Disponível desde 2025 como evolução do antigo Claude Code SDK, a biblioteca da Anthropic empacota tools, subagentes, permissões e sessões do Claude Code para quem quer programar o próprio agente em Python ou TypeScript.
Claude Agent SDK expõe o motor do Claude Code para construir agentes próprios
Nota da redação: a data 'disponível desde 2025' usada na abertura deste texto não consta na documentação oficial da Anthropic citada como fonte. A fonte não especifica quando o SDK foi lançado; mantivemos a referência ao ano por ser o período em que o produto passou a ser divulgado publicamente, mas não há confirmação oficial desse marco temporal na documentação consultada.
Disponível desde 2025 como evolução do antigo Claude Code SDK, a biblioteca da Anthropic empacota tools, subagentes, permissões e sessões do Claude Code para quem quer programar o próprio agente em Python↳Python56 conteúdosVSCode + Python + Alexa: Desenvolva e teste skills para alexa localmente com pythonDev (Back & Front) · out 2025Dominando decoradores em Python: um guia completo com exemplosDev (Back & Front) · jan 2025Desenvolvimento de software: diferenças entre Python, JavaScript e JavaGestão Dev & TI · nov 2024Ver tudo em Dev (Back & Front) → ou TypeScript.
Disponível desde 2025 como evolução do antigo Claude Code SDK, a biblioteca da Anthropic empacota tools, subagentes, permissões e sessões do Claude Code para quem quer programar o próprio agente em Python ou TypeScript.
Evolução do antigo Claude Code SDK, a biblioteca da Anthropic empacota tools, subagentes, permissões e sessões do Claude Code para quem quer programar o próprio agente em Python ou TypeScript.
O que é, de fato, o Claude Agent SDK
A documentação oficial da Anthropic (fonte deste texto) descreve o Claude Agent SDK como uma biblioteca que roda o binário do Claude Code dentro da sua própria aplicação, em Python ou TypeScript. Não é um wrapper fino sobre a API: segundo a Anthropic, o SDK entrega "o mesmo agent loop e gerenciamento de contexto que dão poder ao Claude Code", ou seja, o motor inteiro, não só o modelo.
O nome é recente na forma, não no conteúdo: a própria documentação mantém um guia de migração para quem vinha dos pacotes antigos do Claude Code SDK, sinal de que o produto é uma reorganização de algo que já existia. Quem já tinha código rodando em cima do Claude Code precisa revisar imports, não reescrever a arquitetura.
A Anthropic organiza o próprio catálogo em quatro formas de usar Claude para tarefas autônomas, e a escolha entre elas é a primeira decisão de arquitetura de quem for montar um agente:
| Você quer | Usa | O que ganha |
|---|---|---|
| Embutir o agente do Claude Code na sua aplicação, rodando no seu processo | Agent SDK | Tools prontas, permissões, sessões e hooks do Claude Code |
| Desenvolvimento interativo no terminal | CLI do Claude Code | Interface pronta para uso diário |
| Falar direto com a API e escrever o próprio loop de ferramentas | Client SDK | Acesso cru à API Claude |
| Deixar a Anthropic hospedar o agente | Managed Agents | Sandbox gerenciado na nuvem ou on-premise |
Para linguagens além de Python e TypeScript, a documentação recomenda rodar a CLI como subprocesso com a flag -p e --output-format json, o que funciona mas tira a integração nativa com objetos e tipos que o SDK oferece nas duas linguagens suportadas.
As peças que vêm de fábrica
O que diferencia o Agent SDK de montar um agente do zero com a API é a lista de capacidades herdadas do Claude Code sem reimplementação:
- Tools embutidas: ler, escrever e editar arquivos, rodar comandos, buscar na web
- Hooks: código customizado em pontos-chave do ciclo de vida do agente
- Subagentes: agentes especializados disparados para subtarefas focadas
- MCP↳MCP7 conteúdosArquitetura de Sistemas Cognitivos: Integração de RAG, MCP e LLMs no Ecossistema .NETDev (Back & Front) · abr 2026MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025Agentes de IA com LLMs de Código Aberto: Integração Prática com o Model Context Protocol (MCP)AI · ago 2025Ver tudo em AI →: conexão com ferramentas e fontes de dados externas via Model Context Protocol
- Permissões: controle de quais tools rodam automaticamente e quais pedem aprovação
- Sessões: contexto mantido entre trocas, com retomada ou bifurcação
- Skills, comandos e memória: carregados de
.claude/no projeto e de~/.claude/, igual ao Claude Code - Plugins: empacotam skills, agentes, hooks e servidores MCP para carregar por caminho local
O ponto que mais separa isso de um agente artesanal é permissões: dá para configurar quais ferramentas o agente executa sem perguntar e quais exigem aprovação humana antes de rodar. Para um agente que edita arquivo e executa comando no sistema do usuário, isso é a diferença entre um protótipo e algo que dá para colocar em produção sem monitorar linha por linha.
Como ele se compara a LangChain e AutoGen
A documentação da Anthropic não faz essa comparação, então o que segue é leitura minha sobre arquitetura, não benchmark publicado em lugar nenhum: não há, na fonte, nenhum número de latência, custo ou taxa de acerto comparando as três opções.
Na minha leitura do mercado, LangChain e AutoGen seguem filosofias diferentes de orquestração de agentes, com propostas de portabilidade entre provedores de modelo e de comunicação entre múltiplos agentes, respectivamente. O Agent SDK não compete nesse terreno: ele é, por definição, o motor do Claude Code, acoplado aos modelos Claude. Trocar de fornecedor de modelo não é um parâmetro, é trocar de SDK.
Subagentes no Agent SDK cobrem parte desse espaço de orquestração multiagente, mas o padrão documentado é mais hierárquico: um agente principal despacha subagentes especializados para tarefas focadas, descrito no documento de design do harness como o jeito que o próprio time do Claude Code orquestra "workflows dinâmicos para coordenar muitos subagentes ao mesmo tempo".
Em resumo: quem já roda Claude Code ganha, com o Agent SDK, o caminho mais curto para programar esse mesmo comportamento; quem precisa de portabilidade entre modelos ou de um protocolo de conversa multiagente mais livre encontra isso mais pronto em LangChain ou AutoGen, ao custo de reimplementar tools, permissões e sessões que o Agent SDK já traz embutidas.
As regras de marca que pegam quem empacota isso num produto
Um detalhe que passa batido em quem só olha a lista de capacidades: a Anthropic restringe como parceiros podem se referir ao Claude dentro de produtos construídos sobre o SDK. É permitido usar "Claude Agent" ou "{Nome do seu agente} Powered by Claude"; não é permitido chamar o produto de "Claude Code" ou imitar a identidade visual do Claude Code. O uso do SDK, incluindo para vender a terceiros, é regido pelos Termos Comerciais de Serviço da Anthropic.
Vale notar também uma restrição de acesso: a documentação deixa explícito que, salvo aprovação prévia, a Anthropic não permite que desenvolvedores terceiros ofereçam login via claude.ai ou os limites de taxa associados a ele dentro de produtos construídos com o SDK, incluindo agentes feitos com o Agent SDK. A autenticação recomendada é por chave de API, como descrito no quickstart oficial.
Quando vale subir nesse trem (e quando não vale)
O roteiro que eu seguiria para avaliar isso num projeto real começa pela pergunta óbvia: o time já usa Claude Code no dia a dia? Se sim, o Agent SDK reaproveita hooks, skills e memória que já existem em .claude/ do projeto, sem reescrever nada disso para uma API genérica. Se o time nunca tocou Claude Code, o ganho de familiaridade desaparece e a comparação com LangChain ou AutoGen fica mais equilibrada.
Fica de fora dessa conta quem precisa trocar de modelo por custo, por latência ou por política de dados sem reescrever a camada de orquestração: aí o acoplamento ao Claude vira custo de troca, não recurso. Também fica de fora quem precisa de uma linguagem além de Python e TypeScript sem aceitar a gambiarra do subprocesso via CLI. Para o resto, o SDK entrega, de fábrica, o que normalmente é a parte mais penosa de montar um agente do zero: tools seguras, permissão configurável e sessão que sobrevive entre execuções.
Fonte: Claude Agent SDK, Documentação Oficial (Anthropic) (https://docs.claude.com/en/api/agent-sdk/overview)
Este artigo foi escrito por Alan Andrade, colunista de inteligência artificial. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
OpenAI usa milhares de agentes de IA para analisar dados cerebrais em 32 minutos
Em parceria com a PerturbAI e a Scripps Research, a OpenAI dividiu a análise de um atlas genético de cérebro de camundongos entre milhares de agentes rodando em paralelo. O resultado interessa a quem projeta sistemas de agentes, não só a biólogos.
