Anthropic Claude Agent SDK (Python)
Código-fonte oficial · GitHub (repositório oficial do projeto) · citada em 46 lições
- Publicado por
- GitHub (repositório oficial do projeto)
- Domínio
- github.com
- Tipo
- Código-fonte oficial
- Citada em
- 46 lições
Onde isto aparece
- Tokens, arquivos e contexto: limites práticos dos modelos
- Como dimensionar agentes comerciais: contexto, tokens e paralelismo
- Testando escalabilidade: casos de carga e avaliação automatizada
- Logs e tracing: encontrando o erro antes que ele vire crise
- Escolha do modelo: Fable, Opus, Sonnet, Haiku, GPT-6 e GPT-5.6
- Gerenciando múltiplos fluxos: filas, prioridades e balanceamento
- Acompanhamento de apostas estratégicas: do insight à revisão automatizada
- Métricas e alertas: avaliando qualidade e performance no ciclo de planejamento
- Estimando carga e recursos: tokens, chamadas e paralelismo
- Testes automatizados e regressão em fluxos multiagentes
- Ligando o agente aos sistemas do contabilidade com MCP e ferramentas
- Orquestração avançada: multiagentes, handoffs e workflows auditáveis
- Operação contínua: atualização, rollback e melhoria sem susto
- Calendário de obrigações: agente de lembrete e conferência
- Automatizando testes e deploy: CI/CD para agentes tributários
- Quando o agente do RH (DP, folha e benefícios) erra: casos de teste, correção do prompt e regressão
- Testando limites: como simular carga e detectar gargalos no agente
- Prompt de sistema versionado: o coração do agente confiável
- Dois fornecedores, um cliente: Claude e GPT se revisam antes de responder
- Prompt de sistema que não deixa o agente inventar: regras, formato de saída e recusa
- Aprovação humana obrigatória: hooks e permissões do Claude Agent SDK travando ações irreversíveis
- Do notebook à fila: agentes atendendo mil pedidos por dia com FastAPI e Batches
- Trocar de modelo sem reescrever nada: Haiku, Sonnet, Opus e GPT-5.6 na mesma esteira
- Observabilidade de custos e batches: sem surpresas no fim do mês
- Prompt de sistema versionado: papel, regras, formato e exemplos
- Conexão com dados externos: uso de MCP e plugins
- Guardrails: validando entrada, saída e ações irreversíveis
- Tracing e logs: como rastrear cada decisão do agente
- Diagnóstico de respostas ruins: truncamento, alucinação e erro de contexto
- Gerenciamento de múltiplos agentes e fluxos concorrentes
- Revisão humana: limites da IA e papel do operador
- Padrões de orquestração: Agents, MCP e ferramentas
- Ferramentas e contratos: como a IA chama funções externas
- Cache de prompts e arquivos: reduzir custo sem perder rastreabilidade
- Permissões, auditoria e revisão: IA sob controle
- Orquestração de agentes: Claude Agent SDK, OpenAI Agents SDK e MCP
- Orquestração distribuída: Agents, MCP e múltiplos fornecedores
- Atendimento automatizado: IA que resolve sem enrolar
- Managed Agents, hosted tools e MCP: o futuro já está disponível
- Avaliação automática e revisão humana: IA auditável e confiável
- Claude Agent SDK na prática: um agente de suporte interno com três ferramentas
- Servidor MCP da sua empresa: expondo ERP, CRM e planilhas como ferramentas
- Tracing, logs e auditoria: enxergando o que a IA faz
- Custo por tarefa: como estimar, controlar e otimizar o uso de agentes
- Configuração dos SDKs e variáveis: Claude, OpenAI, ElevenLabs e HeyGen
- Automação de testes e regressão: crescer sem quebrar
