Conductor 集成 Claude Agent SDK在 Python 中运行 Claude Code 智能体的安装、配置与实战指南【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor本篇指南面向希望在 Conductor 中直接运行 Anthropic Claude Agent SDK 智能体的 Python 开发者围绕仓库内 python/claude.md 的完整实操流程展开如何安装带 Claude 支持的conductor-python扩展、配置服务器地址与认证、用ClaudeCode模型对象定义一个会读代码库的智能体并通过AgentRuntime以持久化durable的方式运行它。读完本文你将掌握把 Claude Agent SDK 智能体接入 Conductor这一条完整链路并理解其背后的工作流编译与任务化原理。1. 前置准备连接 Conductor 服务器在安装 SDK 之前需要先让运行时能访问到 Conductor 服务器。仓库中的 connect.md 给出了三种常见方式托管的 Developer Edition注册后创建应用与 Access Key导出CONDUCTOR_SERVER_URL、CONDUCTOR_AUTH_KEY、CONDUCTOR_AUTH_SECRET本地服务器需要 Java 21 与 Node.js先启动服务再导出地址conductor server start export CONDUCTOR_SERVER_URLhttp://localhost:8080/apiDocker 容器docker run --rm -p 8080:8080 conductoross/conductor:latest export CONDUCTOR_SERVER_URLhttp://localhost:8080/api服务器还需要能够调用你的模型供应商Developer Edition 在集成页面添加 AI/LLM 集成本地服务器则需在启动前导出供应商 API Key。2. 安装带 Claude 支持的 SDK本指南对应的安装与配置命令如下来自 python/claude.mdpython -m pip install conductor-python[claude] export CONDUCTOR_SERVER_URL{{CONDUCTOR_SERVER_URL}} # For authenticated Conductor servers: # export CONDUCTOR_AUTH_KEYYOUR_AUTH_KEY # export CONDUCTOR_AUTH_SECRETYOUR_AUTH_SECRET说明conductor-python[claude]是带 Claude Agent SDK 支持的安装目标。仓库内其他框架智能体LangChain、LangGraph、Google ADK、OpenAI Agents分别使用conductor-python[langchain]、conductor-python[langgraph]、conductor-python[adk]等扩展可参考 framework-agents.md 对比选择CONDUCTOR_SERVER_URL指向 Conductor 服务器的 API 端点如http://localhost:8080/api必须与前置准备中导出的值一致未开启认证的本地服务器无需CONDUCTOR_AUTH_KEY/CONDUCTOR_AUTH_SECRET连接受保护的服务器时才需要导出这两个凭证。3. 定义并运行 Claude Code 智能体将以下代码保存为claude_agent.pyfrom conductor.ai.agents import Agent, AgentRuntime, ClaudeCode agent Agent( nameclaude_code_assistant, modelClaudeCode(sonnet), instructionsInspect the repository and answer concisely., tools[Read, Glob, Grep], ) with AgentRuntime() as runtime: result runtime.run(agent, Summarize this repository.) result.print_result()python claude_agent.py关键点拆解ClaudeCode(sonnet)Claude Agent SDK 风格的模型对象对应 Anthropic 的 Claude Code 编码智能体场景。示例中选用了sonnet模型tools[Read, Glob, Grep]声明允许智能体调用的内置工具。本例面向审查代码库任务因此开放了读取文件、按 glob 模式匹配文件、正则搜索三类代码库探查能力AgentRuntime()上下文管理器负责在运行期间维护与 Conductor 服务器的连接与执行环境runtime.run(agent, ...)同步运行一次智能体交互返回结果对象result.print_result()将最终输出打印到控制台。4. 底层原理Agent 运行即工作流执行从 agents.md 可以看到 Conductor 的核心设计Agent 本质上就是工作流。智能体定义模型、指令、工具列表会被 Conductor 编译成一张工作流图并执行图中每一次模型调用是一个任务task每一次工具调用也是一个任务两者之间的循环是工作流的控制流。例如调用一次get_weather工具会产生prompt → LLM task决定调用工具→ get_weather task运行你的函数→ LLM task撰写最终答案→ answer这样一串任务序列因为一次 Agent 运行就是一次工作流执行所以工作流的既有能力全部适用每一轮turn都会被持久化进程崩溃或重启后可从最后完成的一步继续执行重试与超时遵循相同的策略每次运行都会留下完整的可检查、可回放的历史。服务器端对此有直接的实现佐证。agentspan模块中的 ClaudeAgentSdkNormalizer.java 提供了frameworkId() claude_agent_sdk的归一化器它会将 Claude Agent SDK 智能体配置归一化为 Conductor 内部的AgentConfig默认智能体名为claude_agent_sdk_agent并生成一个toolType(worker)的passthrough worker工具配置元数据标记为_framework_passthrough: true——即 Claude 智能体作为穿透式 Worker 接入 Conductor 执行框架这正是框架桥接framework bridge的实现形态。5. 服务器端 Anthropic 模型支撑Claude Code 智能体最终调用的是 Anthropic 的模型服务Conductor 服务器端通过ai模块的 Anthropic Provider 完成接入实现在 Anthropic.java 与 AnthropicConfiguration.java 中配置前缀conductor.ai.anthropic支持apiKey、baseURL、version、betaVersion、completionsPath、timeout等字段默认行为baseURL缺省为https://api.anthropic.comtimeout默认 600 秒DEFAULT_MAX_TOKENS为 8192工具转换Conductor 的ToolSpec会被转换为 Anthropic 的函数工具function tool同时支持内置的 web search、code execution 工具扩展思考Thinking模式当thinkingTokenLimit 0时启用思考预算并强制temperature 1.0Anthropic 思考模式要求Assistant 消息前填prefill限制supportsAssistantPrefill()返回false因为 Claude Sonnet 4.6 会拒绝以assistant角色结尾的请求返回 400。从源码注释看早期模型曾静默接受这种注入当前实现则统一禁止该注入循环类工作流如需携带上一轮状态应通过${...output.result}模板拼接进用户消息。这些机制对理解为什么我的 Claude 智能体在 Conductor 里行为如此很有帮助模型调用参数maxTokens、temperature、topP、topK、stopSequences、reasoningEffort 等均来自工作流任务的输入由 Provider 统一转换为 Anthropic 请求。6. 验证与故障排查每个框架智能体的运行验证方式一致见 framework-agents.md验证输出确认控制台打印的结果符合预期检查执行记录在 Conductor UI 中定位对应的执行查看每一步任务的输入输出确认 LLM 轮次与工具调用都被如实记录失败排查顺序先检查运行时服务器 URL、框架扩展包是否安装了conductor-python[claude]与模型供应商凭证随后在 UI 中检查失败的任务再决定是否重试注意副作用对于可能产生外部副作用如写文件、发请求的 Agent 动作在明确其幂等性与恢复策略之前不要盲目重试。7. 进一步探索想从零构建原生 Conductor 智能体可阅读 first-agent.md想将 LangChain、LangGraph、Google ADK、OpenAI Agents 等其他框架智能体接入 Conductor参考 framework-agents.md想深入理解Agent 即工作流、AGENT任务与三种编写方式声明式 AI 工作流 / Conductor Agent / 远程 A2A Agent见 agents.md想了解服务器端 Anthropic 模型的完整参数与实现可阅读 Anthropic.java 及其同目录下的配置类与测试用例如 AnthropicConfigurationTest.java。将 Claude Agent SDK 智能体接入 Conductor 的价值在于你保留了 Claude 生态的原生体验Claude Code 模型与 Read/Glob/Grep 等工具同时获得工作流级的持久化执行、任务化追踪与完整历史回放能力——这正是 Conductor 作为事件驱动的 agentic 工作流引擎为 AI Agent 提供的耐久且高弹性的执行底座。【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Conductor 集成 Claude Agent SDK：在 Python 中运行 Claude Code 智能体的安装、配置与实战指南
Conductor 集成 Claude Agent SDK在 Python 中运行 Claude Code 智能体的安装、配置与实战指南【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor本篇指南面向希望在 Conductor 中直接运行 Anthropic Claude Agent SDK 智能体的 Python 开发者围绕仓库内 python/claude.md 的完整实操流程展开如何安装带 Claude 支持的conductor-python扩展、配置服务器地址与认证、用ClaudeCode模型对象定义一个会读代码库的智能体并通过AgentRuntime以持久化durable的方式运行它。读完本文你将掌握把 Claude Agent SDK 智能体接入 Conductor这一条完整链路并理解其背后的工作流编译与任务化原理。1. 前置准备连接 Conductor 服务器在安装 SDK 之前需要先让运行时能访问到 Conductor 服务器。仓库中的 connect.md 给出了三种常见方式托管的 Developer Edition注册后创建应用与 Access Key导出CONDUCTOR_SERVER_URL、CONDUCTOR_AUTH_KEY、CONDUCTOR_AUTH_SECRET本地服务器需要 Java 21 与 Node.js先启动服务再导出地址conductor server start export CONDUCTOR_SERVER_URLhttp://localhost:8080/apiDocker 容器docker run --rm -p 8080:8080 conductoross/conductor:latest export CONDUCTOR_SERVER_URLhttp://localhost:8080/api服务器还需要能够调用你的模型供应商Developer Edition 在集成页面添加 AI/LLM 集成本地服务器则需在启动前导出供应商 API Key。2. 安装带 Claude 支持的 SDK本指南对应的安装与配置命令如下来自 python/claude.mdpython -m pip install conductor-python[claude] export CONDUCTOR_SERVER_URL{{CONDUCTOR_SERVER_URL}} # For authenticated Conductor servers: # export CONDUCTOR_AUTH_KEYYOUR_AUTH_KEY # export CONDUCTOR_AUTH_SECRETYOUR_AUTH_SECRET说明conductor-python[claude]是带 Claude Agent SDK 支持的安装目标。仓库内其他框架智能体LangChain、LangGraph、Google ADK、OpenAI Agents分别使用conductor-python[langchain]、conductor-python[langgraph]、conductor-python[adk]等扩展可参考 framework-agents.md 对比选择CONDUCTOR_SERVER_URL指向 Conductor 服务器的 API 端点如http://localhost:8080/api必须与前置准备中导出的值一致未开启认证的本地服务器无需CONDUCTOR_AUTH_KEY/CONDUCTOR_AUTH_SECRET连接受保护的服务器时才需要导出这两个凭证。3. 定义并运行 Claude Code 智能体将以下代码保存为claude_agent.pyfrom conductor.ai.agents import Agent, AgentRuntime, ClaudeCode agent Agent( nameclaude_code_assistant, modelClaudeCode(sonnet), instructionsInspect the repository and answer concisely., tools[Read, Glob, Grep], ) with AgentRuntime() as runtime: result runtime.run(agent, Summarize this repository.) result.print_result()python claude_agent.py关键点拆解ClaudeCode(sonnet)Claude Agent SDK 风格的模型对象对应 Anthropic 的 Claude Code 编码智能体场景。示例中选用了sonnet模型tools[Read, Glob, Grep]声明允许智能体调用的内置工具。本例面向审查代码库任务因此开放了读取文件、按 glob 模式匹配文件、正则搜索三类代码库探查能力AgentRuntime()上下文管理器负责在运行期间维护与 Conductor 服务器的连接与执行环境runtime.run(agent, ...)同步运行一次智能体交互返回结果对象result.print_result()将最终输出打印到控制台。4. 底层原理Agent 运行即工作流执行从 agents.md 可以看到 Conductor 的核心设计Agent 本质上就是工作流。智能体定义模型、指令、工具列表会被 Conductor 编译成一张工作流图并执行图中每一次模型调用是一个任务task每一次工具调用也是一个任务两者之间的循环是工作流的控制流。例如调用一次get_weather工具会产生prompt → LLM task决定调用工具→ get_weather task运行你的函数→ LLM task撰写最终答案→ answer这样一串任务序列因为一次 Agent 运行就是一次工作流执行所以工作流的既有能力全部适用每一轮turn都会被持久化进程崩溃或重启后可从最后完成的一步继续执行重试与超时遵循相同的策略每次运行都会留下完整的可检查、可回放的历史。服务器端对此有直接的实现佐证。agentspan模块中的 ClaudeAgentSdkNormalizer.java 提供了frameworkId() claude_agent_sdk的归一化器它会将 Claude Agent SDK 智能体配置归一化为 Conductor 内部的AgentConfig默认智能体名为claude_agent_sdk_agent并生成一个toolType(worker)的passthrough worker工具配置元数据标记为_framework_passthrough: true——即 Claude 智能体作为穿透式 Worker 接入 Conductor 执行框架这正是框架桥接framework bridge的实现形态。5. 服务器端 Anthropic 模型支撑Claude Code 智能体最终调用的是 Anthropic 的模型服务Conductor 服务器端通过ai模块的 Anthropic Provider 完成接入实现在 Anthropic.java 与 AnthropicConfiguration.java 中配置前缀conductor.ai.anthropic支持apiKey、baseURL、version、betaVersion、completionsPath、timeout等字段默认行为baseURL缺省为https://api.anthropic.comtimeout默认 600 秒DEFAULT_MAX_TOKENS为 8192工具转换Conductor 的ToolSpec会被转换为 Anthropic 的函数工具function tool同时支持内置的 web search、code execution 工具扩展思考Thinking模式当thinkingTokenLimit 0时启用思考预算并强制temperature 1.0Anthropic 思考模式要求Assistant 消息前填prefill限制supportsAssistantPrefill()返回false因为 Claude Sonnet 4.6 会拒绝以assistant角色结尾的请求返回 400。从源码注释看早期模型曾静默接受这种注入当前实现则统一禁止该注入循环类工作流如需携带上一轮状态应通过${...output.result}模板拼接进用户消息。这些机制对理解为什么我的 Claude 智能体在 Conductor 里行为如此很有帮助模型调用参数maxTokens、temperature、topP、topK、stopSequences、reasoningEffort 等均来自工作流任务的输入由 Provider 统一转换为 Anthropic 请求。6. 验证与故障排查每个框架智能体的运行验证方式一致见 framework-agents.md验证输出确认控制台打印的结果符合预期检查执行记录在 Conductor UI 中定位对应的执行查看每一步任务的输入输出确认 LLM 轮次与工具调用都被如实记录失败排查顺序先检查运行时服务器 URL、框架扩展包是否安装了conductor-python[claude]与模型供应商凭证随后在 UI 中检查失败的任务再决定是否重试注意副作用对于可能产生外部副作用如写文件、发请求的 Agent 动作在明确其幂等性与恢复策略之前不要盲目重试。7. 进一步探索想从零构建原生 Conductor 智能体可阅读 first-agent.md想将 LangChain、LangGraph、Google ADK、OpenAI Agents 等其他框架智能体接入 Conductor参考 framework-agents.md想深入理解Agent 即工作流、AGENT任务与三种编写方式声明式 AI 工作流 / Conductor Agent / 远程 A2A Agent见 agents.md想了解服务器端 Anthropic 模型的完整参数与实现可阅读 Anthropic.java 及其同目录下的配置类与测试用例如 AnthropicConfigurationTest.java。将 Claude Agent SDK 智能体接入 Conductor 的价值在于你保留了 Claude 生态的原生体验Claude Code 模型与 Read/Glob/Grep 等工具同时获得工作流级的持久化执行、任务化追踪与完整历史回放能力——这正是 Conductor 作为事件驱动的 agentic 工作流引擎为 AI Agent 提供的耐久且高弹性的执行底座。【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考