GENAI 進階補充 · C · CLAUDE AGENT SDK

Claude Agent SDK：
把 Claude Code 裝進你的程式

主線第 5 課你看過 agent 迴圈的骨架：模型吐一段 JSON、你的程式執行工具、結果塞回對話，再問一次。Claude Agent SDK 把這個迴圈——連同 Claude Code 整套的讀檔、改檔、跑指令工具、 context 管理、權限與 hooks——包成一個 Python 函式 query()。你不用再寫迴圈；剩下的工作只有一件：設邊界。

下面是同一個任務（「測試沒過，找出 bug、修好、跑測試確認」）、同一個模型， 只改一行設定的三次真實錄影。按「下一步」一則一則播：

實測紀錄：claude-haiku-4-5，claude-agent-sdk 0.2.159（內含 Claude Code 2.1.281），2026-09-24。每次都從全新的專案複本開始；「測試結果」是跑完後我們自己再跑一次 unittest 的真實狀態，不是模型的自述。

實驗場是真的 Python（在你的瀏覽器裡跑，不用安裝任何東西、不需要任何帳號或金鑰）。首次載入約需 30–60 秒，正好夠你讀完第 1 節。裡面有六種設定的完整錄影、一台權限閘門模擬器、一台帳單計算機——選單、滑桿、開關隨便玩。

01 · 從迴圈到 HARNESS

SDK 替你做掉的事

一句話重點：Agent SDK ＝把 Claude Code 當函式庫用。迴圈、內建工具、context、權限、hooks、子代理、session 全部內建（這整套叫 harness，馬具）；你給的是 prompt 和一份 ClaudeAgentOptions。

主線第 5 課手寫的是最小迴圈；本站 LLM 應用開發系列把它寫成能跑的程式。同一件事交給 SDK，分工變成這樣：

工作	手寫 tool loop	Agent SDK
迴圈	自己寫 while、自己判斷何時停	query() 直接吐出一串訊息，停在 ResultMessage
工具	每個都自己寫 schema、自己執行	內建 Read／Edit／Write／Bash／WebSearch／WebFetch／Agent…（這次錄影的清單有 29 個）
context	自己管 messages、自己算長度	自動重送、自動開 prompt caching，快滿時自動壓縮（有 PreCompact hook 可接）
權限	自己寫 if	permission_mode、allowed_tools、disallowed_tools、can_use_tool
攔截與稽核	自己包一層	hooks：PreToolUse、PostToolUse、Stop…
帳單	自己加總 usage	ResultMessage 給你 num_turns、total_cost_usd、逐模型的 model_usage

整支 agent 程式就這麼短（參考程式，不在課內執行；需要 pip install claude-agent-sdk 與 API key）：

import asyncio
from claude_agent_sdk import (query, ClaudeAgentOptions,
                              AssistantMessage, ToolUseBlock, ResultMessage)

async def main():
    options = ClaudeAgentOptions(
        model="claude-haiku-4-5",
        cwd="shop-demo",                         # agent 在哪個資料夾工作
        allowed_tools=["Read", "Edit", "Bash"],  # 這三個工具不用問、直接放行
    )
    async for msg in query(prompt="測試沒過，找出 bug、修好、跑測試確認。", options=options):
        if isinstance(msg, AssistantMessage):
            for block in msg.content:
                if isinstance(block, ToolUseBlock):
                    print("→", block.name, block.input)       # 模型要求的工具呼叫
        elif isinstance(msg, ResultMessage):
            print(msg.subtype, msg.num_turns, msg.total_cost_usd)

asyncio.run(main())

query() 吐出來的訊息串，就是 hero 播放器裡那一則一則的卡片： SystemMessage(init)（這次有哪些工具、什麼模式）→ AssistantMessage（模型說的話 TextBlock、要求的呼叫 ToolUseBlock）→ UserMessage（工具結果 ToolResultBlock）→ …… → ResultMessage（帳單）。執行工具、把結果塞回去、再問模型——主線第 5 課你手寫的那幾行，全在 SDK 裡面。

兩個預設值要知道：system prompt 預設是空的（SDK 啟動 Claude Code 時傳 --system-prompt ""；要 Claude Code 完整的行為準則，寫 system_prompt={"type": "preset", "preset": "claude_code"}）； setting_sources 預設會載入你電腦上的設定（~/.claude、專案的 CLAUDE.md）。錄影時我們一律設 setting_sources=[]，讓結果只反映程式本身——正式上線時也建議這樣做，不然換一台機器行為就變。

02 · 權限

六道閘門：誰說了算

一句話重點：模型每要求一次工具，SDK 依固定順序過六道閘門，第一個做出決定的說了算—— hooks → deny 規則 → ask 規則 → 權限模式 → allow 規則 → can_use_tool。

Hooks：你的 PreToolUse 函式最先執行，可以直接擋（hook 的「放行」不會跳過後面的規則）。
deny 規則：disallowed_tools。裸名稱（"Bash"）乾脆把工具從清單拿掉；有範圍的（"Bash(rm *)"）在這裡擋。
ask 規則：settings.json 才能設，符合的一律送去問 can_use_tool。
權限模式：permission_mode（下表）。
allow 規則：allowed_tools。另外，工作目錄內讀檔、find／ls 這類唯讀指令本來就免審。
can_use_tool：前面都沒決定的，才來問你的函式；沒設函式就沒人可問——拒絕。

permission_mode	行為（官方文件，2026-09 查證）
default	模式本身不放行任何東西；需要核准又沒被 allow 規則放行的，送去問 can_use_tool
acceptEdits	工作目錄內的改檔，以及 mkdir／touch／rm／mv／cp／sed 自動放行
plan	只看、只規劃：改檔一律送審，連 allow 規則都不算
dontAsk	不問人：沒被規則放行的一律拒絕，can_use_tool 永遠不會被叫
bypassPermissions	全部放行——但 hooks、deny、ask 規則排在它前面，照樣擋得住
auto	由一個模型分類器決定放行或拒絕（可用性見官方文件）

錄影裡實際撞到的三件反直覺的事：

① headless 預設＝能看不能動。錄影①什麼都沒設：Read 和 find 直接跑，改檔卻被拒——「Claude requested permissions to write to ~/shop-demo/shop/cart.py, but you haven't granted it yet.」因為沒有人可以按「允許」。模型最後只能把修法用文字告訴你，測試照樣是紅的——而 subtype 仍是 success。

② allowed_tools 是放行清單，不是限制清單。設 bypassPermissions 再把 allowed_tools 只寫 ["Read"]， Bash 照樣執行（實測：python3 -c "print(6*7)" 輸出 42）。沒列到的工具掉到權限模式， bypass 一律放行。

③ deny 規則和 hook 連 bypass 都擋得住。同樣是 bypassPermissions，加上 disallowed_tools=["Bash(rm *)"]，rm -rf build 被擋下：「Permission to use Bash with command rm -rf build && echo "清理完成" has been denied.」——它們排在權限模式前面。

03 · 你的程式當守門員

hooks 與 can_use_tool

一句話重點：hook 在每一次工具呼叫前都會跑（第一道閘門），適合護欄與稽核； can_use_tool 只在「沒有規則放行、需要問人」時才被叫（最後一道），適合人工審批。

錄影③的 hook：一個記錄每次呼叫，一個規定 Bash 只准跑 unittest（參考程式）：

async def bash_guard(input_data, tool_use_id, context):
    cmd = input_data["tool_input"].get("command", "")
    if not cmd.strip().startswith("python3 -m unittest"):
        return {"hookSpecificOutput": {
            "hookEventName": "PreToolUse",
            "permissionDecision": "deny",
            "permissionDecisionReason": "這個專案只准用 `python3 -m unittest` 跑測試；其他 shell 指令一律擋下。",
        }}
    return {}          # 回空物件＝不插手

options = ClaudeAgentOptions(
    allowed_tools=["Read", "Edit", "Bash"],
    hooks={"PreToolUse": [HookMatcher(matcher=None, hooks=[audit]),        # 每次呼叫都記一筆
                          HookMatcher(matcher="Bash", hooks=[bash_guard])]},
)

錄影裡它擋了三次：兩個 find、一個 ls -la——模型只是想找檔案。原因：在 Linux／macOS 上 Claude Code 預設不給 Glob、Grep 工具，搜尋走 Bash 的 find／grep，所以照樣經過你的 Bash 護欄。擋下的理由會回給模型：它讀到之後改用 Read 讀檔、用 python3 -m unittest discover -v 跑測試，最後照樣修好。

錄影⑤換成審批函式：

async def approver(tool_name, tool_input, context):
    path = str(tool_input.get("file_path", ""))
    if tool_name in ("Edit", "Write") and "/shop/" in path:
        return PermissionResultAllow()
    return PermissionResultDeny(message="使用者拒絕：這次只准修改 shop/ 底下的程式碼，不准執行任何指令。")

options = ClaudeAgentOptions(can_use_tool=approver)

函式被問了兩次：一次 python -m pytest（拒絕）、一次改 shop/cart.py（放行）； Read 一次都沒來問——它在第⑤道就放行了。陷阱：同時設 allowed_tools=["Bash"] 和 can_use_tool， Bash 在第⑤道就被放行，你的函式永遠不會被叫到；SDK 會警告你（實測原文見測驗第 4 題）。要「每一次都檢查」，用 hook。

plan 模式要配審批函式。錄影④只設了 permission_mode="plan"：沒接 can_use_tool 時，init 的工具清單裡根本沒有 ExitPlanMode （29 個；接了函式的⑤⑥是 32 個，多了 AskUserQuestion、EnterPlanMode、 ExitPlanMode）。模型寫好計畫卻交不出去，四處找工具、兩度嘗試改檔被擋， 繞了 22 輪、花了 $0.198，檔案一個字沒改——plan 模式確實守住了「不動手」，但流程卡死。錄影⑥加上審批函式：模型呼叫 ExitPlanMode 交出計畫 → 函式核准 → 改檔 → 測試全過，14 輪、$0.107。

04 · 帳單與記憶

ResultMessage 與 session

一句話重點：ResultMessage 是整趟的收據（輪數、時間、token、花費、被擋清單）； subtype="success" 只代表迴圈正常結束，不代表任務完成。

六段錄影的 subtype 全是 success，包括檔案一個字沒改的①④。判斷有沒有做成要看 permission_denials（①有 4 筆），再自己驗證——跑測試、看 diff。要設上限：max_turns 用完會得到 subtype="error_max_turns" （實測只給 2 輪：errors=["Reached maximum number of turns (2)"]）， max_budget_usd 超過則是 error_max_budget_usd。

花費的大頭是 context。錄影②的第一次 API 呼叫就送出約 1.46 萬個 token——幾乎全是 29 個工具的說明書；之後每一輪重送全部歷史（主線第 5 課的「上下文帳」），但 Claude Code 自動開了 prompt caching：整趟送出約 17 萬個輸入 token，其中 16.2 萬是便宜的 cache_read（牌價的 0.1 倍）、 8,504 個是寫入快取（2 倍），完全沒快取的只有 82 個。整趟 $0.0495，用 Haiku 4.5 牌價自己重算對得上。

記憶在 session，不在模型。第一次跟它說「專案代號是藍鯨」，拿到 ResultMessage.session_id；第二次 resume=session_id 問「代號是什麼」→「藍鯨」。第三次不帶 resume，它不知道—— 兩次錄影一次回「shop-demo」（拿資料夾名稱瞎猜）、一次回「找不到明確的專案代號」。 resume 一個不存在的 session 會直接丟例外：「No conversation found with session ID: …」。

05 · 擴充

自訂工具、子代理

一句話重點：@tool＋create_sdk_mcp_server 把 Python 函式變成工具（同一個行程裡的 MCP server，不用另外架伺服器）；AgentDefinition 定義專職的子代理。

from claude_agent_sdk import tool, create_sdk_mcp_server

@tool("lookup_order", "查詢訂單狀態。輸入訂單編號（例如 A1023），回傳出貨狀態、物流商與預計到貨日。",
      {"order_id": str})
async def lookup_order(args):
    oid = args["order_id"].strip().upper()
    if oid in ORDERS:
        return {"content": [{"type": "text", "text": json.dumps(ORDERS[oid], ensure_ascii=False)}]}
    return {"content": [{"type": "text", "text": f"查無訂單 {oid}"}], "is_error": True}

shop = create_sdk_mcp_server(name="shop", version="1.0.0", tools=[lookup_order])
options = ClaudeAgentOptions(
    tools=[],                                   # 不給任何內建工具
    mcp_servers={"shop": shop},
    allowed_tools=["mcp__shop__lookup_order"],  # 名字會變成 mcp__伺服器__工具
)

問「A1023 和 B77 的狀態」：模型呼叫兩次 mcp__shop__lookup_order，B77 拿到 is_error 的「查無訂單」照樣接得住，3 輪、$0.0058——因為 tools=[] 拿掉了內建工具，第一次呼叫只有 1,339 個 token。（訂單資料是教學用的假資料；MCP 協定本身的細節在補充 D。）

options = ClaudeAgentOptions(
    agents={"test-runner": AgentDefinition(
        description="執行專案的單元測試並回報哪些測試失敗。需要跑測試時使用。",
        prompt="你只負責執行 python3 -m unittest -v，列出失敗的測試……不要修改任何檔案。",
        tools=["Bash", "Read"], model="haiku")},
    allowed_tools=["Read", "Bash", "Agent"],
)

子代理有自己乾淨的 context，只把最終報告交回主代理；它自己的呼叫在串流裡帶 parent_tool_use_id。2.1.281 的坑：子代理預設丟到背景跑—— 第一次錄影主代理回一句「已在後台派遣，請稍候」就結束了（ResultMessage 先到）； prompt 寫明「等它跑完拿到結果再回答」，模型才以 run_in_background: false 前景等待。把「怎麼做某件事」打包成可重用知識的 Skills 在補充 E；在終端機裡用 Claude Code 開發的實務在補充 F。

06 · 免費跑法

SDK 免費，模型要錢——或者換一個

一句話重點：claude-agent-sdk 本身免費（pip install），花錢的是背後的模型。Claude Code 講的是 Anthropic Messages API：用 ANTHROPIC_BASE_URL 把它指到任何 Anthropic 相容端點，就能接免費的開源模型。

跑法	要錢嗎	我們驗證了什麼
Claude API（ANTHROPIC_API_KEY）	按 token 計費；官方定價頁寫新帳號有少量免費試用額度	本課所有 Claude 錄影（Haiku 4.5，修一次 bug 約 $0.05）
本機 Ollama（v0.14 起有 /v1/messages）	免費，用自己的電腦	沒在本機實測；設定照 Ollama 官方文件：ANTHROPIC_BASE_URL=http://localhost:11434、 ANTHROPIC_AUTH_TOKEN=ollama，建議模型 context ≥ 32K
Ollama Cloud 免費方案	含入門額度、只能用入門模型、同時 1 個請求（ollama.com/pricing，2026-09）	沒實測
自架 vLLM（0.26.0 有 /v1/messages）	免費，用自己的 GPU	✅ 實測 qwen3.5-2b：見下文與實驗場 5️⃣

我們把同一個修 bug 任務接到 vLLM 上的 qwen3.5-2b（20 億參數，context 只有 16,384）錄了三次，撞到的兩個錯誤就是你自己接小模型時會撞到的：

A. 什麼都不調：Claude Code 對不認得的模型預設要 32,000 個輸出 token，伺服器直接回 500 「max_completion_tokens=32000 cannot be greater than max_model_len…」。 B. 用 CLAUDE_CODE_MAX_OUTPUT_TOKENS=4096 調小：換 prompt 爆掉—— 光內建工具的說明書就「at least 12289 input tokens」。 C. 只開 3 個工具＋短 system prompt：第一次呼叫降到 2,068 個 token，小模型真的讀檔、改對公式、跑測試全過（9 輪、約 3.5 分鐘）。A、B 兩次的 subtype 也是 success （is_error=True）：錯誤被包成一句文字，不會丟例外。

options = ClaudeAgentOptions(
    model="你拉下來的模型名",        # 例：Ollama 官方文章建議的 qwen3-coder、gpt-oss:20b
    env={
        "ANTHROPIC_BASE_URL": "http://localhost:11434",   # 本機 Ollama
        "ANTHROPIC_AUTH_TOKEN": "ollama",                 # 要有值，Ollama 不檢查
        "ANTHROPIC_API_KEY": "",
        "CLAUDE_CODE_MAX_OUTPUT_TOKENS": "4096",          # 預設 32000，小 context 模型會 500
    },
    tools=["Read", "Edit", "Bash"],     # 只開需要的：工具說明書越少，prompt 越小
    system_prompt="你是程式助理……先讀檔、再修改，最後用 python3 -m unittest 驗證。",
    allowed_tools=["Read", "Edit", "Bash"],
)

接本機模型時 total_cost_usd 沒有意義：錄影 C 報 $0.1306、 costBasis 寫 unknown——剛好是拿 $4／$20（Opus 5.5 的牌價）去乘 token 數算出來的，你真正付的是電費。完整可跑的錄製腳本在 GitHub： spike_genai_agent_sdk.py （free 段預設就指向本機 Ollama，用環境變數 FREE_BASE_URL／FREE_MODEL 改；我們實測時指向的是 vLLM）。

另一條規則要知道：你把 Agent SDK 做成產品給別人用時，官方要求用 API key（或 Bedrock／Vertex／Foundry）認證；除非事先獲准，不能讓你的使用者用 claude.ai 帳號登入、吃他們的訂閱額度（Agent SDK 官方文件，2026-09 查證）。

07 · 速查

本課速查卡

query() ／ ClaudeSDKClient	跑一趟 agent，吐出訊息串；ClaudeSDKClient 可多輪對話、中途 interrupt()、改權限模式。
訊息串	SystemMessage(init) → AssistantMessage（TextBlock／ToolUseBlock）→ UserMessage（ToolResultBlock）→ … → ResultMessage。
六道閘門	hooks → deny → ask → 權限模式 → allow → can_use_tool；第一個做決定的說了算。
allowed_tools ／ disallowed_tools	放行清單／禁止清單。allowed_tools 不限制 bypassPermissions；要禁止用 disallowed_tools。
hooks	每次呼叫前（PreToolUse）／後（PostToolUse）跑你的函式；deny 連 bypass 都擋得住。
can_use_tool	沒被規則放行、需要問人時才叫你的函式；會被整個工具的 allow 規則遮蔽。
@tool ＋ create_sdk_mcp_server	Python 函式變工具，同一個行程裡的 MCP server；名字是 mcp__server__tool。
AgentDefinition	專職子代理：自己的 prompt、工具、模型；2.1.281 起預設背景執行。
ResultMessage	收據：subtype、is_error、num_turns、total_cost_usd、permission_denials、session_id。success ≠ 任務完成。
ANTHROPIC_BASE_URL	把 harness 接到任何 Anthropic 相容端點（Ollama、vLLM）；小模型記得調輸出上限、少開工具。

08 · 實戰

換你動手

LEVEL 1

在實驗場 1️⃣ 選「③ 放行＋PreToolUse hook」播到底：hook 擋了幾次、擋的是哪些指令？明明只想管「跑什麼測試」，為什麼連找檔案都被擋？模型怎麼繞過去的？

LEVEL 2

在 2️⃣ 模擬器選「Bash：rm -rf build」＋ bypassPermissions：找出兩種還擋得住它的設定，再找出一種「看起來會擋、其實擋不住」的。

LEVEL 3

幫 CI 設計一組設定：可以讀檔、可以改 shop/cart.py、可以跑 python3 -m unittest，但 rm -rf build 一定要被擋，而且沒有人在旁邊按「允許」。用 2️⃣ 把五個呼叫逐一驗過。

卡住了？三題在實驗場最後一格都有折疊解答——先自己做，再打開對照。

09 · 驗收

情境測驗

離開前試試看：下面的情境都真的會遇到。每題選一個你認為的最佳做法，選了馬上看得到解釋。

Q1 情境題

你要在 CI 上讓 agent 自動修測試：可以讀檔、改程式、跑 `python3 -m unittest`，但絕對不能刪檔，而且 CI 上沒有人可以按「允許」。哪組設定最合適？

B：dontAsk 讓「沒被規則放行的一律拒絕」，不需要有人在場；allowed_tools 精準放行三件事；disallowed_tools 的 Bash(rm *) 是雙保險——deny 規則排在權限模式前面，哪天有人改成 bypass 也擋得住。A 是本課實測過的陷阱：allowed_tools 是放行清單不是限制清單，bypass 底下沒列到的 Bash 照樣執行（錄影 g3）。C 的結果就是錄影①：headless 沒人按允許，改檔被拒、測試還是紅的，而且 prompt 不是護欄。D 最陰險：acceptEdits 會自動放行工作目錄內的 rm、mv 這類檔案操作，「不准刪檔」只剩一句拜託。

Q2 情境題

產品需求：「agent 先交修改計畫，主管在網頁上按核准，它才可以動手改檔。」下面哪個設計做得到？

B，這正是錄影⑥：模型呼叫 ExitPlanMode 交出計畫 → 你的函式（這裡可以換成等主管按鈕）核准 → 改檔 → 測試全過，14 輪、$0.107。A 是錄影④：沒接 can_use_tool 時工具清單裡根本沒有 ExitPlanMode，模型寫好計畫交不出去，繞了 22 輪、花了 $0.198，一個字沒改。C 把「先審後做」變成「先做後審」，需求直接不成立。D 看似合理，其實是把主管的核准步驟自動化掉——allow 規則放行的呼叫不會來問任何人。

Q3 情境題

同事的 CI 腳本這樣判斷 agent 有沒有修好 bug：`if msg.subtype == "success": mark_green()`。看過本課錄影後，你會建議怎麼改？

C。success 只代表迴圈正常結束：錄影①的 subtype 是 success、is_error 也是 False，但被擋了 4 次（2 次跑測試、2 次改檔）、測試還是紅的。permission_denials 告訴你「它想做卻被擋的事」，而真正的驗收要看世界的狀態——我們每段錄影跑完都重跑 unittest，就是這個原因。A 不夠：①的 is_error 也是 False。B 沒意義：①跑了 10 輪。D 相信模型的自述——模型可能宣稱成功卻沒做到，驗收不能靠它自己說。

Q4 錯誤診斷

你寫了一個審批函式，想讓每一個 Bash 指令都先經過它，結果它一次都沒被叫到、指令照樣執行。啟動時 SDK 印出這段警告（實測原文）。最可能的原因與修法？

options = ClaudeAgentOptions(
    allowed_tools=["Bash"],
    can_use_tool=my_approver,
)

CanUseToolShadowedWarning: can_use_tool will not be invoked for: Bash. An allowed_tools
entry that allows a whole tool auto-approves it before the callback is consulted. To gate
every tool call, use a PreToolUse hook; or narrow the entry so calls fall through to
can_use_tool. Allow rules from settings files can also shadow the callback but are not
visible here.

B。閘門順序是 hooks → deny → ask → 模式 → allow → can_use_tool：裸名稱的 allow 規則會在第⑤道放行整個工具，第⑥道的函式根本沒機會發言——這正是警告在說的事（本課錄影 g5：函式一次都沒被叫，print(6*7) 照樣執行）。修法二選一：縮小 allow 的範圍，讓其他呼叫掉到函式；或改用 hook，它在第一道、每次都跑。A 是對的好習慣但不是這裡的病因；C 在 0.2.159 不成立，我們實測 query() 搭配 can_use_tool 可以正常執行；D 恰好相反——bypass 會在第④道就全部放行，函式更輪不到。

Q5 錯誤診斷

你用 ANTHROPIC_BASE_URL 把 Agent SDK 接到本機一個 context 16K 的開源模型，也照教學把 CLAUDE_CODE_MAX_OUTPUT_TOKENS 調成 4096，工具沒特別設定。ResultMessage 回來是這樣（實測原文，端點位址已遮）。下一步該怎麼做？

subtype='success'  is_error=True  num_turns=1
result: API Error: 500 This model's maximum context length is 16384 tokens. However, you
requested 4096 output tokens and your prompt contains at least 12289 input tokens, for a
total of at least 16385 tokens. Please reduce the length of the input prompt or the number
of requested output tokens. (parameter=input_tokens, value=12289). This is a server-side
issue, usually temporary — try again in a moment. If it persists, check your inference
gateway (<你的端點>).

B。任務還沒開始，第一次呼叫就要 12,289 個輸入 token——使用者的 prompt 才幾十字，其餘是 20 個內建工具的說明書。本課實測：只開 3 個工具、配短 system prompt，第一次呼叫降到 2,068 token，qwen3.5-2b 真的把 bug 修好、測試全過；Ollama 官方也建議 context ≥ 32K。A 治標不治本：12,289 + 1,024 塞得下第一輪，但每一輪都重送全部歷史，幾輪之後照樣爆，還讓模型沒空間回答。C 被錯誤訊息的套話誤導：這個 500 是確定性的長度超限，重試一百次結果一樣。D 與實測相反：同一個 2B 模型在精簡設定下完成了讀檔、改檔、跑測試。另外注意 subtype 仍是 success——要看 is_error。

下一課 補充 D：MCP 新版協定與 FastMCP 4 → 主題 ‹ 回「生成式 AI 導論」課程列表

Python 環境載入中（首次約 30–60 秒）…讀完第 1 節它就好了

Claude Agent SDK：把 Claude Code 裝進你的程式