★ FEATURED ARTICLE 1. 从 LangChain 到 Agent SDK多 Agent 框架选型到底在选什么如果你最近半年刷开发者社区大概率会看到两种极端声音一边说 LangChain 和 LangGraph 已经过时另一边说没有它们根本做不了复杂 Agent。我自己的判断是这两句话都不准确。真正发生的变化是2023 年你必须靠第三方框架才能拿到的能力比如工具调用、状态管理、子 Agent 交接、上下文压缩到了 2026 年已经被模型厂商直接做进了官方 SDK。框架没有死只是它从唯一入口变成了其中一种选择。这篇文章不聊概念直接动手。我会用同一个任务——读取本地文件、调用一个自定义工具、把结果整理成结构化输出——分别在 Claude Agent SDK 和 OpenAI Agents SDK 里跑一遍中间用 TaoToken 的统一 Key 和 Base URL 接入这样你不用准备两套账号、两套计费。跑完之后你能直观看到两个 SDK 在工具调用协议、多轮编排、handoff 机制上的差异也能判断自己手上的项目迁移成本有多大。适合谁看已经写过至少一个 LLM 应用、正在纠结要不要从 LangChain 迁走、或者准备新开一个多 Agent 项目的开发者。如果你还没碰过 Agent只要能跑 Python、会配环境变量也能跟着走完。先说结论方向免得你看到一半才发现选错Claude Agent SDK 更适合长周期、需要读文件跑代码、MCP 原生集成的场景OpenAI Agents SDK 更适合多 Agent 之间频繁 handoff、需要内置 tracing 的场景。两者都能通过 TaoToken 用同一套凭证接入切换成本比你想的低。2. TaoToken 前置准备一个 Key 打通两个 SDK 的 Base URL 配置在动手写 Agent 之前先把接入层搞定。Claude Agent SDK 默认走 Anthropic 官方端点OpenAI Agents SDK 默认走 OpenAI 官方端点如果你两边都注册账号就要维护两套 Key、两套额度、两套账单。用 TaoToken 的好处是它提供 OpenAI 兼容和 Anthropic 兼容的统一入口你只需要一个 Key就能让两个 SDK 都指向同一个 Base URL。先拿到 Key。打开 https://taotoken.net/api-keys 登录后创建一个 API Key复制出来形如sk-xxxxxxxx。这个 Key 后面两个 SDK 都会用到。然后是 Base URL。TaoToken 的 API 根地址是https://taotoken.net/api注意这里不要加任何查询参数。OpenAI 兼容的调用路径是https://taotoken.net/api/v1Anthropic 兼容的调用路径是https://taotoken.net/apiAnthropic SDK 会自动拼/v1/messages。这两个路径的区别很关键配错了会直接 404。环境变量建议这样组织写进你的.env或者 shell profile# TaoToken 统一凭证 export TAOTOKEN_API_KEYsk-你的key # OpenAI Agents SDK 用这个 export OPENAI_API_KEY$TAOTOKEN_API_KEY export OPENAI_BASE_URLhttps://taotoken.net/api/v1 # Claude Agent SDK 用这个 export ANTHROPIC_API_KEY$TAOTOKEN_API_KEY export ANTHROPIC_BASE_URLhttps://taotoken.net/api这里有个坑要提前说Claude Agent SDK 底层用的是 Anthropic 的 Python SDK它读的是ANTHROPIC_BASE_URL而不是ANTHROPIC_API_URL。我见过有人写成后者结果 SDK 一直往官方端点打报 401。另外OPENAI_BASE_URL一定要带/v1因为 OpenAI SDK 不会自动补而 Anthropic SDK 会自己补/v1/messages所以它的 Base URL 反而不带/v1。这个不对称是很多人第一次配的时候最容易翻车的地方。模型 ID 也要提前确认。TaoToken 上 Claude 系列可以用claude-sonnet-4-5这类 IDOpenAI 系列可以用gpt-4o或gpt-4o-mini。具体可用列表在 https://taotoken.net/doc 里有建议先看一眼再写代码避免模型名写错导致model_not_found。如果你更习惯用配置文件而不是环境变量OpenAI Agents SDK 也支持在代码里显式传base_urlClaude Agent SDK 支持传base_url参数。但环境变量方式对两个 SDK 都通用迁移时改动最小我推荐优先用环境变量。3. 可复制配置两个 SDK 的安装与最小可运行片段这一节给你可以直接复制粘贴的代码。先装依赖两个 SDK 互不冲突可以装在同一个虚拟环境里python -m venv agent-demo source agent-demo/bin/activate # Windows 用 agent-demo\Scripts\activate pip install claude-agent-sdk openai-agents python-dotenv3.1 Claude Agent SDK 的最小配置Claude Agent SDK 的核心是query函数和ClaudeAgentOptions。下面这段代码定义了一个带自定义工具的 Agent工具叫read_local_file读取指定路径的文件内容import asyncio import os from claude_agent_sdk import query, ClaudeAgentOptions, tool tool(read_local_file, 读取本地文件内容, {path: str}) async def read_local_file(args): with open(args[path], r, encodingutf-8) as f: return f.read()[:2000] async def main(): options ClaudeAgentOptions( modelclaude-sonnet-4-5, base_urlos.environ[ANTHROPIC_BASE_URL], api_keyos.environ[ANTHROPIC_API_KEY], tools[read_local_file], max_turns5, ) async for message in query( prompt读取 ./demo.txt 的内容然后用一句话总结它讲了什么, optionsoptions, ): print(message) asyncio.run(main())注意base_url和api_key我这里是显式传的你也可以省略让 SDK 自己读环境变量。显式传的好处是排查问题时一眼能看到实际用的地址。3.2 OpenAI Agents SDK 的最小配置OpenAI Agents SDK 的核心是Agent、Runner和function_tool装饰器。同样的任务代码结构不太一样import asyncio import os from agents import Agent, Runner, function_tool, set_default_openai_client from openai import AsyncOpenAI client AsyncOpenAI( api_keyos.environ[OPENAI_API_KEY], base_urlos.environ[OPENAI_BASE_URL], ) set_default_openai_client(client) function_tool def read_local_file(path: str) - str: 读取本地文件内容 with open(path, r, encodingutf-8) as f: return f.read()[:2000] agent Agent( namefile_summarizer, modelgpt-4o-mini, instructions你是一个文件总结助手需要读取文件后给出简洁总结。, tools[read_local_file], ) async def main(): result await Runner.run( agent, input读取 ./demo.txt 的内容然后用一句话总结它讲了什么, ) print(result.final_output) asyncio.run(main())两个 SDK 的差异在这里已经能看出来了Claude Agent SDK 用tool装饰器加字典 schemaOpenAI Agents SDK 用function_tool直接读函数签名和 docstring。前者更接近 MCP 的工具描述格式后者更接近 Python 原生风格。3.3 多 Agent handoff 的配置差异如果你要做多 Agent 协作OpenAI Agents SDK 的 handoff 是一等公民写法很直接from agents import Agent, handoff billing_agent Agent(namebilling, instructions处理账单问题) tech_agent Agent(nametech, instructions处理技术问题) triage_agent Agent( nametriage, instructions判断用户问题类型并转交, handoffs[handoff(billing_agent), handoff(tech_agent)], )Claude Agent SDK 没有同名的 handoff 概念它更倾向于用子 Agent 加 MCP 工具的方式实现类似效果或者干脆在一个 Agent 里用工具调用来分发。这是两者设计哲学的核心区别OpenAI 把交接做成协议Claude 把能力做成工具。4. 验证请求跑通同一任务并对比工具调用与多轮编排配置写完了现在实际跑一遍。先准备一个测试文件echo TaoToken 是一个统一的大模型 API 接入平台支持 OpenAI 和 Anthropic 兼容协议方便开发者在多个 SDK 之间切换。 demo.txt然后分别运行两个脚本。Claude Agent SDK 的输出是流式的你会看到类似这样的消息序列ToolUseBlock(nameread_local_file, input{path: ./demo.txt}) ToolResultBlock(contentTaoToken 是一个统一的大模型 API 接入平台...) TextBlock(text这个文件介绍了 TaoToken 是一个统一的大模型 API 接入平台支持多协议接入。)OpenAI Agents SDK 的输出更聚合result.final_output直接给你最终文本中间的工具调用记录在result.new_items里可以遍历查看。实测下来两个 SDK 在单工具单轮任务上的表现几乎一致差异主要体现在三个地方第一工具调用的错误处理。Claude Agent SDK 在工具抛异常时会自动把异常信息作为 tool result 回传给模型模型有机会自我修正。OpenAI Agents SDK 默认也会捕获但你需要确认function_tool的异常是否被正确序列化否则可能看到reading choices之类的解析错误。第二多轮编排的显式程度。Claude Agent SDK 的max_turns控制的是模型和工具之间的往返次数超过就停。OpenAI Agents SDK 用max_turns控制 Agent 之间的 handoff 次数语义不完全一样。如果你从一边迁到另一边这个参数的含义要重新理解。第三流式输出的粒度。Claude 的query是 async generator每个 block 单独 yield适合做实时 UI。OpenAI 的Runner.run默认返回完整结果要流式得用Runner.run_streamed。做聊天界面的话Claude 这边开箱即用的体验更顺。验证成功的标志很简单两个脚本都能读到demo.txt的内容并输出一句合理的总结。如果卡住了看下一节的排查清单。5. 本篇常见错排查401、local proxy failed 与 reading choices这一节列的都是我自己踩过或者帮别人排查过的真实报错按出现频率排序。401 Unauthorized / invalid_api_key。九成是 Key 没传对。检查三件事环境变量有没有export生效echo $ANTHROPIC_API_KEY看有没有值Key 有没有多余空格或换行Base URL 和 Key 是不是配到了同一个平台。特别注意如果你之前配过官方 Anthropic 的 Key现在换成 TaoToken 的 Key但ANTHROPIC_BASE_URL没改就会拿 TaoToken 的 Key 去打官方端点必然 401。local proxy failed / connection refused。这个报错通常出现在你本地开了某些网络工具SDK 走了系统代理但代理没起来。解决办法是在代码里显式禁用代理或者检查HTTP_PROXY/HTTPS_PROXY环境变量。OpenAI SDK 和 Anthropic SDK 都会读这两个变量。如果你不确定先unset HTTP_PROXY HTTPS_PROXY再跑。reading choices / KeyError choices。这是 OpenAI 兼容层的经典错误说明返回的 JSON 结构里没有choices字段。原因一般是 Base URL 配错了比如把 Anthropic 的端点配给了 OpenAI SDK或者/v1漏了。OpenAI SDK 期望的是{choices: [...]}Anthropic 返回的是{content: [...]}结构完全不同。检查OPENAI_BASE_URL是不是https://taotoken.net/api/v1。OAuth error / authentication_error。Claude Agent SDK 某些版本会尝试走 OAuth 流程如果你用的是 API Key 而不是 OAuth token需要在 options 里明确传api_key或者确保ANTHROPIC_API_KEY被正确读取。如果同时存在ANTHROPIC_AUTH_TOKEN可能会冲突建议只保留一个。model_not_found。模型 ID 写错了或者你的账号没有该模型的权限。去 https://taotoken.net/doc 确认可用模型列表注意大小写和版本号后缀。工具调用死循环。模型反复调用同一个工具不返回。这通常是工具描述写得太模糊模型不知道什么时候该停。给工具加明确的何时使用说明或者在 options 里设max_turns兜底。排查顺序建议先curl一下 Base URL 确认网络通再单独测 SDK 的最小请求最后才上完整 Agent 逻辑。这样能把问题范围快速缩小到接入层还是业务层。6. 语义一致 CTA按你的场景选对入口跑完上面的对比你应该对两个 SDK 的手感有判断了。接下来按你的实际需求选入口别一股脑全上。如果你主要在做排障和接入验证需要反复调 Base URL、换 Key、测模型连通性直接去 https://taotoken.net/api-keys 管理你的 Key配合 https://taotoken.net/doc 里的接入文档对照参数。这两个页面是你排查 401 和 reading choices 时最常回来的地方。如果你想先不写代码单纯验证某个模型在工具调用上的表现用模型对话页面最快https://taotoken.net/chat 。把工具描述和测试输入贴进去看模型怎么规划调用比写脚本快得多。如果你已经确定要长期做编码类 Agent 或者多 Agent 编排比如类似 Claude Code 那种读文件、跑命令、多轮修改的场景建议直接上 Coding Planhttps://taotoken.net/coding-plan 。它针对长周期、高频调用的场景做了额度优化比按次计费划算也不用每次担心额度跑光。最后给一个我自己的经验不要因为某个框架火就上也不要因为某个框架被唱衰就躲。先问自己三个问题——我的 Agent 需要跨会话保持状态吗需要人类审批节点吗需要多个模型混用吗三个都是否直接用官方 SDK 加一个 while 循环就够了有一个是是再考虑 LangGraph 或对应的编排层。框架是代价不是信仰能少一层抽象就少一层。
阅读完成 · 觉得有帮助？
-介绍)
