精選 Anthropic Claude Code 開發者生態系 Agent SDK MCP GitHub Actions Plugins Skills

Anthropic 開發者生態系完整地圖：22 個 Repos，一個願景

深入解析 Anthropic GitHub 組織中的每一個公開倉庫 — Claude Code、Agent SDK、MCP 伺服器、Plugins、GitHub Actions 和學習資源如何串連成一個完整的開發者平台。

2026年2月25日 • 15 分鐘 • 作者：Claude World

打開 github.com/anthropics，你會看到超過 80 個倉庫。大部分開發者只知道其中一兩個。但表面之下，有一個精心設計的生態系，每個元件都與其他元件相連。

我花了時間把 Anthropic 組織中每一個 Claude 相關的倉庫都梳理了一遍。結論是：22 個 repos 構成了完整開發者平台的 7 個層次 — 從底層 API 存取到全自主 Agent，從本地 CLI 工具到 CI/CD 自動化，從學習資源到生產環境監控。

這篇文章是我希望自己在一開始就能擁有的地圖。

全景架構

┌─────────────────────────────────────────────────────────┐
│  第 7 層：學習與入門                                      │
│  courses → cookbooks → quickstarts → devcontainer       │
├─────────────────────────────────────────────────────────┤
│  第 6 層：監控與安全                                      │
│  monitoring-guide, security-review                      │
├─────────────────────────────────────────────────────────┤
│  第 5 層：CI/CD 自動化                                   │
│  claude-code-action, base-action                        │
├─────────────────────────────────────────────────────────┤
│  第 4 層：Plugins、Skills 與領域擴展                      │
│  plugins-official, skills, knowledge-work, financial    │
├─────────────────────────────────────────────────────────┤
│  第 3 層：MCP（模型上下文協議）                            │
│  claude-ai-mcp, github-mcp-server                       │
├─────────────────────────────────────────────────────────┤
│  第 2 層：Agent SDK（高階）                               │
│  agent-sdk-python, agent-sdk-typescript, demos          │
├─────────────────────────────────────────────────────────┤
│  第 1 層：基礎層                                         │
│  anthropic-sdk-python/ts, claude-code, constitution,    │
│  anthropic-cli                                          │
└─────────────────────────────────────────────────────────┘

讓我們逐層拆解。

第 1 層：基礎

anthropic-sdk-python 與 anthropic-sdk-typescript

一切從這裡開始。這是官方 REST API SDK — 與 Claude 溝通的最底層方式。

from anthropic import Anthropic
client = Anthropic()
message = client.messages.create(
    model="claude-opus-4-6-20250219",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Hello, Claude"}]
)

提供什麼： Messages API、串流回應、工具使用、批次訊息、Token 計算、檔案上傳，並支援 AWS Bedrock 和 Google Vertex AI。

何時使用： 你在建構一個把 Claude 當作服務呼叫的產品 — 聊天機器人、分類器、內容管線、RAG 系統。

claude-code

旗艦產品。Claude Code 是一個住在你終端機裡的 Agentic 程式助手。它不只回答問題 — 它讀取你的檔案、撰寫程式碼、執行測試、管理 Git，並執行多步驟工作流程。

Claude Code 也是 Agent SDK 底層的執行引擎。當你安裝 Agent SDK 時，它會捆綁 Claude Code 的 CLI。這是一個關鍵的架構決策：SDK 不會重新實作檔案操作和工具執行 — 它們委託給 Claude Code。

claude-constitution

2026 年 1 月以 CC0（公共領域）授權釋出，Constitution 定義了 Claude 的價值觀、決策框架和行為邊界。它不是程式碼 — 它是每個 Claude 模型運行的倫理作業系統。

對開發者的意義：理解 Constitution 能幫你預測 Claude 在邊界情況下的行為。它解釋了為什麼 Claude 有時候會拒絕、如何權衡相互衝突的優先級，以及它的「硬限制」是什麼。

anthropic-cli

仍在積極開發中。這將是一個面向開發者的 CLI，用於直接 API 互動 — 與 Claude Code 互補，但聚焦於 API 操作而非 Agentic 程式開發。

第 2 層：Agent SDK

claude-agent-sdk-python 與 claude-agent-sdk-typescript

這裡開始變得有趣。API SDK 讓你呼叫 Claude。Agent SDK 讓你以程式化方式使用 Claude Code 的完整能力來建構。

from claude_agent_sdk import query

async for message in query(
    prompt="把 auth 模組重構為使用 JWT",
    options={"max_turns": 10}
):
    print(message)

與 API SDK 的關鍵差異：

面向API SDKAgent SDK
抽象層級REST API 封裝Agent 框架
檔案存取無完整檔案系統
工具執行手動處理 tool_use內建（Bash、Read、Write、Edit）
多步驟你自己編排Agent 規劃並執行
使用場景API 整合自主 Agent

Agent SDK 提供三個核心 API：

  1. query() — 即發即忘：給它任務，取回結果
  2. ClaudeSDKClient — 有狀態的雙向對話
  3. create_sdk_mcp_server() — 將自訂工具定義為 Python/TS 函式讓 Claude 呼叫

claude-agent-sdk-demos

六個生產等級的參考實作：

  • Email Agent（TS + React）— 完整的 IMAP 助手，含 AI 搜尋和自訂動作
  • Research Agent（Python）— 多 Agent 協調者，含並行研究子 Agent
  • Excel Demo（Electron）— 桌面試算表操作
  • Resume Generator — DOCX 檔案生成
  • Simple Chat App — 最簡入門 UI
  • Hello World — 最簡單的 Agent

這些不是玩具範例。Email Agent 有 SQLite 整合、WebSocket 通訊和 UI 狀態管理。Research Agent 展示了可擴展到真實應用的協調者-工作者模式。

第 3 層：MCP（模型上下文協議）

MCP 是 Claude 伸向外部世界的方式。如果 SDK 是 Claude 的大腦，MCP 就是它的手。

github-mcp-server

GitHub 官方的 MCP 伺服器（用 Go 撰寫），提供 50 多個工具，分為 6 大類：

  • repos — 讀取檔案、分支、提交、搜尋程式碼
  • issues — 完整的 Issue CRUD
  • pull_requests — 建立、審查、合併 PR、讀取 diff
  • users — 使用者資料查詢
  • code_security — 掃描警報、密鑰偵測
  • experiments — Beta 功能

當你要求 Claude「為這個變更建立一個 PR」時，底層就是在呼叫這些 MCP 工具。

claude-ai-mcp

本身不是 MCP 伺服器 — 它是 Claude.ai 中 MCP 整合的問題追蹤器和溝通中心。如果你在建構 MCP 伺服器時遇到認證問題、OAuth 問題或 Session 管理 Bug，就到這裡回報。

第 4 層：Plugins、Skills 與領域擴展

這一層是生態系真正變得可擴展的地方。

claude-plugins-official

官方策展的市集。25 個官方 Plugin + 15 個合作夥伴 Plugin，每個都遵循標準結構：

my-plugin/
├── .claude-plugin/plugin.json   ← 元資料
├── .mcp.json                     ← MCP 伺服器配置
├── /commands/                    ← 斜線指令
├── /skills/                      ← 領域知識
├── /agents/                      ← 專門子 Agent
└── /hooks/                       ← 事件自動化

值得注意的 Plugin：

  • code-review — 多 Agent PR 審查
  • feature-dev — 7 階段功能開發工作流程
  • security-guidance — 安全模式偵測
  • pr-review-toolkit — 6 個專業審查員 Agent

skills

Agent Skills 規範和參考實作。Skill 是最簡單的擴展單元 — 只是一個帶 YAML frontmatter 的 markdown 檔案：

---
name: pdf-expert
description: 建立、操作和擷取 PDF
---
# 處理 PDF 檔案的指示...

不需要程式碼。不需要建置步驟。不需要基礎設施。Skill 在 Claude Code、Claude.ai 和 Claude API 上都能運作。

knowledge-work-plugins

11 個角色導向的 Plugin，把 Claude 變成領域專家：

  • productivity — 任務、行事曆、每日工作流程
  • sales — 開發客戶、管線、通話準備
  • customer-support — 分類、草擬回覆、升級處理
  • product-management — 規格、路線圖、使用者研究
  • marketing — 內容、活動、品牌聲音
  • legal — 合約審查、合規、風險
  • finance — 分錄、對帳、稽核
  • data — SQL、視覺化、儀表板
  • enterprise-search — 跨工具搜尋
  • bio-research — 臨床前研究工具
  • cowork-plugin-management — 建立/自訂 Plugin

每個都透過 MCP 連接到真實工具 — Slack、Notion、Jira、HubSpot、Snowflake 等。

financial-services-plugins

企業級金融分析：投資銀行、股權研究、私募股權、財富管理。41 個 Skill、38 個指令、11 個資料供應商整合（S&P Global、FactSet、Moody’s、PitchBook 等）。

這個 repo 展示了 Plugin 系統能走多遠 — 從生成 DCF 模型到準備投委會備忘錄到運行投資組合分析。

第 5 層：CI/CD 自動化

claude-code-action

Claude 與你 CI/CD 管線之間的橋樑。兩種模式：

互動式： 在任何 PR 評論或 Issue 中加上 @claude，Claude 就會回應 — 讀取程式碼、建議修復，或直接實作變更。

自動化： 透過 workflow_dispatch 觸發排程任務 — 夜間程式碼審查、PR 標籤、安全掃描。

支援 Anthropic API、AWS Bedrock、Google Vertex AI 和 Microsoft Foundry 的認證。

claude-code-base-action

更底層的構建模塊。claude-code-action 是有主見的（PR 審查、Issue 回應），base-action 則給你在 CI 中裸執行 Claude Code 的能力：

- uses: anthropics/claude-code-base-action@v1
  with:
    prompt: "執行所有測試並修復任何失敗"
    allowed_tools: "Bash,Read,Write,Edit"
    max_turns: 20

用於不符合標準模式的自訂自動化 — 執行遷移、生成文件、更新相依性。

第 6 層：安全與監控

claude-code-security-review

AI 驅動的安全掃描器，在每個 PR 上運行。不同於模式匹配工具（SAST），它用 Claude 理解語義漏洞：

  • 注入攻擊（SQL、命令、LDAP、XXE）
  • 認證繞過與權限提升
  • 硬編碼密鑰與資料洩露
  • 業務邏輯缺陷（競爭條件、TOCTOU）
  • 供應鏈風險

自動過濾誤報並直接在 PR 上評論發現。

claude-code-monitoring-guide

完整的可觀察性設置：Prometheus + OpenTelemetry 配置、按模型的成本追蹤、使用分析、生產力指標（PR 數量、提交頻率）、團隊採用儀表板。

這是「證明 ROI」的工具包 — 對評估 Claude Code 導入的企業至關重要。

第 7 層：學習與入門

這些 repos 形成一條自然的學習路徑：

courses

5 堂結構化課程，建議依序完成：

  1. API 基礎 — SDK 基本操作、參數、串流
  2. Prompt 工程 — 互動式技巧
  3. 真實世界 Prompting — 生產環境模式
  4. Prompt 評估 — 衡量品質
  5. 工具使用 — 函式呼叫工作流程

claude-cookbooks

針對特定任務的即用範例：分類、RAG、摘要、text-to-SQL、視覺、子 Agent 等。可以立即運行的 Jupyter notebook。

claude-quickstarts

5 個完整的應用程式模板：

  • 客服 Agent
  • 金融資料分析師
  • Computer Use Demo（桌面自動化）
  • 瀏覽器工具 API Demo
  • 自主程式 Agent（雙 Agent 模式）

devcontainer-features

一行指令在 Dev Container 和 GitHub Codespaces 中設置 Claude Code：

{
  "features": {
    "ghcr.io/anthropics/devcontainer-features/claude-code:1": {}
  }
}

一切如何串連

關鍵洞察：這不是 22 個獨立專案。它們是一個平台的 22 個元件。

資料流如下：

開發者學習 (courses → cookbooks → quickstarts)
         │
         ▼
使用 API SDK 建構 (anthropic-sdk-python/ts)
         │
         ▼
升級到 Agent SDK (agent-sdk-python/ts)
    建構自主 Agent
         │
         ├──→ 使用 Claude Code 作為執行引擎
         │
         ├──→ 用 Plugins & Skills 擴展
         │        (plugins-official, skills,
         │         knowledge-work, financial)
         │
         ├──→ 透過 MCP 連接外部工具
         │        (github-mcp-server, etc.)
         │
         └──→ 部署到 CI/CD
                  (claude-code-action, base-action)
                       │
                       ├──→ 安全掃描
                       │    (security-review)
                       │
                       └──→ 監控與 ROI
                            (monitoring-guide)

Constitution 在一切之下，定義行為邊界。

CLI 工具（claude-code、anthropic-cli）提供直接的人機介面。

Demos 展示所有元件如何在真實應用中組合。

對開發者的意義

如果你剛開始

從 courses 開始 → 試用 Claude Code → 用 cookbooks 做實驗。第一天不需要理解整個生態系。

如果你在建構產品

用 API SDK 做簡單整合，需要自主能力時升級到 Agent SDK。加入 MCP 伺服器 存取外部工具。研究 demos 的架構模式。

如果你在帶團隊

部署 claude-code-action 做自動 PR 審查。加入 security-review 做漏洞掃描。用 monitoring guide 追蹤 ROI。安裝 knowledge-work-plugins 讓每個團隊成員都有一個領域專家 Claude。

如果你在擴展平台

Plugin 格式只是 markdown 和 JSON — 不需要程式碼。Skills 規範更簡單。Fork、自訂、回饋。

更大的圖景

Anthropic 在建構的不只是一個 AI 模型。它是一個開發者平台，擁有你會在 AWS、Vercel 或 GitHub 預期看到的分層架構：

  • 運算層（Claude 模型）
  • SDK 層（API + Agent SDK）
  • 執行層（Claude Code）
  • 協議層（MCP）
  • 擴展層（Plugins + Skills）
  • 自動化層（GitHub Actions）
  • 可觀察性層（監控 + 安全）
  • 教育層（Courses + Cookbooks + Quickstarts）

每一層建立在下一層之上。每個元件有明確的職責。而且整個體系都是開源的。

理解這個架構的開發者 — 能看到 22 個 repos 是一個系統的開發者 — 將會是用它建構出最強大成果的人。

全部 22 個倉庫都在 github.com/anthropics。本文反映 2026 年 2 月的生態系狀態。