Claude Agent SDK
Claude Agent SDK ແມ່ນຊຸດເຄື່ອງມືພັດທະນາສຳລັບສ້າງ AI Agent ທີ່ສະໜອງໂດຍ Anthropic ເຊິ່ງເປັນ Framework ສຳລັບການຈັດຕັ້ງປະຕິບັດ Agent ທີ່ໃຊ້ປະໂຫຍດຈາກ Tool Use ແລະ ການສົນທະນາແບບ Multi-turn ຂອງ Claude ດ້ວຍໂຄດ Python ແລະ TypeScript.
ການເອີ້ນໃຊ້ API ຂອງ Claude ໂດຍກົງເພື່ອສ້າງ agent ນັ້ນເປັນໄປໄດ້, ແຕ່ຈະຕ້ອງມີການ implement ຮູບແບບທີ່ຊ້ຳໆທຸກຄັ້ງ ໄດ້ແກ່: loop ການສົ່ງຜົນລັບຂອງການເອີ້ນໃຊ້ tool ກັບຄືນໄປຫາ model, ການຈັດການ error, ແລະ ການຕັ້ງຄ່າ guardrail. Claude Agent SDK ແມ່ນ framework ທາງການທີ່ abstract "agent loop" ນີ້ອອກ ເພື່ອໃຫ້ນັກພັດທະນາສາມາດສຸມໃສ່ business logic ໄດ້.
ບັນຫາທີ່ SDK ແກ້ໄຂ
ໃນການພັດທະນາ agent, ຈຳເປັນຕ້ອງລວມຄຳສັ່ງໃຫ້ LLM (system prompt), ການກຳນົດ tool ພາຍນອກ, ແລະ ການຕັດສິນຜົນການປະຕິບັດງານເຂົ້າໄວ້ໃນ loop ດຽວ. ຖ້າ implement ແບບງ່າຍໆ, ການເພີ່ມຄ່າທີ່ tool ສົ່ງຄືນເຂົ້າໃນ message history, ການເອີ້ນ model ອີກຄັ້ງ, ການຕັດສິນເງື່ອນໄຂການສິ້ນສຸດ... ຂະບວນການເຫຼົ່ານີ້ຈະພອງໂຕຂຶ້ນເປັນຫຼາຍຮ້ອຍແຖວ.
SDK ຫຍໍ້ loop ນີ້ໄວ້ໃນ class Agent. ນັກພັດທະນາພຽງແຕ່ກຳນົດ tool ເປັນ function ແລ້ວສົ່ງໃຫ້ Agent ເທົ່ານັ້ນ. ການຄວບຄຸມ loop, ການຈັດການ token, ແລະ ການສັບປ່ຽນລະຫວ່າງການປະຕິບັດ tool ແບບ serial/parallel ແມ່ນ SDK ຈັດການໃຫ້.
ໂຄງສ້າງພື້ນຖານ
ຈຸດໃຈກາງຂອງ SDK ແມ່ນ object Agent. ສ້າງ instance ໂດຍສົ່ງ name, instructions (system prompt), ແລະ tools (ລາຍການ tool) ຈາກນັ້ນປະຕິບັດດ້ວຍ Runner.run().
1from agents import Agent, Runner, function_tool
2
3@function_tool
4def get_weather(city: str) -> str:
5 return f"{city}ອາກາດແຈ່ມໃສ"
6
7agent = Agent(
8 name="weather-bot",
9 instructions="ເມື່ອຖືກຖາມກ່ຽວກັບສະພາບອາກາດ, ໃຫ້ດຶງຂໍ້ມູນດ້ວຍ tool ແລ້ວຕອບ.",
10 tools=[get_weather],
11)
12
13result = Runner.run_sync(agent, "ອາກາດທີ່ໂຕກຽວເປັນແນວໃດ?")input/output ຂອງ tool ຈະຖືກແປງເປັນ JSON Schema ໂດຍອັດຕະໂນມັດຈາກ type annotation, ດັ່ງນັ້ນຈຶ່ງບໍ່ຈຳເປັນຕ້ອງຂຽນ schema ດ້ວຍມື. ຕອນທີ່ຜູ້ຂຽນໄດ້ລອງໃຊ້ເປັນຄັ້ງທຳອິດ, ມີຄວາມຮູ້ສຶກວ່າການແປງອັດຕະໂນມັດນີ້ຢ່າງດຽວກໍຫຼຸດ boilerplate ເກົ່າລົງໄດ້ເຄິ່ງໜຶ່ງ.
Guardrail ແລະ Handoff
ສາມາດຕັ້ງຄ່າ guardrail ສຳລັບ input ແລະ output ແບບ declarative ເພື່ອຮັບມືກັບກໍລະນີທີ່ agent ເຮັດວຽກໂດຍບໍ່ຕັ້ງໃຈ. ຕົວຢ່າງ ຂໍ້ຈຳກັດເຊັ່ນ "ປະຕິເສດ input ທີ່ມີຂໍ້ມູນສ່ວນຕົວ" ຫຼື "retry ຖ້າຄຳຕອບບໍ່ເປັນໄປຕາມ format ທີ່ກຳນົດ" ສາມາດລວມໄວ້ເປັນສ່ວນໜຶ່ງຂອງການກຳນົດ agent ໄດ້.
ນອກຈາກນີ້ ຍັງມີຟີເຈີ "handoff" ທີ່ເຊື່ອມຕໍ່ agent ຫຼາຍຕົວເຂົ້າດ້ວຍກັນ. ນີ້ແມ່ນກົນໄກທີ່ agent ໜຶ່ງສົ່ງຕໍ່ການຄວບຄຸມໃຫ້ agent ອື່ນໃນລະຫວ່າງການປະຕິບັດງານ — ຕົວຢ່າງ agent ຮັບເລື່ອງຂັ້ນຕົ້ນຂອງ customer support ກວດພົບຄຳຖາມດ້ານເຕັກນິກແລ້ວສົ່ງຕໍ່ໃຫ້ agent ຜູ້ຊ່ຽວຊານ — ສາມາດສ້າງໂຄງສ້າງ multi-agent ແບບນີ້ໄດ້ໂດຍບໍ່ຕ້ອງຂຽນ orchestration code ຢ່າງຊັດເຈນ.
ການເຊື່ອມຕໍ່ກັບ MCP
SDK ຮອງຮັບການເຊື່ອມຕໍ່ກັບ server MCP (Model Context Protocol) ແບບ native. ສາມາດເພີ່ມ tool ທີ່ MCP server ເປີດເຜີຍໃຫ້ເຂົ້າໃນລາຍການ tool ຂອງ Agent ໄດ້ແບບ dynamic, ດັ່ງນັ້ນຟັງຊັນພາຍນອກເຊັ່ນ ການດຳເນີນງານ database ຫຼື ການເຂົ້າເຖິງ file system ຈຶ່ງສາມາດລວມເຂົ້າໃນ agent loop ຂອງ SDK ໄດ້ໂດຍກົງ. ນີ້ໝາຍຄວາມວ່າ ກົນໄກດຽວກັນກັບທີ່ Claude Code ໃຊ້ດຳເນີນງານ Supabase ຜ່ານ MCP server ສາມາດນຳໄປໃຊ້ຊ້ຳໃນ agent ຂອງຕົນເອງໄດ້.
ຄວາມສຳພັນກັບ Claude Code
Claude Code ແມ່ນ coding agent ທີ່ໃຊ້ CLI ທີ່ Anthropic ສະໜອງໃຫ້ຢ່າງເປັນທາງການ, ແຕ່ Claude Agent SDK ຖືກໃຊ້ໃນການ implement ພາຍໃນຂອງມັນ. ນັ້ນໝາຍຄວາມວ່າ SDK ຢູ່ໃນຕຳແໜ່ງ "building block ສຳລັບສ້າງ agent ຄ້າຍກັບ Claude Code ດ້ວຍຕົນເອງ". ການກຳນົດ Agent Skills ແລະ flow ການປະຕິບັດ tool ກໍ່ເປັນໄປຕາມ architecture ຂອງ SDK ເຊັ່ນກັນ.
ຢ່າງໃດກໍ່ຕາມ, SDK ເອງແມ່ນ framework ທົ່ວໄປ ແລະ ສາມາດຮອງຮັບການໃຊ້ງານນອກຈາກ coding — ເຊັ່ນ ການສະໜັບສະໜູນການຂາຍ, data analysis pipeline, chatbot ພາຍໃນອົງກອນ ແລະ ອື່ນໆ — ດ້ວຍ design pattern ດຽວກັນ.
ຄຳສັບທີ່ກ່ຽວຂ້ອງ
AI ROI (ຜົນຕອບແທນຈາກການລົງທຶນ AI)
AI ROI ແມ່ນຕົວຊີ້ວັດທີ່ໃຊ້ວັດແທກຜົນໄດ້ຮັບຢ່າງເປັນປະລິມານ ເຊັ່ນ: ການປັບປຸງປະສິດທິພາບການເຮັດວຽກ ແລະ ກາ
AI ຄາດຄະເນຄວາມຕ້ອງການ (Demand Forecasting AI)
AI ຄາດການຄວາມຕ້ອງການ (Demand Forecasting AI) ແມ່ນລະບົບທີ່ໃຊ້ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine Learning)
AI ສ້າງສັນ (Generative AI)
Generative AI ແມ່ນຄຳສັບລວມຂອງຕົວແບບ AI ທີ່ສາມາດສ້າງເນື້ອຫາຕ່າງໆ ເຊັ່ນ: ຂໍ້ຄວາມ, ຮູບພາບ, ສຽງ ແລະ ວິດີ
AI ອ້ອມຂ້າງ
ອຳບຽງ AI (Ambient AI) ໝາຍເຖິງລະບົບ AI ທີ່ຝັງຕົວຢູ່ໃນສະພາບແວດລ້ອມຂອງຜູ້ໃຊ້ງານ, ຄອຍຕິດຕາມຂໍ້ມູນຈາກເຊັນ