Software 2.0

Agent SDK vs. AgentKit

admin -

2025 年 10 月，AI 代理开发迎来了一个转折点。OpenAI 于 10 月 6 日发布了 AgentKit，而就在几天前的 9 月 29 日，Anthropic 发布了 Claude Agent SDK 和 Claude Sonnet 4.5。两者都代表了构建 AI 代理的成熟且可用于生产环境的方法，但其理念却截然不同。

哪种框架更适合您的需求？本指南提供了详细客观的比较，帮助您评估这两个选项。

此思维导图展示了这两个框架之间的核心区别。AgentKit 优先考虑速度和托管基础架构，而 Claude Agent SDK 则强调开发者控制，并提供灵活的部署选项。

1、了解框架

本节将探讨每个框架的功能以及它们在代理开发方面有何不同。

1.1 OpenAI AgentKit

AgentKit 是 OpenAI 构建 AI 代理的综合平台，其特点包括：

  • Agent Builder：用于设计代理工作流的可视化画布
  • ChatKit：用于聊天界面的可嵌入 UI 组件
  • Connector Registry：与热门服务的预构建集成
  • Evals & Guardrails：内置测试和安全框架

该平台运行在 OpenAI 的托管基础​​架构上，开箱即用，可直接用于产品。

1.2 Claude Agent SDK

Claude Agent SDK（原名 Claude Code SDK）是 Anthropic 面向开发者的框架，提供以下功能：

  • 用于工具使用、文件操作和 Shell 命令的核心原语
  • 用于自定义工具集成的模型上下文协议 (MCP)
  • 本地和企业托管执行选项
  • 对代理工作流的完全编程控制
  • 云部署灵活性：可与 Amazon Bedrock 和 GCP Vertex AI 配合使用，实现企业级部署，或通过 Claude 订阅进行部署

提供 Python 和 TypeScript 版本，并支持 Claude 3+ 模型（包括 Sonnet 4.5）。

1.3 关键区别：生产成熟度

在深入比较功能之前，您需要了解一个重要的背景信息，它决定了您应该如何评估这些框架。

Claude Agent SDK 代表了 Claude Code 的演变，Claude Code 是 Anthropic 的命令行代理工具，自 2025 年初以来已部署在生产环境中。当 Anthropic 于 2025 年 9 月 29 日将 Claude Code 更名为 Claude Agent SDK 时，他们并非在发布新技术，而是在扩展和规范一个已经经过数千名开发人员在数百万次代理交互中实战检验的系统。

这意味着您正在评估的核心代理循环、工具协调、错误恢复和上下文管理已经通过了实际生产环境的压力测试。在官方 SDK 发布之前的数月里，许多公司已经在受监管的行业中运行基于 Claude Code 的工作流，处理生产代码库并自动化关键业务流程。

OpenAI AgentKit 于 2025 年 10 月 6 日发布，距离本文发布不到一周。虽然它充分利用了 OpenAI 在 Assistants API 和 ChatGPT 方面的丰富经验，并融入了代理开发的前沿理念，但它尚未积累到与广泛应用领域同等广泛的边缘案例发现和生产部署经验。

如果您在决策时考虑的是生产稳定性、风险规避或法规遵从性，那么这种区别就显得尤为重要。本比较的其余部分将客观地探讨各种特性，但在评估哪个框架适合您的约束条件时，请务必牢记这种成熟度差异。

2、快速比较：优缺点

2.1 OpenAI AgentKit

优点：

  • 原型设计速度最快
  • 内置 UI 组件
  • 基础设施设置简单
  • 集成测试和安全工具
  • 丰富的连接器生态系统

缺点：

  • 供应商锁定 OpenAI
  • 执行控制粒度较低
  • 数据存储由提供商管理
  • 定制深度有限
  • 单一模型提供商
  • 上市时间较晚（2025 年 10 月）

2.2 Claude Agent SDK

优点：

  • 本地/本地部署
  • 完全合规控制
  • 通过 MCP 高度可扩展
  • 每个任务支持多个模型
  • 深度定制能力
  • 支持 Amazon Bedrock 和 GCP Vertex AI
  • 不断发展的 MCP 服务器生态系统
  • 通过 Claude Code 进行实战测试

缺点：

  • 学习曲线更陡峭
  • 基础设施责任更大
  • 无原生 UI（需要自定义构建）
  • 需要设置 MCP 服务器
  • 手动状态管理

3、逐个功能深入探究

本节将分解每个框架如何处理关键问题代理开发的各个方面。

3.1 设置与入门

OpenAI AgentKit 提供可视化的代理构建器，支持拖放式工作流程创建。您可以只需几分钟即可在极简基础设施下构建王者代理。Ramp 等早期采用者报告称，开发周期缩短了 70%。

Claude Agent SDK 需要安装 SDK（Python 或 TypeScript）并设置 CLI，以及配置 MCP 服务器。虽然其要求更为明确，但这种方法从一开始就支持本地和离线部署。正如 Skywork.ai 的 Claire 在其实际对比中指出的那样：“Claude 的 SDK 需要更多的前期工作，但当您需要交付与专有系统集成或在隔离环境中运行的代理时，这项投资将带来回报。”

3.2 工具集成

AgentKit 内置工具注册表，包括：

  • 网页搜索和浏览
  • 文件操作
  • 代码执行
  • 预置连接器，适用于 Google Drive、Notion 和 Slack 等服务

Claude Agent SDK 使用模型上下文协议 (MCP) 进行工具集成，这具有以下优势：

广泛的 MCP 服务器生态系统：访问快速增长的预置 MCP 服务器集合，用于支持以下常用服务：

  • 数据库连接器（PostgreSQL、MySQL、SQLite）
  • 云服务（AWS、Google Cloud、Azure）
  • 开发工具（GitHub、GitLab、Linear、Jira）
  • 生产力应用（Google Drive、Slack、Notion）
  • 数据源（API、文件系统、网页爬虫）
  • 网页搜索（context7、Perplexity、Brave Search）
  • 自定义工具开发：显式架构和权限控制支持与私有基础设施和专有工具的自定义集成
  • 社区贡献：开放的 MCP 规范允许开发者构建和共享自定义服务器，从而创建一个持续发展的去中心化工具生态系统展开

虽然 MCP 比 AgentKit 的即插即用方法需要更多的初始设置，但其灵活性对于需要定制工具集成的企业场景而言至关重要。

此图展示了工具集成方面的架构差异。AgentKit 使用带有预构建工具的集中式注册表，而 Claude Agent SDK 则利用去中心化的 MCP 协议，允许使用官方、自定义和社区贡献的工具服务器。

3.3 执行环境

AgentKit 在 OpenAI 的托管基础​​架构上运行，并通过 ChatKit 提供可嵌入的聊天 UI。这种由提供商托管的方法可自动处理扩展、监控和可靠性。

Claude Agent SDK 提供卓越的部署灵活性：

  • 本地开发：完全在您的机器上运行，用于开发和测试
  • 企业本地部署：部署到您自己的服务器，实现完全的数据控制
  • 购买 Claude 代币或使用 Claude 订阅
  • Amazon Bedrock：利用 AWS 的完全托管服务，通过 VPC 隔离和 AWS IAM 集成等企业级功能，实现可扩展、安全的 Claude 部署
  • GCP Vertex AI：部署在 Google Cloud 的 AI 平台上，实现与 Google Cloud 服务的无缝集成和企业级安全性
  • 混合架构：将本地工具执行与云端模型推理相结合

执行循环由开发者控制，为自定义部署场景和隔离环境提供了灵活性。这种多云方法可避免供应商锁定，同时在所有部署选项中保持相同的 SDK 接口。

此部署比较展示了 AgentKit 的单一托管路径与 Claude Agent SDK 的多种部署选项。使用 Claude 的开发者可以选择本地、本地或云端部署，而 AgentKit 用户则依赖于 OpenAI 的基础架构。

3.4 重要性：真实世界验证

与新发布的框架不同，Claude Agent SDK 继承了其前身 Claude Code 的生产验证：

✓ 经过数月的现场测试，涵盖各种用例

✓ IDE 集成已部署到数百万开发者

✓ 通过 Bedrock/Vertex AI 进行企业部署

✓ 在生产环境中发现并解决的边缘案例

✓ MCP 生态系统通过社区使用而日臻成熟

这种传承意味着您采用的并非测试版技术，而是经过大规模实际使用而不断完善的成熟系统。

3.5 内存和状态管理

AgentKit 在 ChatGPT API 中提供集成的对话内存，无需额外工程即可实现持久、有状态的体验。

Claude Agent SDK 将状态管理交由开发者掌控，可在本地或通过 MCP 资源进行处理。这需要自定义逻辑，但可以确保完全的数据主权，并支持根据您的应用量身定制的复杂状态管理策略。

3.6 用户界面

AgentKit 提供 ChatKit，用于可嵌入的聊天界面，并内置用于常见模式（消息线程、文件上传、输入指示）的组件。

Claude Agent SDK 专注于命令行界面 (CLI)，提供用于构建自定义界面的钩子。目前已有社区集成，例如 JetBrains IDE 插件，但需要单独实现。这种方法支持根据您的应用定制 UI 设计，而不受预置组件的限制。

3.7 自定义逻辑和可扩展性

AgentKit 使用可视化工作流和编程钩子来实现自定义行为。Evals 框架支持代理响应的系统性测试。

Claude Agent SDK 提供完整的编程控制：

  • 明确的工具调用处理
  • 自定义代理委托模式
  • 上下文压缩策略
  • 各级集成钩子

3.8 插件和扩展

AgentKit 提供连接器注册功能，可集成越来越多的第三方集成。新连接器的添加过程非常便捷，并遵循平台规范。

Claude Agent SDK 利用 MCP 生态系统实现可扩展性：

  • 官方 MCP 服务器：由 Anthropic 和社区维护，涵盖热门服务和用例
  • 自定义 MCP 服务器开发：为内部系统创建专有工具服务器
  • 插件架构：构建可重用组件以扩展代理功能
  • 子代理系统：组合多个具有不同工具访问权限和模型的专用代理

MCP 的去中心化特性使工具生态系统能够通过社区贡献实现有机增长，服务器范围从简单的实用程序到复杂的企业集成。该架构可从小型项目扩展到拥有数百个自定义工具的大型组织。

3.9 安全与治理

AgentKit 提供集中式安全评估和护栏，并提供预览模式用于测试。数据流经 OpenAI 的基础设施，这可能会引起受监管行业的合规性担忧。

Claude Agent SDK 采用类型化模式和工具权限控制，并支持主机端控制。结合 Amazon Bedrock 的安全功能（静态加密、VPC 终端节点、CloudTrail 日志记录）或 GCP Vertex AI 的合规性认证（HIPAA、SOC 2、ISO 27001）等部署选项，可实现对监管要求至关重要的本地数据治理。

3.10 模型支持与定价

AgentKit 独家使用 OpenAI 模型（GPT-4o、o1-mini 和 GPT-4 Turbo）。定价遵循标准 OpenAI API 费率，无需额外支付平台费用。目前处于测试阶段，部分功能仍在陆续推出。

Claude Agent SDK 支持 Claude 3+ 模型（包括 Sonnet 4.5），并可按子代理选择模型。该 SDK 完全免费；您可以通过以下方式支付模型使用费用：

  • 直接调用 Anthropic API（标准费率）
  • Amazon Bedrock 定价（按令牌计费，提供企业批量折扣）
  • GCP Vertex AI 定价（灵活定价，提供承诺使用折扣）

MCP 架构理论上支持混合使用不同模型执行不同任务，通过使用较小的模型执行简单操作，使用较大的模型执行复杂推理，从而实现成本优化。

3.11 主要用例

AgentKit 的优势在于：

  • 快速原型设计和面向客户的机器人
  • 用于支持和知识管理的通用代理
  • 需要使用内置 UI 快速部署的产品团队

Claude Agent SDK 针对以下场景进行了优化：

  • 开发者优先场景：代码代理、文件处理、研究
  • 具有自定义集成的企业自动化
  • 需要本地部署的受监管环境
  • 利用 AWS 或 GCP 基础设施的多云部署

4、入门：代码示例

本节提供实用的代码示例，帮助您了解每个框架在实际开发场景中的运行方式。

4.1 OpenAI AgentKit

from openai import OpenAI

client = OpenAI()

# Create an agent with built-in tools
agent = client.agents.create(
    name="Customer Support Agent",
    instructions="You help customers with product questions",
    tools=[
        {"type": "web_search"},
        {"type": "file_search"},
        {"type": "connector", "connector_id": "zendesk_connector"}
    ],
    model="gpt-4o"
)

# Deploy with ChatKit UI
chat_response = client.agents.run(
    agent_id=agent.id,
    messages=[{"role": "user", "content": "How do I reset my password?"}]
)

此 AgentKit 示例演示了该平台的简洁性。代码创建了一个内置三个工具（网页搜索、文件搜索和 Zendesk 连接器）的代理，然后通过单个方法调用运行它。可视化 Agent Builder 负责工作流程设计，而 ChatKit 则自动提供 UI。

4.2 Claude Agent SDK（直接 API）

from claude_agent_sdk import Agent, Tool
import anthropic

# Define custom tools via MCP
class DatabaseTool(Tool):
    def __init__(self):
        super().__init__(
            name="query_database",
            description="Query the customer database",
            parameters={
                "query": {"type": "string", "description": "SQL query"}
            }
        )

    def execute(self, query: str) -> str:
        # Your custom logic with full control
        return self.run_query(query)

# Create agent with local control
agent = Agent(
    model="claude-sonnet-4-5-20250929",
    tools=[DatabaseTool()],
    system="You are a customer support agent with database access"
)

# Run locally or on your infrastructure
response = agent.run("Find orders for customer@example.com")

此 Claude Agent SDK本示例展示了“开发者优先”的方法。您可以将自定义工具定义为具有明确架构的 Python 类，然后创建一个具有完全编程控制权的代理。代码可以在本地或您的 i 上运行。基础架构，让您完全掌控执行和数据流。

4.3 Claude Agent SDK（通过 Amazon Bedrock 部署）

import boto3
from claude_agent_sdk import Agent

# Use Claude via Bedrock for enterprise deployment
bedrock = boto3.client('bedrock-runtime', region_name='us-east-1')

agent = Agent(
    model="anthropic.claude-sonnet-4-5-v1:0",
    client=bedrock,
    tools=[DatabaseTool()],
    system="You are a customer support agent with database access"
)

# Benefits: VPC isolation, AWS IAM, CloudTrail logging
response = agent.run("Find orders for customer@example.com")

此 Bedrock 示例演示了企业部署。代码使用 AWS 的 Claude 托管服务，提供 VPC 隔离、IAM 集成和 CloudTrail 日志记录。相同的 SDK 接口适用于所有部署选项，从本地开发到企业云。

4.4 关键理念差异

本节探讨了这些框架的基本设计理念，以及这些差异如何影响您的开发体验。

这些框架代表了不同的代理开发理念：

OpenAI AgentKit 优先考虑速度和易用性，并采用集中式平台。它专为需要托管基础架构、内置安全工具和快速部署的团队而设计。其缺点是对执行、数据管理和工具定制的控制较少。

Claude Agent SDK 强调开发者自主性和可组合性。它专为需要深度定制、本地执行或合规性的团队而构建。广泛的 MCP 服务器生态系统和多云部署选项（Bedrock、Vertex AI）在提供灵活性的同时，也保持一致的开发体验。其缺点是学习曲线更陡峭，并且需要承担更多的基础架构责任。

这两种方法本身并没有优劣之分。它们会针对不同的约束和优先级进行优化。

本比较凸显了 AgentKit 优先考虑速度、基础设施管理和内置功能，而 Claude Agent SDK 则侧重于开发者控制、部署灵活性和深度可扩展性。您的选择取决于哪些价值观与您的项目约束相符。

5、生产就绪：Claude Code 的传承

虽然这两个框架都功能强大，但它们的成熟度和实际验证存在本质区别。

5.1 Claude Agent SDK：通过 Claude Code 进行实战测试

Claude Agent SDK 并非凭空而来。它代表了 Claude Code 的演变和扩展，Claude Code 是 Anthropic 面向开发者的命令行工具，自 2025 年初以来一直为开发者所用。这一系列产品具有以下优势：

久经考验的业绩：Claude Code 在以下领域获得了开发者的广泛采用：

  • 自动代码重构和错误修复
  • 大规模代码库分析和迁移
  • 开发工作流自动化
  • 技术文档生成

2025 年 9 月，Claude 正式转型为 Claude Agent SDK，将这些功能从编码扩展到研究、数据处理、个人协助和企业自动化，同时保留了开发者所依赖的久经考验的核心。

大规模实际使用：在 SDK 正式发布之前，开发者已开始使用 Claude Code 的代理功能构建生产系统：

  • IDE 集成：JetBrains 的 Claude Agent 集成展示了数百万开发者的实际使用情况
  • 企业部署：通过 Bedrock 或 Vertex AI 使用 Claude 的公司已运行类似代理的工作流程数月
  • 开源生态系统：MCP 服务器代码库显示，早在 SDK 正式发布之前，社区就已经在积极开发

迭代优化：从 Claude Code 更名为 Claude Agent SDK 不仅仅是名称上的改变，它反映了数千名在生产环境中使用该系统的开发者的经验教训。解决了常见的痛点：

  • 基于实际使用模式改进了上下文管理
  • 根据企业反馈增强了子代理协调
  • 根据社区贡献简化了 MCP 服务器设置
  • 从生产调试中改进了错误处理

此演变图展示了 Claude Agent SDK 从 Claude Code 到生产环境使用、反馈周期和迭代优化的历程。 2025 年 9 月发布的版本并非代表新技术，而是经过扩展和规范化的成熟技术。

5.2 AgentKit：强大而新颖

OpenAI 的 AgentKit 于 2025 年 10 月 6 日发布，距离本文撰写不到一周。尽管它充分利用了 OpenAI 丰富的 API 经验，并融入了 ChatGPT 的最佳实践，但它尚未积累到与广泛的现场测试一样广泛的生产部署和边缘案例发现。

但这并没有削弱 AgentKit 的功能。OpenAI 在 GPT 模型和 Assistants API 方面的过往经验证明了他们能够交付可用于生产的产品。早期采用者应该期待：

  • 随着平台的成熟，快速迭代
  • 不断发展随着社区探索最佳模式，最佳实践应运而生
  • 随着功能从 Beta 版过渡到正式版，API 可能会发生变化

5.3 这对您的决策意味着什么

如果生产稳定性至关重要：Claude Agent SDK 传承了 Claude Code 的优良传统，这确保了其核心代理循环、工具处理和错误恢复已在各种实际场景中经过压力测试。该架构已在规模化运营中得到验证。

如果前沿功能更重要：AgentKit 的可视化构建器和集成工具代表了代理开发用户体验的最新理念。更新意味着它融合了代理编排方面的最新进展，并可能提供在设计 Claude Code 时并非优先考虑的功能。

对于规避风险的企业：Claude Agent SDK 久经考验的血统，结合 Bedrock（其本身自 2023 年以来一直在生产环境中运行 Claude 模型）等部署选项，为关键任务代理部署提供了一条低风险路径。

对于快速发展的初创公司：AgentKit 的快速开发路径和托管基础架构可能比实战测试的优势更重要，尤其是在您的时间安排更看重速度而非广泛的生产验证的情况下。

这两个框架都已投入生产，但 Claude Agent SDK 从 Claude Code 演变而来，使其在生产成熟度方面具有显著优势。这不仅意味着新技术的推出，也意味着成熟技术的扩展和规范化。

6、决策框架

本节将帮助您将特定需求映射到最适合您约束条件的框架。

与新推出的框架不同，Claude Agent SDK 继承了其前身 Claude Code 的生产验证：

✓ 数月跨不同用例的现场测试

✓ IDE 集成已部署到数百万开发者

✓ 通过 Bedrock/Vertex AI 进行企业部署

✓ 在生产环境中发现并解决的边缘案例

✓ 通过社区使用，MCP 生态系统日趋成熟

这种传承意味着您采用的并非测试版技术。您正在利用一个经过大规模实际使用而不断完善的成熟系统。

如果您符合以下情况，请选择 AgentKit：

  • 需要快速交付原型或 MVP
  • 需要可视化开发工具和内置 UI 组件
  • 偏好由提供商管理的基础设施并支持扩展
  • 乐于接受数据在 OpenAI 系统中流动
  • 重视集成测试和安全框架
  • 已投资 OpenAI 生态系统
  • 随着平台的成熟，能够接受不断发展的 API

如果您符合以下情况，请选择 Claude Agent SDK：

  • 需要本地部署或隔离部署
  • 需要对数据流和存储进行精细控制
  • 在受监管的行业（医疗保健、金融、政府）工作
  • 希望与专有基础设施深度集成
  • 偏好代码优先开发并具有最大灵活性
  • 需要超越标准连接器的自定义工具定义
  • 已使用 AWS 或 GCP 基础设施并希望原生集成
  • 重视不断发展的 MCP 服务器生态系统的可扩展性
  • 优先考虑 Claude Code 传承中经过生产验证的稳定性

此决策流程图将引导您回答关键问题，以确定哪个框架符合您的需求。从您的主要约束条件（快速原型设计、本地部署、受监管行业）入手，循序渐进地找到最佳选择。

7、实际应用

这两个框架均已在各个领域取得了成功。

AgentKit 成功案例：

  • Ramp：将内部工具的代理开发周期缩短 70%
  • 客户支持：快速部署上下文感知型帮助台机器人
  • 知识管理：快速集成文档存储库

Claude Agent SDK 应用：

  • 代码代理：在 JetBrains IDE 中进行重构、错误修复和功能开发，直接继承自 Claude Code 久经考验的功能
  • 研究代理：使用久经考验的上下文管理对文档和代码库进行深入分析
  • 企业自动化：利用专有数据源的自定义工作流，充分利用数月的生产优化经验
  • 多云部署：利用 Bedrock 或 Vertex AI 构建可扩展、合规的代理基础架构的组织

8、结束语

这两个框架都支持复杂的代理工作流，但在治理、托管理念、生产成熟度和目标用例方面存在显著差异。

AgentKit 为优先考虑上市速度、内置功能和托管基础架构的团队提供了更简化的路径。它尤其适合面向客户的产品，OpenAI 的基础设施能够满足合规性要求。作为一个新推出的平台，它代表了代理开发领域的最新思路，但仍在积累实际验证。

Claude Agent SDK 可能更适合需要灵活部署选项（本地、Bedrock、Vertex AI）、通过 MCP 生态系统进行深度定制或严格数据治理的组织。它在受监管的行业和专有工具集成至关重要的场景中表现出色。它由 Claude 演变而来代码提供经过生产验证的可靠性，并且已在数千个实际部署中得到验证。

正确的选择取决于您的具体约束：合规性要求、开发资源、部署时间表、现有云基础架构、风险承受能力和控制偏好。

原文链接：Claude Agent SDK vs. OpenAI AgentKit: A Developer's Guide to Building AI Agents

汇智网翻译整理，转载请标明出处