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-二趣网

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_URL=http://localhost:8080/api

Docker 容器：

docker run --rm -p 8080:8080 conductoross/conductor:latest export CONDUCTOR_SERVER_URL=http://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.md）：

python -m pip install 'conductor-python[claude]' export CONDUCTOR_SERVER_URL={{CONDUCTOR_SERVER_URL}} # For authenticated Conductor servers: # export CONDUCTOR_AUTH_KEY=<YOUR_AUTH_KEY> # export CONDUCTOR_AUTH_SECRET=<YOUR_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.py：

from conductor.ai.agents import Agent, AgentRuntime, ClaudeCode agent = Agent( name="claude_code_assistant", model=ClaudeCode("sonnet"), instructions="Inspect 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.com；timeout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 = 1.0（Anthropic 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。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析