Agent 模式：Patterns 与 Claude Agent SDK
如果你想借 Cookbook 学 agent，最有效的阅读方式通常不是“先学工具”，而是分两步读：
- 先看工作流模式，判断任务应该怎么拆、怎么评审、怎么汇总；
- 再看可运行的 agent 示例，把工具、权限、hooks 与外部系统接进去。
推荐 Notebook
1) 先看 Patterns：把编排套路认清
你可以把它们当作“多轮工作流的模板”：任务拆分、并行/串行、评审反馈、以及如何把质量回路闭合。
2) 再看 Claude Agent SDK：把套路变成可运行的 agent
这些示例往往会涉及外部依赖，例如 MCP server、GitHub token 或本地脚本。建议先把一条最小本地链路跑通，再逐个扩展。
怎么读这一组内容更高效
1) 先定流程，再谈工具
多数情况下，真正该先回答的问题不是“该装什么能力”，而是：
- 这是单 agent 任务，还是多角色协作任务？
- 质量检查应该插在哪里？
- 哪些步骤适合并行？
- 哪些输出必须保持稳定？
这也是为什么建议先看 Patterns：先把工作流形状定下来，再补工程实现。
2) 当流程稳定后，再补工程层细节
等你知道流程怎么走，SDK 示例才会真正有价值。它们回答的是另一类问题：
- 工具权限怎么收紧
- 输出风格怎么稳定
- hooks 和本地自动化怎么接
- 怎样把 agent 连到外部系统
3) 可以先抓住这三个代表性例子
最小研究回路
00_The_one_liner_research_agent.ipynb 里展示了两种很实用的模式：
- 最小用法：
allowed_tools=["WebSearch"]，快速把“研究能力”跑起来 - 系统提示词把“必须给来源”写成硬约束：要求输出 markdown 链接形式的 citations，并在结尾集中到
Sources:区块
它还演示了调大 max_buffer_size（示例设为 10MB）来处理更大的输入/产物（例如图片）。
运行协调者
chief-of-staff 这个例子更适合团队场景：当你希望一个 agent 不只是“会做事”，还要在输出风格、权限边界、执行约束上保持一致时，可以重点看它。里面比较关键的点包括：
- 通过
settings='{\"outputStyle\": \"executive\"}'（以及technical示例）选择输出风格 setting_sources=["project"]才会加载.claude/output-styles/等项目级文件系统配置- 如果要启用 hooks，需要
setting_sources=["project","local"]（并且 notebook 明确强调必须同时包含两者）
外部系统接入
02_The_observability_agent.ipynb 提供了非常“可照抄”的 MCP 连接方式：
- Git MCP server：
uv run python -m mcp_server_git --repository <repo_root> - GitHub MCP server：通过 Docker 运行
ghcr.io/github/github-mcp-server，并从GITHUB_TOKEN注入GITHUB_PERSONAL_ACCESS_TOKEN
它还强调了一个关键安全点：
- 需要用
disallowed_tools才能真正限制工具集（否则 agent 可能仍能用 Bash/CLI 绕过 MCP）。
推荐阅读顺序
- 先用 Patterns 把“流程怎么走、哪里需要反馈/评测”定下来；
- 再决定工具层：Tool Use / PTC / Context Compaction / Memory；
- 最后再把“工程实践”（hooks、输出风格、权限、可观测性）补齐。