 完整指南

簡介

與基本 SDK 有什麼區別？

與其他 Agent 框架有什麼不同？

安裝和配置

安裝

認證

自訂 API 端點

核心概念

兩種使用模式

內建工具：開箱即用

進階功能

Hooks：在關鍵時刻插入你自己的邏輯

子代理：將大任務拆分給專家

MCP 整合：連接外部世界

能做什麼？實際應用場景

場景一：自動修 Bug 代理

場景二：程式碼審查代理

場景三：CI/CD 整合

場景四：研究代理

場景五：帶瀏覽器能力的全端代理

場景速查表

何時應該使用 Agent SDK？

企業實踐：建置程式碼品質守護管線

架構設計

第一步：定義管線框架

第二步：程式碼審查代理（唯讀）

第三步：安全掃描代理（唯讀）

第四步：自動修復代理（可寫）

第五步：測試驗證 + 報告生成

第六步：串聯整條管線

企業設計思維

錯誤處理

總結

參考資料

官方資源

部落格和教學