Anthropic Python SDK, Documentação oficial

Publicado por

Platform.claude

Domínio

platform.claude.com

Tipo

Documentação oficial

Citada em

115 lições

Abrir em platform.claude.com

Onde isto aparece

• Modelos de linguagem: como Claude, GPT e outros realmente funcionam
• Console, API e SDK: caminhos para usar Claude e GPT de verdade
• Orquestração de agentes: Claude Agent SDK, OpenAI Agents SDK e MCP
• Prompt de sistema versionado: papel, regras, formato e exemplos
• Escolha do modelo: Fable, Opus, Sonnet, Haiku, GPT-6 e outros
• Avaliação de prompts: casos de teste com resultado esperado antes de ir para produção
• Configuração de ambientes: variáveis, segredos e controle de acesso
• LGPD, minimização e uso responsável de dados
• Tracing e logs: como rastrear cada decisão do agente
• Timeout, limite de tokens e erros de integração: ação rápida
• Testes automáticos de prompts e agentes: ciclo contínuo
• Gerenciamento de múltiplos agentes e fluxos concorrentes
• Versionamento, rollback e documentação de prompts e agentes
• Revisão humana: limites da IA e papel do operador
• E-mail, planilha e atendimento: três fluxos de IA que funcionam (e onde falham)
• Claude Managed Agents, GPT Agents API e ElevenAgents: o que já mudou em 2024
• Tendências e limites: para onde vão Claude, GPT, ElevenLabs e HeyGen
• Modelos generativos e APIs: por que Claude e GPT mudam o jogo
• Requests, respostas e contratos: a base de toda integração de IA
• Fluxo ponta a ponta: do input humano ao output estruturado
• Tokens, contexto e batches: onde o custo e o erro nascem
• Cache de prompts e arquivos: reduzir custo sem perder rastreabilidade
• Primeiro request: Anthropic e OpenAI lado a lado em Python
• Chaves, segredos e dados pessoais: o que nunca entra no prompt
• Observabilidade de custos e batches: sem surpresas no fim do mês
• Debug prático: tracing, casos de teste e revisão de execução
• Deploy seguro: do commit ao serviço rodando
• Horizontal ou vertical? Estratégias reais para escalar IA
• Revisão de código, prompts e contratos: não confie só na IA
• Limites e alertas: IA sob controle, não no escuro
• Atendimento automatizado: IA que resolve sem enrolar
• Geração multimodal: texto, voz e vídeo na mesma API
• Managed Agents, hosted tools e MCP: o futuro já está disponível
• Tokens, contexto e limites: o que trava seu agente antes do hardware
• Claude Agent SDK na prática: um agente de suporte interno com três ferramentas
• Quando o agente entra em loop, alucina ferramenta ou ignora regra: diagnóstico e correção.
• Workflows automáticos: encadeando agentes e ferramentas
• LLM, TTS, ASR, RAG e MCP: o glossário essencial para IA multimodal
• Fluxo ponta a ponta: do texto ao vídeo com avatar e voz realista
• Tokens, chamadas e latência: dimensionando para não travar
• Integração MCP: Claude, OpenAI e ferramentas externas em um mesmo fluxo
• Testes automatizados para agentes de voz e vídeo: cobertura e revisão
• Model Context Protocol e interoperabilidade: conectando IA, ferramentas e humanos
• Claude Agent SDK e OpenAI Agents SDK: agentes especialistas em Python na prática
• Integração com sistemas legados e APIs empresariais
• Tracing, custo por tarefa e taxa de acerto: o painel que a diretoria entende
• Revisão automatizada: agentes avaliando agentes
• Protocolo: Qual a latência média de resposta das APIs Claude (Anthropic) e Chat Completions (OpenAI) para prompts idênticos via SDK Python oficial?
• Protocolo: Qual a latência média de resposta da API Claude Messages em diferentes tamanhos de prompt?
• Quantos agentes, quantas tarefas: dimensionando para o administrativo real
• Limites dos modelos e estratégias para contornar gargalos
• Capacidade, latência e gargalos: dimensionando agentes para o NOC real
• Ambiente seguro: variáveis, segredos e minimização de dados
• Claude Fable 5.1, GPT-6 Astra e MCP: o que muda no NOC de amanhã
• Dimensionando agentes: contexto, tokens, concorrência e custos operacionais
• Ambiente seguro: variáveis, segredos e permissões mínimas
• Tracing, logs e métricas: monitoramento em tempo real dos agentes
• Escalando agentes: filas, concorrência e limites práticos
• Como dimensionar agentes comerciais: contexto, tokens e paralelismo
• Testando escalabilidade: casos de carga e avaliação automatizada
• Configuração dos modelos Claude, OpenAI, ElevenLabs e HeyGen: o que importa para o comercial
• Limites de contexto, tokens e arquivos: como não travar o agente
• Escolhendo modelo e contexto: Fable, Opus, Sonnet, Haiku, GPT-6, 5.6 e limitações práticas
• Testes de carga e limites: como o agente responde sob pressão real
• Ambiente seguro: variáveis de ambiente, segredos e LGPD na prática
• Permissões e sandbox: o que o agente pode e não pode fazer
• Síntese de relatórios: agente que resume dados de múltiplas fontes com premissas explícitas
• O que já funciona e o que ainda falta: limites técnicos e desafios abertos
• Cálculo de carga: tokens, contexto e frequência de análise
• Escolha do modelo: Fable, Opus, Sonnet, Haiku, GPT-6 e GPT-5.6
• Variáveis, segredos e LGPD: configurando o agente sem expor dados
• Ajustando parâmetros: esforço, contexto e ferramentas na prática
• Modelos, SDKs e protocolos: Claude, OpenAI, ElevenAgents, HeyGen e MCP no planejamento
• Capacidade, limites e gargalos: projetando para o volume real de planejamento
• Segredos, variáveis de ambiente e controle de acesso: operação segura dos agentes
• Prompt engineering avançado: versionamento, testes e adaptação dinâmica
• Estimando carga e recursos: tokens, chamadas e paralelismo
• Segredos, chaves e variáveis de ambiente: nunca exponha o que não pode vazar
• Limites práticos: o que quebra primeiro e como monitorar
• Escolhendo modelos e recursos: Claude, GPT e voz/vídeo para cada tarefa
• Escolhendo modelos e recursos: Fable, Opus, Sonnet, Haiku, GPT-6 e variantes
• Ambiente seguro: variáveis de ambiente, segredos e permissões mínimas
• Visão, voz e vídeo: agentes que explicam, demonstram e registram
• Tokens, arquivos e contexto: limites práticos dos modelos
• Segredos, variáveis e permissões: preparando o ambiente do agente
• Como dimensionar agentes para o tributário: contexto, tokens e carga de trabalho
• Testes de carga e limites práticos: simulando operações tributárias reais
• Dimensionando infraestrutura: limites de requisição, arquivos e sessões
• Dez perguntas para dimensionar: do volume de currículos ao tempo de resposta
• Testando limites: como simular carga e detectar gargalos no agente
• Claude Fable 5.1, GPT-6 Astra e além: o que muda para o RH
• Laboratório: Agente de IA para Geração e Análise de Campanhas de Marketing com Claude Agent SDK, ElevenLabs e HeyGen
• Protocolo: Qual o impacto da complexidade do prompt no tempo de resposta do Claude Agent SDK em Python para geração de textos de campanha?
• Laboratório: Agente Claude para Triagem de E-mails Administrativos com Ferramentas Customizadas e Avaliação Automatizada
• Protocolo: Qual o impacto da latência de rede no tempo de resposta de agentes Claude e OpenAI em tarefas de validação de notas fiscais?
• Protocolo: Qual o impacto da latência de rede na velocidade de resposta de um agente Claude implementado com o Claude Agent SDK em Python?
• Laboratório: Agente Claude para Conferência Automatizada de Folha de Pagamento com Guardrails e Avaliação
• Protocolo: Qual o impacto da latência de rede na resposta de um agente Claude (Claude Agent SDK) em tarefas de conferência de folha de pagamento?
• Laboratório: Triagem Justa de Currículos com Claude Agent SDK e Avaliação Automatizada
• Automação de fluxos: scripts e orquestração com Python
• A caixa de e-mail que se responde sozinha: um agente com ferramentas em cinco passos
• Dois fornecedores, um cliente: Claude e GPT se revisam antes de responder
• Servidor MCP em poucas linhas: o ERP vira ferramenta de qualquer agente
• 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
• O agente entrou em loop: diagnóstico e correção em quatro passos
• Alucinação de ferramenta: casos de teste que pegam o erro antes do cliente
• Subagentes em paralelo: pesquisa de mercado completa em minutos
• Trocar de modelo sem reescrever nada: Haiku, Sonnet, Opus e GPT-5.6 na mesma esteira
• LGPD na prática: minimização, base legal e segredo fora do prompt
• Prompts, skills e ferramentas versionados como código, com testes de regressão
• NOC: o alerta vira runbook executado com aprovação e relatório ao cliente
• Comercial: o lead vira proposta com voz e vídeo em dez minutos
• Laboratório: Agente Claude executando comandos e gerando relatório automatizado via Claude Agent SDK Python
• Protocolo: Qual o impacto da latência de rede na resposta da Claude API (Anthropic) para geração de texto?