Claude для агентов: как создать ИИ-агента в Claude

Хотите поручать нейросети Claude не отдельные вопросы, а целые рабочие процессы? Для этого нужен ИИ-агент — система, которая умеет планировать действия, работать с файлами и сервисами, писать код и проверять себя. В статье покажем, как создать агента в Claude с нуля, какие инструменты выбрать и как постепенно превратить простой прототип в надежное решение.

Что такое ИИ-агенты на базе Claude и зачем они нужны

Допустим, нужно проверить приложение перед запуском. Обычному чат-боту придется по очереди отправлять код, сообщения об ошибках и результаты тестов. Агенту достаточно поставить цель: «Найди причину сбоя, исправь код и убедись, что приложение работает».

Получив задачу, «Клод» изучит файлы проекта, запустит тесты, проанализирует ошибки и внесет изменения. Если первая попытка не поможет, он учтет новый результат и попробует другой способ. 

Определение и архитектура

Работу «Клод»-агента можно представить как взаимодействие трех компонентов.

Мозг — языковая модель. Она понимает задачу, составляет план, выбирает следующий шаг и меняет подход, если действие не принесло нужного результата.

Руки — инструменты, с помощью которых агент читает и редактирует файлы, запускает команды, ищет информацию и обращается к внешним системам. Доступные действия определяет разработчик заранее.

Память — запрос пользователя, инструкции, изученные данные и результаты выполненных действий. Для длительных задач можно подключить внешнюю память, например, базу данных или файлы. Модель будет загружать только нужные в моменте сведения.

Цикл повторяется, пока задача не будет выполнена или не потребуется помощь человека. Именно способность самостоятельно выбирать следующие действия отличает агента от обычного сценария, в котором каждый шаг заранее прописан разработчиком.

Ключевые сценарии использования

ИИ-агент Claude нужен не для каждой задачи. Если порядок действий известен заранее и почти не меняется, проще и дешевле использовать обычную автоматизацию. 

Агентный подход оправдан, когда нужно оценивать промежуточные результаты, выбирать следующий шаг и адаптироваться к ситуации. Вот примеры.

Подготовка к созданию агента: что нужно знать и иметь

Перед началом работы учтите ограничения. На август 2026 года Claude официально недоступен в России. Для доступа к сервису обычно нужны IP-адрес и номер телефона страны, где он работает. Оплатить Claude Pro или использование API можно картой иностранного банка.

Другой вариант — агрегаторы нейросетей. Они дают доступ к сервису с оплатой в рублях, а некоторые предлагают свой API. Однако ключ агрегатора не заменяет официальный ключ компании Anthropic и может не работать с Claude Agent SDK и Claude Code.

Технические требования 

Сначала разделим два инструмента. Claude Code — готовый ИИ-агент, который работает в терминале: изучает файлы проекта, меняет код и запускает команды. Claude Agent SDK — набор библиотек для создания собственных агентов на базе тех же возможностей.

Agent SDK доступен для двух языков программирования:

• Python 3.10 или новее;
• TypeScript и JavaScript на Node.js 18 или новее.

Устанавливать оба варианта не нужно. Начинающим проще выбрать Python из-за понятного синтаксиса. TypeScript подойдет тем, кто уже работает с веб-приложениями и экосистемой Node.js. Перед установкой проверьте версию выбранного языка и при необходимости обновите с официального сайта.

Для работы понадобится компьютер с Windows 10+, macOS 13+, Ubuntu 20.04+ или другим поддерживаемым дистрибутивом Linux. Для Claude Code Anthropic рекомендует не менее 4 ГБ оперативной памяти и стабильное подключение к интернету. На Windows его можно запускать напрямую или через WSL 2 — встроенную среду Linux.

Обратите внимание на разницу в требованиях: Agent SDK работает с Node.js 18+, а для установки Claude Code через npm нужен Node.js 22+. Если использовать рекомендованный компанией установщик, Node.js не потребуется.

Получение API-ключа Anthropic и настройка окружения

API-ключ нужен, чтобы агент мог обращаться к моделям от имени вашего аккаунта. Получить его можно в Claude Console в разделе Settings → API Keys. Создайте ключ и сразу сохраните его: повторно посмотреть секретную строку не получится.

Работа через API платная. Сначала нужно пополнить баланс в разделе Billing. Вы покупаете не токены, а кредиты в денежном эквиваленте. Затем сервис списывает их за успешные запросы.

Токены — небольшие части текста. Входные токены включают запрос, инструкции и переданные агенту данные, а выходные — ответ модели. Их стоимость рассчитывается отдельно и зависит от выбранной модели. Чем длиннее контекст и больше шагов, тем дороже.

Подписка Claude Pro или Max и доступ к API — это разные услуги, поэтому запросы по ключу оплачиваются отдельно. При этом владельцам некоторых платных планов доступен ежемесячный кредит для Agent SDK, но только при авторизации через подписку.

Сам ключ нельзя вставлять в код или публиковать в репозитории. Сохраните его в переменной окружения ANTHROPIC_API_KEY, и Agent SDK найдет ее автоматически.

Установка Claude Agent SDK

Для Python сначала создайте виртуальное окружение, т.е. отдельную среду для библиотек проекта:

python -m venv .venv

Активируйте его:

• в macOS или Linux — source .venv/bin/activate;
• в Windows PowerShell — .venv\Scripts\Activate.ps1.

Затем установите SDK:

pip install claude-agent-sdk

Для TypeScript или JavaScript достаточно одной команды:

npm install @anthropic-ai/claude-agent-sdk

Вместе с SDK устанавливается встроенная версия Claude Code, поэтому отдельно загружать CLI не нужно. Теперь можно попрактиковаться.

Создание первого ИИ-агента на базе Claude

Соберем простую модель, которая изучит файл с заметками, выделит главное и создаст структурированное резюме. 

Настройка проекта и установка зависимостей

Создайте отдельную папку и добавьте в нее два файла:

my-agent/

├── agent.py

└── notes.txt

В notes.txt поместите заметки со встречи, описание продукта или другой тестовый текст. В agent.py будет находиться код агента.

Используйте отдельную тестовую папку без важных и конфиденциальных данных: система получит доступ к файлам внутри нее и во вложенных каталогах.

Написание кода агента с использованием SDK

Добавьте в agent.py следующий код:

В этом примере:

• cwd задает папку, в которой работает AI-агент Claude;
• tools ограничивает его инструментами чтения и записи;
• allowed_tools разрешает использовать их без подтверждения;
• max_turns ограничивает количество шагов;
• prompt описывает задачу, формат результата и запрет на выдуманные факты;
• query() запускает агентный цикл и возвращает сообщения по мере выполнения задачи.

Claude сам решает, когда прочитать исходный файл, когда создать резюме и достаточно ли выполненных действий для завершения задачи.

Запуск агента и анализ результатов

Убедитесь, что виртуальное окружение активно, а API-ключ задан в текущем терминале. Затем выполните:

python agent.py

Во время работы программа покажет использованные инструменты и итоговый статус. После успешного запуска в папке появится summary.md.

Проверьте, что агент:

• сохранил заданную структуру;
• не добавил фактов, которых нет в notes.txt;
• завершил работу со статусом success.

Если файл не появился, проверьте API-ключ, наличие текста в notes.txt, разрешения на инструменты и значение max_turns.

Обзор ключевых концепций: query, инструменты и режимы разрешений

query() — основная функция для запуска агента. Она получает промпт и настройки, а затем возвращает сообщения по мере выполнения задачи. Один вызов может включать несколько обращений к модели и инструментам.

По умолчанию каждый вызов query() начинает новую сессию без истории предыдущих запусков. Это подходит для разовых задач. Для продолжительного диалога в Python используют ClaudeSDKClient. Также можно сохранить идентификатор сессии и позднее продолжить ее.

Основные инструменты

Они определяют, какие действия может выполнять ИИ-агент на базе Claude.

Кроме встроенных инструментов, к агенту можно подключать собственные функции, базы данных и внешние сервисы. 

Режимы разрешений

Определяют, какие действия система может выполнять автоматически.

В первом примере мы оставили агенту только Read и Write через параметр tools, а затем заранее разрешили их через allowed_tools. Поэтому отдельно включать acceptEdits не потребовалось.

Важно

 allowed_tools не ограничивает набор инструментов, а только разрешает перечисленные действия без подтверждения. Особенно осторожно используйте это в режиме bypassPermissions: инструменты, которых нет в allowed_tools, тоже могут запускаться автоматически.

Claude Cowork: умный помощник без программирования

Если интересно, как создать ИИ-агента в «Клоде» без кода, можно попробовать Cowork. Это готовое универсальное решение для работы с документами, таблицами, презентациями и исследованиями. Его можно адаптировать с помощью постоянных инструкций, навыков, коннекторов и плагинов.

В отличие от ориентированного на разработку Claude Code, Cowork работает через привычный интерфейс нейросети и не требует терминала. Однако встроить его в собственное приложение нельзя, для этого вам понадобится Claude Agent SDK.

Расширение возможностей агента: инструменты и интеграции

Иногда встроенных возможностей не хватает. Если программа должна найти клиента в CRM, проверить остаток товара или создать задачу в корпоративной системе, нужны собственные инструменты.

Каждый такой инструмент — функция с названием, описанием и списком входных данных.

Пример собственного инструмента

Функцию регистрируют через Claude Agent SDK. Claude читает ее описание, понимает, когда она нужна, и передает необходимые данные.

Внешние интеграции — базы данных, облачные хранилища и другие сервисы — можно настроить через MCP. Для этого используют готовый MCP-сервер или создают свой.

Давайте программе только те права, что нужны для задачи. Прежде чем отправить сообщение, изменить запись или удалить данные, программа должна спросить пользователя.

Продвинутые техники и лучшие практики

Чтобы понять, как создать ИИ-агента в Claude для больших проектов, важно настроить работу с контекстом, распределить задачи и добавить проверку результата. 

Управление контекстом: поиск по файловой системе и семантический поиск

Не загружайте в контекст все файлы сразу. Сначала Claude может найти нужные документы через Glob и Grep, а затем прочитать отдельные фрагменты с помощью Read. Для больших хранилищ подойдет семантический поиск по смыслу.

Постоянные правила проекта храните в коротком файле CLAUDE.md, а объемные документы загружайте только при необходимости.

Использование саб-агентов для параллельной работы

Независимые задачи можно передать саб-агентам. Например, один изучит отзывы клиентов, второй проверит финансовые данные, а третий — источники. Они работают в отдельных контекстах и возвращают главной программе готовые выводы.

Используйте саб-агентов только для задач, которые можно выполнять параллельно. Передавайте им все важные требования и оставляйте только необходимые инструменты.

Автоматическая проверка результатов

ИИ-агент в Claude Code не должен завершать задачу сразу после того, как создал файл или подготовил ответ. В промпте нужно заранее указать, по каким критериям он проверит свою работу.

Для точных требований подходят автоматические проверки. Код можно проверить тестами и линтером, JSON — схемой, а документ — по наличию обязательных разделов. Через хуки SDK такие проверки можно запускать после каждого изменения. Если система найдет ошибку, Claude получит отчет, исправит результат и попробует снова.

Сайты, презентации и другие визуальные материалы можно проверить по скриншоту. Система сравнит результат с референсом и найдет проблемы, например, съехавшие элементы, неправильные цвета или наложение текста.

Если качество нельзя оценить по строгим правилам, можно подключить LLM-судью. Второй вызов модели сопоставит результат с исходными данными и критериями: проверит факты, полноту и соответствие стилю. Важные решения при этом лучше оставлять человеку.

Практические примеры: от простого к сложному

Рассмотрим создание агента в Claude на двух примерах. Сначала поручим программе найти и исправить ошибку в коде. Затем настроим агента, который изучит веб-источники и подготовит отчет. 

Пример 1: Агент для поиска и исправления ошибок в коде

Программа должна изучить проект, запустить тесты, найти причину сбоя и внести минимальные правки.

Claude найдет нужные файлы через Glob, Grep и Read, исправит код с помощью Edit, а затем повторно запустит тесты. Правило Bash(pytest *) разрешает только команды, которые начинаются с pytest. Остальные команды режим dontAsk отклонит. В реальном проекте изменения лучше вносить в отдельной ветке и проверять перед слиянием. 

Пример 2: Агент для анализа трендов с веб-поиском

Теперь поручим программе найти свежие материалы, сравнить источники и сохранить выводы в отчет.

WebSearch помогает найти материалы, а WebFetch — прочитать выбранные страницы. Агент сравнивает данные и сохраняет результат через Write. При этом у него нет доступа к терминалу и рабочим системам. 

Готовый отчет должен проверить человек. Важно открыть ссылки, подтвердить ключевые факты и убедиться, что выводы следуют из источников. Чем выше цена ошибки, тем меньше решений стоит полностью отдавать агенту. 

Claude Managed Agents: корпоративное решение

При работе с Claude Agent SDK команда сама запускает систему на сервере, изолирует процессы и хранит состояние между запросами. Claude Managed Agents берет эти задачи на себя: компания Anthropic предоставляет готовый агентный цикл и среду, где «Клод» может работать с файлами, выполнять код, запускать команды и искать информацию.

Сервис подходит для длительных и фоновых задач: анализа документов, подготовки отчетов, проверки кода и регулярного мониторинга. Приложение ставит задачу через API, получает сведения о ходе работы и при необходимости направляет агента.

Архитектура: агенты, окружения и сессии

В основе сервиса четыре объекта.

Agent — готовая конфигурация, которую можно использовать повторно. Например, компания может создать агента для проверки договоров и закрепить в нем модель, правила и доступные инструменты.

Environment определяет, где и с какими ограничениями работает Claude. Для каждой сессии сервис создает отдельную песочницу, поэтому файлы разных задач не смешиваются.

Session связывает агента с окружением и хранит историю работы. Ее можно остановить, дополнить новым сообщением и продолжить позже. Приложение общается с «Клод» через события и получает ответы в реальном времени через технологию SSE.

Управляемые песочницы и безопасность

По умолчанию команды выполняются в изолированной облачной песочнице. Если данные нельзя переносить за пределы корпоративной инфраструктуры, можно использовать собственную песочницу. В этом случае Anthropic управляет агентным циклом, а файлы, команды и сетевые запросы остаются на серверах компании.

Даже в изолированной среде агенту не стоит давать лишние права. Разрешите доступ только к нужным инструментам и адресам. 

Ключи и токены можно хранить в специальных хранилищах — vaults. Агент получает непрозрачную ссылку, а настоящее значение подставляется только при обращении к внешнему сервису. Программа не видит сам секрет.

Начало работы с Managed Agents API

Для запуска нужны аккаунт Claude Console, API-ключ и пакет anthropic. Затем разработчик создает агента, окружение и сессию, после чего отправляет задачу событием user.message.

Набор agent_toolset_20260401 открывает стандартные инструменты для работы с файлами, терминалом и интернетом. Для первого теста можно разрешить свободный доступ к сети, но в рабочей системе лучше оставить только необходимые адреса.

После запуска Claude сам выбирает инструменты и выполняет задачу. Когда работа закончена, сессия переходит в состояние idle, но сохраняет историю и файлы. Позже агенту можно отправить новое сообщение, например, попросить проверить расчеты или изменить отчет. 

По состоянию на август 2026 года Claude Managed Agents работает в бета-режиме. 

Что дальше: как вывести агента на новый уровень

Простой агент умеет рассуждать, вызывать инструменты и выполнять задачу в несколько шагов. Этого достаточно для первого прототипа: обработать документ, исправить ошибку в коде или собрать отчет. Но при работе с большими базами знаний, разными типами запросов и длительными процессами одной модели с единым промптом становится маловато.

Ограничения простых агентов и как их преодолеть

У базового агента обычно одна модель, один набор инструментов и ограниченный объем контекста. Для простых задач этого достаточно. Но по мере роста проекта возникают проблемы:

• контекст переполняется, и важные инструкции теряются среди документов и промежуточных результатов;
• знания модели устаревают, если агент не получает свежие данные;
• один промпт плохо подходит для разных задач;
• ошибка на одном этапе влияет на следующие действия;
• агент не запоминает прошлые сессии автоматически;
• длинный контекст и большое количество шагов увеличивают время и стоимость работы.

Просто добавлять новые инструменты — не всегда хорошо. Чем их больше, тем сложнее агенту выбрать нужный и тем труднее контролировать его действия.

Поэтому сложную систему лучше разделить на отдельные части. RAG отвечает за поиск данных, маршрутизатор определяет тип запроса, память сохраняет важную информацию, а специализированные агенты выполняют отдельные задачи. Простые и предсказуемые операции — расчеты, проверку формата, лимитов и прав доступа — надежнее поручить обычному коду.

Сложные архитектуры: RAG, маршрутизация, память, мультиагентность

Сложные агенты могут включать несколько компонентов:

• RAG находит нужные данные во внешних источниках.
• Маршрутизация направляет запрос подходящей модели или агенту.
• Память сохраняет важную информацию между шагами и сессиями.
• Мультиагентность распределяет независимые задачи между агентами.

Эти элементы можно использовать отдельно или вместе. Например, маршрутизатор определяет тип запроса, RAG находит данные, память добавляет контекст, а специализированные агенты выполняют отдельные части задачи. Такая архитектура расширяет возможности системы, но увеличивает стоимость и сложность.

Где системно изучить создание продакшен-агентов

Освоить отдельные методы можно по документации и небольшим примерам. Сложнее собрать их в работающую систему: правильно подготовить документы, настроить поиск, подключить внешние сервисы, организовать API и развернуть собственного ассистента.

На интенсиве «RAG-боты и агенты LLM (большие языковые модели)» этот путь проходят последовательно — от первого ассистента в визуальном интерфейсе Flowise до рабочего бота в приложении. Начать можно без серьезной подготовки в программировании. Первые занятия построены на инструментах без кода, а затем участники переходят к небольшим фрагментам Python и JavaScript. В итоге вы сможете собрать прототип ИИ-ассистента под свои задачи.

Заключение

В статье мы кратко рассмотрели, как сделать и настроить ИИ-агента с Claude Code. Если хочется больше практики, приходите учиться. Разберетесь в инструментах, соберете собственного агента и сможете автоматизировать реальные рабочие задачи.