Das Claude Agent SDK ist Anthropics offizielles Framework, um produktionsreife KI-Agenten direkt auf den Claude-Modellen zu bauen. Statt die Tool-Schleife eines Agenten manuell zu programmieren, liefert das SDK ein fertiges Agent-Harness: automatische Tool-Loops, native MCP-Integration, Subagents, Session- und Kontext-Management sowie ein integriertes Permission- und Sandbox-System. Es ging am 29. September 2025 aus dem Claude Code SDK hervor und nutzt dasselbe Toolset, das auch hinter Claude Code steckt.

Drei Schnellantworten

• Was es ist: Ein Anthropic-natives SDK (Python und TypeScript), das Claude managed Tool-Loops, Sessions, Sandboxing und Subagents bereitstellt, also alles, was man sonst um einen rohen LLM-API-Call selbst bauen muss.
• Wann es passt: Coding-Agenten, Research-Agenten und langlaufende, mehrstufige Tasks in einem Stack, der bewusst auf Claude-Modelle setzt.
• Was man beachten muss: Provider-Lock auf Claude, API noch v0.x mit Breaking Changes (Stand 2026), Code unter Apache 2.0, Nutzung aber unter Anthropic Commercial Terms.

Vom Claude Code SDK zum Claude Agent SDK

Das Framework hieß ursprünglich Claude Code SDK und war das technische Fundament des Coding-Agenten Claude Code. Mit der Umbenennung am 29. September 2025 positioniert Anthropic es bewusst breiter: nicht nur für Coding, sondern als generelles Harness für Agenten mit Tool-Use. Der Kerngedanke bleibt das sogenannte „Dogfooding": Entwickler bekommen exakt dasselbe Toolset und dieselbe Loop-Mechanik, die Anthropic intern für Claude Code einsetzt, also Read, Write, Edit, Bash, File- und Web-Tools.

Das ist der entscheidende Unterschied zum reinen Anthropic Client SDK. Beim Client SDK schreibt man die Agenten-Schleife selbst: Modell aufrufen, Tool-Call entgegennehmen, Tool ausführen, Ergebnis zurückspielen, erneut aufrufen. Das Agent SDK übernimmt genau diese Orchestrierung und ergänzt sie um Produktions-Bausteine. Anthropic selbst warnt in „Building Effective Agents" (Dezember 2024) davor, bei nichttrivialer Tool-Nutzung solche Loops von Hand zu bauen, empfiehlt aber gleichzeitig das Prinzip „simplest solution first": Wer nur einen einzelnen API-Call braucht, braucht kein Framework.

Die zentralen Bausteine

Tool-Use und das Claude-Code-Toolset. Das SDK bringt die erprobten Werkzeuge File, Bash, Web sowie Read/Write/Edit mit. Damit kann ein Agent Dateien lesen und schreiben, Shell-Befehle ausführen und Web-Inhalte abrufen, ohne dass man diese Tools selbst definieren und absichern muss.

Native MCP-Integration. Das Model Context Protocol (MCP) ist im Claude Agent SDK nativ verankert; MCP-Server können sogar in-process betrieben werden. MCP standardisiert den Zugriff auf externe Tools, Datenquellen und APIs. Seit der Übergabe an die Linux Foundation Agentic AI Foundation (AAIF) am 9. Dezember 2025 ist das Protokoll vendor-neutral; laut Anthropic erreichte es im April 2026 über 110 Millionen monatliche SDK-Downloads und mehr als 10.000 aktive Server. Für Agenturen heißt das: einmal als MCP-Server gebaute Integrationen sind auch außerhalb des Anthropic-Ökosystems wiederverwendbar.

Subagents und Sessions. Statt eines klassischen Graph-Modells (wie bei LangGraph) setzt das SDK auf Subagents und Sessions für Multi-Step- und arbeitsteilige Abläufe. Ein Hauptagent kann spezialisierte Subagents für Teilaufgaben spawnen; Sessions halten den Kontext über mehrere Schritte. Eine native A2A-Unterstützung (Agent-to-Agent-Protokoll) gibt es offiziell nicht, was das SDK von Microsoft Agent Framework, CrewAI oder Pydantic AI abgrenzt.

Kontext- und Permission-Management plus Sandbox. Das SDK verwaltet den Kontext über die Session und enthält ein integriertes Permission-System sowie Sandboxing. In der Production-Readiness-Bewertung der Research gehört das SDK damit zur Spitzengruppe bei Security/Sandbox. Permissions steuern, welche Aktionen ein Agent ausführen darf, etwa welche Dateien geschrieben oder welche Befehle ausgeführt werden dürfen, ein wichtiger Hebel für Human-in-the-Loop und Audit-Anforderungen.

Observability über Hooks. Anders als LangGraph (LangSmith) oder Pydantic AI (Logfire) hat das SDK keine reife First-Party-Observability-Plattform. Es arbeitet Hooks-basiert und integriert mit der Anthropic Console. Wer reines SDK-Self-Hosting betreibt, muss eigenes strukturiertes Logging für Traceability und EU-AI-Act-relevante Nachweise ergänzen.

Einordnung im Anthropic-Ökosystem

Die Stärke des SDK liegt in der engen Kopplung an die Claude-Modelle und an MCP. Im Layer-Modell der Frameworks sitzt es zusammen mit dem OpenAI Agents SDK auf der Agent-Runtime/Harness-Ebene, also eine Schicht über den reinen Provider-SDKs und mit anderem Charakter als die Framework-Schicht (LangGraph, CrewAI, Pydantic AI). Diese Nähe ist Vorteil und Einschränkung zugleich: Optimierung und Toolset sind auf Claude zugeschnitten, dafür gibt es keinen Model-Swap auf GPT, Gemini oder lokale Modelle.

Zur Verbreitung: Das TypeScript-Paket verzeichnete laut Sekundärquellen rund 1,85 Millionen NPM-Wochendownloads (Februar 2026). Mit Apple Xcode 26.3 hat ein prominenter Hersteller das SDK nativ integriert. Diese Zahlen sind als Momentaufnahme zu verstehen und vor jeder Veröffentlichung neu zu prüfen.

DACH-Perspektive: Souveränität und Lizenz

Für DACH-B2B-Entscheider sind zwei Punkte zentral. Erstens die Datenresidenz: Der direkte Anthropic-Endpoint liegt in den USA. Für strikte EU-/DSGVO-Anforderungen führt der Weg über AWS Bedrock (EU-Region), Google Vertex oder Azure AI Foundry. Das SDK selbst ist OSS und lokal lauffähig, der Modell-Endpoint ist es nicht, daher die Einordnung „mittlere Souveränität" gegenüber vollständig self-hostbaren Frameworks wie n8n (DE-Vendor), LangGraph oder Pydantic AI.

Zweitens die Lizenz: Der SDK-Code steht unter Apache 2.0, die Nutzung der Claude-Modelle jedoch unter den Anthropic Commercial Terms, nicht unter einem reinen Open-Source-Mindset. Diese Trennung gehört sauber in jede Vendor-Evaluation und Procurement-Prüfung.

Konkretes Beispiel

Angenommen, eine Agentur baut einen Research-Agenten, der für jede Anfrage interne Markdown-Dokumente durchsucht, einen Wettbewerber-Steckbrief erstellt und das Ergebnis als Datei ablegt. Mit dem Client SDK müsste das Team die komplette Tool-Loop, Fehlerbehandlung und Kontext-Verwaltung selbst schreiben, in Drittanalysen für vergleichbare ReAct-Agenten grob 40 bis über 100 Zeilen Orchestrierungs-Code. Mit dem Claude Agent SDK reduziert sich das auf eine Konfiguration:

```python

Pseudocode, Claude Agent SDK (Stand 2026, API v0.x)

options = ClaudeAgentOptions(
model="claude-...", # an Claude-Modelle gebunden
allowed_tools=["Read", "Write", "Web"],
permission_mode="ask", # Human-in-the-Loop bei kritischen Aktionen
mcp_servers=[crm_mcp_server], # native MCP-Anbindung, z. B. CRM
setting_sources=[...], # nach Rename explizit zu setzen
)

Subagent fuer die reine Recherche, Hauptagent fasst zusammen

agent.run("Erstelle einen Wettbewerber-Steckbrief zu Firma X.")
```

Wichtig beim Umstieg von der alten Benennung: ClaudeCodeOptions heißt jetzt ClaudeAgentOptions, und setting_sources muss seit dem Rename explizit gesetzt werden. Die Tool-Loops, das Spawnen des Recherche-Subagents, das Session-Kontextmanagement und die Permission-Abfrage vor dem Schreiben der Datei übernimmt das SDK.

Für Agenturen und B2B

Das Claude Agent SDK ist die richtige Wahl, wenn die strategische Modell-Entscheidung ohnehin auf Claude fällt und der Schwerpunkt auf Coding-, Research- oder Long-Running-Agenten liegt. Es verkürzt die Time-to-Production durch ein erprobtes Harness und native MCP-Anbindung erheblich. Wer dagegen Modell-Agnostik, native A2A-Multi-Agent-Kommunikation, eine reife First-Party-Observability oder vollständige EU-Souveränität ohne US-Vendor braucht, sollte LangGraph, Pydantic AI oder n8n prüfen. Blck Alpaca evaluiert für DACH-Kund:innen Framework, Hosting-Pfad (Bedrock/Vertex/Azure-EU) und Lizenz-Implikationen gemeinsam, damit aus dem Prototyp ein DSGVO-konformer Produktionsbetrieb wird. Alle Versions-, Preis- und Verbreitungsangaben sind Stand 2026 und vor Projektstart neu zu verifizieren.