90秒上手Claude Agent SDK:从Hello World到自动修复Bug

用Claude Agent SDK两步搭环境、几行代码让AI自主读取并修复代码缺陷。
本文基于Anthropic的Claude Agent SDK演示教程,拆解了构建一个能自主发现并修复代码Bug的AI Agent的完整过程。环境搭建仅需pip安装SDK和配置API Key两步。最基础的Hello World示例通过query方法发起查询、接收流式消息即可运行。核心案例中,Agent被授权read、edit、glob三种工具,并将permission_mode设为acceptEdits,由此具备了自主读取和修改文件的能力。面对埋有两处Bug的utils.py,Agent仅凭"找出并修复可能崩溃的Bug"这一高层目标,便自主完成了定位、推理与修复的全流程,无需开发者指定具体改动位置。文章最后指出,这折射出AI编程工具正在推动开发者角色从"逐行编写实现"向"定义目标与边界"转变。
想要构建一个能够自主读取代码、发现问题并修复的AI Agent,到底需要多少步骤?答案可能比你想象的简单。借助Anthropic推出的Claude Agent SDK,整个流程精简到了几行代码的程度。本文基于一则YouTube教程,拆解从环境安装到让Agent自动修复代码缺陷的完整路径。
两步完成环境搭建
整个起步过程几乎没有门槛。第一步是安装依赖包,只需在终端执行 pip install claude-agent-sdk。第二步是把你的 Anthropic API Key 配置为环境变量——到这里,所有的准备工作就全部结束了。
没有复杂的框架初始化,没有繁琐的配置文件。这种极简的设计理念,正是当前Agent开发工具链追求的方向:把开发者的注意力从样板代码中解放出来,聚焦到真正重要的业务逻辑上。
Hello World:第一次运行Agent
官方示例给出的入门代码非常直观。从SDK中导入 query 方法,向模型抛出一个最简单的问题——「2加2等于几」,然后遍历流式返回的消息,打印出Claude的文本输出。

由于这个任务没有调用任何工具(tools),整个消息循环只需要一个回合(turn)就能完成。Claude返回「4」,你的第一个Agent就跑起来了。这个例子虽然简单,但它清晰地展示了Agent运行的核心机制:发起查询、接收流式消息、处理输出。
让Agent真正干活:自动排查并修复Bug
真正体现Agent价值的,是第二个案例。官方快速入门提供了一个名为 utils.py 的小文件,里面埋了两个隐藏的Bug:
calculate_average在传入空列表时会因为除以零而崩溃;get_username在用户为None时会抛出异常。

这次的Agent同样是一次 query 调用,但提示词(prompt)变成了:「审查 utils.py 中可能导致崩溃的Bug,并修复你发现的所有问题」。

关键在于两个配置选项。第一个是 allowed_tools,这里授权了 read、edit 和 glob 三种工具,让Agent具备读取文件、编辑文件和查找文件的能力。第二个是 permission_mode 设置为 acceptEdits,意味着Agent可以直接修改文件,而不必每一步都停下来征求许可。
allowed_tools 中授权的三种工具各有分工:read 允许Agent读取文件内容,edit 允许对文件进行修改,glob 则允许通过通配符模式(如 *.py)在目录中批量匹配和查找文件。这种基于白名单的工具授权机制是Agent安全设计的基础思路——默认不赋予任何能力,开发者按需显式开启,从而将Agent的"行动半径"限定在可控范围内。permission_mode 的 acceptEdits 模式则是在此基础上进一步提升自动化程度:Agent无需在每次文件写入前弹出确认提示,适合已信任Agent判断力的场景;相对地,开发阶段通常会使用更保守的模式,让开发者逐步审查每一次变更。
从「执行指令」到「自主推理」
点击运行后,整个过程颇具观赏性。Agent先读取文件内容,接着推理哪些输入会触发崩溃,然后动手编辑代码——为空列表加上防护判断,再为缺失用户的情况补上校验逻辑。任务完成。

最值得玩味的一点是:你从头到尾都没有告诉它该改哪几行代码。你只给出了一个高层次的目标,是Agent自己定位到了问题所在。这正是Agent与传统脚本的本质区别——传统程序执行你写死的指令,而Agent根据目标自主规划并采取行动。
Agent能够"自主定位问题",依赖的是大语言模型在推理过程中的工具调用循环(Tool Use Loop):模型读取文件内容后,在上下文中构建代码的心智模型,推断哪些执行路径会引发异常,再决定调用 edit 工具并生成具体的补丁内容。这个过程在底层是多轮消息的来回——每次工具调用的结果会作为新的上下文输入反馈给模型,驱动下一步决策。Claude Agent SDK将这套循环封装在单次 query 调用背后,让开发者无需手动管理轮次,但理解其背后的"感知—推理—行动"循环有助于在更复杂的场景中调试Agent行为。
这意味着什么
这个90秒的演示,背后折射出AI编程工具正在发生的范式转变。开发者的角色逐渐从「编写每一行实现」向「定义目标与边界」迁移。通过 allowed_tools 和 permission_mode 这样的参数,开发者既赋予了Agent行动能力,又保留了对权限范围的控制。
对于想要尝试Agent开发的工程师来说,Claude Agent SDK提供了一条低摩擦的入门路径。它把复杂的工具调用、权限管理和流式交互封装得足够简洁,让人可以在极短时间内从概念走向可运行的产品原型。当然,演示中的案例相对简单,真实生产环境中的Agent还需要考虑错误处理、安全边界和结果验证等更多因素,但作为入门的第一课,它已经把核心思想讲得足够透彻。
相关推荐

9家AI订阅套餐积分换算:每亿Token真实成本揭秘
B站UP主实测火山、阿里、腾讯、百度、智谱、小米、MiniMax等9家AI订阅套餐,统一换算每亿Token真实成本,拆解固定额度与三档系数两类计费逻辑,揭示缓存、时段折扣和窗口限额对实际额度的影响。

Vibe Coding入门:用意图表达代替手写代码
Vibe Coding 是什么?B站137集实战课程给出定义:核心不是写代码而是表达意图。本文解析 Vibe Coding 的生产力逻辑、适合人群与入门预期,帮助零基础者判断是否值得投入学习。

LangChain入门指南:从LangGraph到Deep Agents的智能体开发路线
理清LangChain、LangGraph和Deep Agents的封装关系,掌握智能体开发框架的学习路线与选型逻辑,适合大模型开发入门者参考。