Интеграция Anthropic Claude Agent SDK для построения AI-агентов

Интеграция Anthropic Claude Agent SDK для построения AI-агентов

Отметим: когда клиент приходит с задачей построить агента, который не просто отвечает на вопросы, а выполняет действия — поиск в базах, создание тикетов, работа с файлами — мы знаем, что Anthropic Claude Agent SDK снимает 80% рутины. Но неправильная интеграция приводит к потерям контекста и галлюцинациям. Расскажу, как мы настраиваем SDK, чтобы агент работал надёжно в production. Наша команда имеет 5+ лет опыта в NLP и LLM, реализовала более 20 проектов с Claude Agent SDK. Мы гарантируем стабильную работу агента в вашей инфраструктуре.

Преимущества Claude Agent SDK

Claude Agent SDK — официальный Python SDK Anthropic для построения агентов на основе Claude. Он предоставляет высокоуровневые абстракции над Anthropic API: управление жизненным циклом агента, интеграция с инструментами, поддержка MCP (Model Context Protocol), стриминг событий и встроенный human-in-the-loop. Без SDK пришлось бы писать цикл вызовов, управлять историей и обрабатывать ошибки вручную — наша практика показывает, что это занимает в 3 раза больше времени, что при средней ставке разработчика даёт экономию в десятки тысяч рублей на проекте.

Базовая настройка агента

Установка через pip: pip install anthropic claude-agent-sdk. Мы используем последнюю стабильную версию. Дальше — определение инструментов через декоратор @tool и создание конфигурации. Код ниже — типовой шаблон, который мы применяем в проектах.

# pip install anthropic claude-agent-sdk
import anthropic
from claude_agent_sdk import Agent, AgentConfig, tool

client = anthropic.Anthropic()

# Определение инструментов через декоратор
@tool
def search_database(query: str, table: str = "products") -> str:
    """Поиск по базе данных компании.

    Args:
        query: Поисковый запрос
        table: Таблица для поиска (products, orders, customers)
    """
    results = db.search(query=query, table=table, limit=10)
    return results.to_json()

@tool
def create_support_ticket(
    customer_id: str,
    subject: str,
    description: str,
    priority: str = "normal",
) -> str:
    """Создать тикет в системе поддержки.

    Args:
        customer_id: ID клиента
        subject: Тема обращения
        description: Подробное описание
        priority: Приоритет (low, normal, high, critical)
    """
    ticket = helpdesk.create_ticket(
        customer_id=customer_id,
        subject=subject,
        description=description,
        priority=priority,
    )
    return f"Тикет #{ticket['id']} создан. URL: {ticket['url']}"

# Конфигурация и создание агента
config = AgentConfig(
    model="claude-opus-4-5",
    system_prompt="""Ты — агент клиентской поддержки компании TechCorp.
Помогай клиентам решать проблемы, используя доступные инструменты.
Всегда проверяй данные через инструменты — не полагайся на память.""",
    max_turns=10,
)

agent = Agent(
    client=client,
    config=config,
    tools=[search_database, create_support_ticket],
)

# Запуск агента
result = agent.run(
    messages=[{"role": "user", "content": "У клиента ID 12345 проблема с заказом №99876"}]
)
print(result.final_message)

Стриминг событий агента

Для real-time взаимодействия используем astream. Это позволяет отображать промежуточные шаги: вызов инструментов, получение результатов, завершение ходов.

import asyncio

async def run_agent_with_streaming():
    async for event in agent.astream(
        messages=[{"role": "user", "content": "Проанализируй последние 10 заказов клиента ID 12345"}]
    ):
        match event.type:
            case "text_delta":
                print(event.text, end="", flush=True)
            case "tool_use_start":
                print(f"\n[Инструмент: {event.tool_name}]")
            case "tool_result":
                print(f"[Результат получен, {len(event.content)} символов]")
            case "agent_turn_complete":
                print(f"\n[Завершено за {event.turn_count} ходов]")

asyncio.run(run_agent_with_streaming())

Интеграция с MCP (Model Context Protocol)

MCP позволяет подключать внешние серверы с инструментами без явного кодирования. Мы используем эту возможность для интеграции с файловой системой, базами данных и GitHub. Ниже — пример подключения трёх серверов.

from claude_agent_sdk import Agent, MCPServerConfig

# MCP-серверы расширяют агента инструментами без явного определения
agent_with_mcp = Agent(
    client=client,
    config=config,
    mcp_servers=[
        MCPServerConfig(
            name="filesystem",
            command="npx",
            args=["-y", "@modelcontextprotocol/server-filesystem", "/workspace"],
        ),
        MCPServerConfig(
            name="postgres",
            command="npx",
            args=["-y", "@modelcontextprotocol/server-postgres"],
            env={"POSTGRES_URL": "postgresql://user:pass@localhost/db"},
        ),
        MCPServerConfig(
            name="github",
            command="npx",
            args=["-y", "@modelcontextprotocol/server-github"],
            env={"GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_..."},
        ),
    ],
)

# Агент теперь может работать с файлами, PostgreSQL и GitHub
result = agent_with_mcp.run(
    messages=[{"role": "user", "content": "Прочитай файл config.yaml и создай задачи в GitHub Issues на основе TODO-комментариев"}]
)

Multi-turn диалог с историей

Для поддержания контекста между ходами используем ConversationSession. Это избавляет от ручного управления историей сообщений.

from claude_agent_sdk import ConversationSession

# Сессия сохраняет историю диалога
session = ConversationSession(
    agent=agent,
    session_id="customer_session_12345",
)

# Первый ход
response1 = session.send("Что такое статус моего заказа #99876?")

# Второй ход — агент помнит контекст
response2 = session.send("А можно перенести доставку на завтра?")

# Третий ход
response3 = session.send("Подтверди, пожалуйста")

print(session.get_history())

Human-in-the-loop через Approval

Безопасность критичных операций обеспечивается политикой одобрения. Мы настраиваем запрос подтверждения для деструктивных действий.

from claude_agent_sdk import Agent, ToolApprovalPolicy

class CustomApprovalPolicy(ToolApprovalPolicy):
    """Запрашивает подтверждение для деструктивных операций"""

    REQUIRES_APPROVAL = {"delete_order", "process_refund", "ban_customer"}

    async def should_approve(self, tool_name: str, tool_input: dict) -> bool:
        if tool_name not in self.REQUIRES_APPROVAL:
            return True  # Автоматически разрешаем безопасные инструменты

        # Уведомляем оператора
        await notify_operator(
            message=f"Требуется подтверждение: {tool_name}\nПараметры: {tool_input}",
            callback_url="/api/approve/{approval_id}",
        )

        # Ждём решения (таймаут 5 минут)
        approval = await wait_for_approval(timeout=300)
        return approval.approved

agent_with_approval = Agent(
    client=client,
    config=config,
    tools=[search_database, process_refund, ban_customer],
    approval_policy=CustomApprovalPolicy(),
)

Практический кейс: агент финансового мониторинга

Сравнение подходов: ручная реализация против Claude Agent SDK

Использование SDK сокращает время разработки агента в 3 раза по сравнению с ручным кодированием цикла вызовов. По нашим данным, клиенты экономят от 600 000 ₽ в год на ручной обработке.

Типичные ошибки при интеграции и их решения

Процесс и сроки

• Архитектурное проектирование агента под ваш сценарий — 1–2 дня.
• Интеграция SDK с вашей инфраструктурой и настройка инструментов — 3–5 дней.
• Подключение MCP-серверов (файлы, БД, внешние API) — 1–3 дня на каждый.
• Настройка human-in-the-loop и approval flow — 1 неделя.
• Документация и обучение команды — 2–3 дня.
• Production-деплой с мониторингом — 1 неделя.
• Поддержка в течение 1 месяца после деплоя включена.

Общий срок — от 2 до 4 недель в зависимости от сложности. Точная стоимость рассчитывается индивидуально после анализа вашего сценария.

Что вы получите в результате

• Рабочий агент с настроенными инструментами и MCP-серверами.
• Полная документация по архитектуре и API.
• Доступ к исходному коду и CI/CD пайплайну.
• Обучение команды (2-3 сессии).
• Техническая поддержка на месяц после деплоя.

Почему стоит интегрировать Claude Agent SDK?

SDK даёт готовые механизмы для управления контекстом, инструментами и безопасностью, что ускоряет выход в production в 3 раза. По данным внутреннего опроса клиентов, время обработки тикетов снижается на 60%. Свяжитесь с нами для оценки вашего сценария и закажите консультацию по интеграции.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.