怎样学 Claude Agent 开发：一条七步路线

学 Claude agent 开发最快的路径，是按顺序爬同一架梯子：无状态的 Messages API，然后 tool use，然后 agent 循环，然后多 agent 编排，然后 MCP，然后 Claude Code，最后 Agent SDK。每一级都复用下一级，跳级正是多数自学工程师后来卡住的原因。

Claude Certified Architect – Foundations 考试（CCA-F）考的恰好就是这一整套栈，所以把它当里程碑很合适，不算绕路。下面每一步都链接到本站免费的学习指南文章，你可以直接从概念跳到练习。

为什么要按这个顺序学？

每一层都建立在下一层之上。tool use 是无状态消息数组之上的一套约定；agent 循环是反复执行 tool use 直到模型停下；子代理是协调者用精心准备的提示词启动的 agent 循环；MCP 是提供工具的标准方式；Claude Code 和 Agent SDK 是把上面所有东西打包好的产品。先学高层，它的失败模式看起来像魔法；按顺序学，每一层都只是一小步。

七个步骤分别是什么？

第 1 步：理解 Messages API 没有记忆

其他一切都建立在一个事实上：每次 API 请求彼此独立。没有会话，没有服务端状态。发第 4 轮时，你发的是第 1 到第 4 轮的全部内容。system 提示位于请求顶层，与 messages 分开，为每一轮定框架。

如果你见过一段”对话”突然忘了上下文，那不是服务器忘了，是客户端不再发送历史了。读一下 Messages API 没有记忆——每次请求都是从零开始和读懂响应：stop_reason 才是你的控制信号，然后写一个 30 行的脚本，维护一个消息数组，把每次 assistant 的回复追加进去。这个脚本就是你以后每个 agent 的种子。

**检查点：**你能解释为什么输入成本随轮数增长，能说出最重要的两个 stop_reason 值。

第 2 步：把 tool use 当协议学，不是当功能学

tool use 是跨越至少两次 API 调用的六步舞：你定义工具，模型返回 tool_use 块，你的代码执行它，你把引用同一 ID 的 tool_result 发回去，模型继续。Claude 自己从不执行任何东西。这种分离就是为什么安全和限流归你管，不归模型管。

练习方式：定义一个带真实 input_schema 的工具，观察模型用你没有硬编码的参数调用它。然后故意搞坏它：把描述缩成五个词，看选择准确率怎么滑坡。文章：Tool Use 的舞步：六个步骤，三次 API 调用、定义工具：名称、描述和输入 Schema，以及领域 2 的简略描述 30% 误路由，详细描述接近零。

**检查点：**你能写出一条包含用途、输入、输出、使用场景和”NOT for”边界的工具描述。

第 3 步：手写 agent 循环

agent 就是一个循环：推理、行动、观察、重复，直到 stop_reason 变成 end_turn。先自己写一遍，加上 max_turns 保护，再让框架把它藏起来。你会用吃亏的方式学到三件考试后面要考的事：循环由模型驱动（没有固定步数）；它不保证完成；每次迭代都重新发送完整历史。

然后读 Agentic 循环：推理 → 行动 → 观察 → 重复、Agent 做事，Chatbot 聊事，以及领域 1 的 stop_reason 才是唯一靠谱的循环控制。现在就给你的工具加上结构化错误结果；一个对所有问题都只收到 “Operation failed” 的 agent，会对权限错误无限重试。

**检查点：**你的循环在 end_turn 时终止，在轮数上限处停止，工具错误带着分类和可重试标记传回。

第 4 步：进入子代理和编排

一个 agent 跑通之后，问题就变成多个 agent 怎么协作。先学五种编排模式（链式、路由、并行、编排者-工作者、评估者-优化者），这样你能给自己在造的东西起名字。然后学让 hub-and-spoke 系统运转的两条规则：子代理只和协调者对话；子代理从空上下文启动，所以协调者必须把它需要的每个事实都写进任务提示词。

搭一个协调者加两个专家，每个专家只给它角色需要的工具。观察忘记把协调者的发现写进子代理提示词时会发生什么：它把活重做一遍。文章：五种编排模式：从简单链式到动态协调、Hub-and-Spoke：所有路径都经过协调者、子代理什么也看不到：上下文必须显式传递。本站还有一篇更长的子代理为什么要做上下文隔离。

**检查点：**你能解释什么时候该并行运行子代理、为什么纯文本交接会丢失归因、为什么协调者自己的允许列表里必须有 Task 工具。

第 5 步：把 MCP 当集成层学

Model Context Protocol 把 AI 应用与外部系统的对话标准化了：底层是 JSON-RPC，上层三个原语（Tools 做动作，Resources 做可浏览的只读数据，Prompts 做模板），传输方式按部署选（本地进程用 stdio，远程用基于 HTTP 的方式）。它是开放协议，不是 Claude 的专属功能。

写一个极小的 stdio server，暴露一个工具和一个 resource，接上，然后为一个模拟的超时返回正确的 isError: true。注意命名坑：MCP 用 inputSchema，Messages API 用 input_schema。文章：MCP：一个协议连接一切、Tools、Resources、Prompts：MCP 的三大原语、本地用 stdio，远程用 HTTP：选择 MCP 传输方式，以及本站的 MCP server 设计错误一文。

**检查点：**你能说出某项能力该用哪个原语，团队共享的 server 配置放在哪（.mcp.json，密钥用 ${ENV_VAR}）。

第 6 步：把 Claude Code 当日常 agent 用，并且正确配置它

Claude Code 是 Anthropic 的 CLI agent。用它能让你从操作者的座位上体会一个配置良好的 agent 是什么感觉：CLAUDE.md 放长期指令，.claude/rules/ 配路径 glob 放范围限定的约定，Skills 放按需工作流，权限模式管控制，hook 管确定性强制，-p 用于非交互的 CI 运行。

搭一个真实项目：一份简短的项目级 CLAUDE.md、一个按路径限定的规则文件、一个拦截破坏性命令的 PreToolUse hook。文章：Claude Code：一个 CLI 工具，不是 IDE、CLAUDE.md 的三个层级：用户、项目、目录、四种权限模式：从完全控制到完全自动化，以及本站的 CLAUDE.md 怎么写指南。

**检查点：**你能解释为什么安全规则该放在 hook 里而不是 CLAUDE.md 的一句话里，为什么 plan 模式是严格只读的。

第 7 步：升级到 Agent SDK

Agent SDK 把 Claude Code 的引擎（工具循环、子代理、权限、hook、MCP 连接）打包成你可以编程调用的东西，适用于任何领域，不限于写代码。两个接口：query() 用于无状态的单次任务，ClaudeSDKClient 用于多轮会话。两者都跑完整的工具循环，区别在于跨调用的状态。ClaudeAgentOptions 里放着 allowed_tools（白名单）、permission_mode、max_turns、hooks、mcp_servers，AgentDefinition 描述每个子代理。

把第 4 步的协调者用 SDK 重写一遍。代码应该变短，而且现在你设的每个选项自己都能解释。文章：Agent SDK：把 Claude Code 的 Agentic 能力变成可编程的、query() vs ClaudeSDKClient：无状态 vs 有状态、ClaudeAgentOptions：配置一个 Agent 能做什么、子代理：协调者委派，专家执行。

**检查点：**你能针对给定场景在 query() 和 client 之间做选择，并且能解释两者都不改变模型和 token 成本。

CCA-F 在这条路线里处于什么位置？

考试的五个领域正好对应这架梯子：领域 1（Agentic Architecture & Orchestration，27%）是第 3、4 步加第 6 步里的 hook 部分；领域 2（Tool Design & MCP，18%）是第 2、5 步；领域 3（Claude Code Configuration，20%）是第 6 步；领域 4（Prompt Engineering & Structured Output，20%）贯穿第 1、2 步；领域 5（Context Management & Reliability，15%）是你在第 3、4 步上下文越来越长时观察到的那些问题。考试是 60 道情景题、120 分钟、闭卷、125 美元、量表分 720 通过；报名前请到 Anthropic / Pearson VUE 官方页面核对这些信息。

把它当里程碑的好处在于：题目问的是”在约束条件下哪种设计最不坏”，这和你在上面每个检查点把自己的 agent 弄坏时练出来的判断力是同一种东西。

下一步

从 Foundations 入门篇开始，它用 32 篇短文覆盖了第 1 到第 7 步；然后进入领域 1 深入编排。等检查点都觉得轻松了，做一次免费的 60 题模拟考看看缺口在哪。