Anthropic API Handbook

Corpus consultável sobre a Anthropic API e a Claude Developer Platform: do primeiro messages.create a tool use, RAG, eval de prompts, MCP, agents/workflows e managed agents. Recorra a ele para entender parâmetros, fluxos e regras antes de construir ou debugar algo com Claude. Sintetizado de dois documentos de estudo; cada afirmação nas references está ancorada na aula de origem.

Conceitos centrais

• Messages API é o núcleo. Toda chamada passa por messages.create com model, max_tokens e messages (lista de roles user/assistant). O content da resposta é um array de blocks (text, tool_use, thinking, image...), não uma string — sempre itere e cheque o type. A API não guarda histórico: para multi-turn, você reenvia a lista inteira a cada follow-up. Veja references/modelos-e-acesso.md e references/requisicoes-basicas.md.

  Fonte: claude-with-the-anthropic-api--documento-de-estudo.md › Making a Request

• Escolha de modelo é trade-off inteligência × custo/velocidade. Opus (mais inteligente, mais caro/lento), Sonnet (equilíbrio, padrão de produção), Haiku (mais rápido/barato, sem reasoning). Decida rodando um eval de Haiku para cima: o modelo certo é o mais barato cujo output você enviaria. Veja references/modelos-e-acesso.md.

  Fonte: claude-with-the-anthropic-api--documento-de-estudo.md › Overview of Claude Models

• Tool use: o Claude pede, seu código executa. Você define name + description (3-4 frases — a description é o que decide o disparo) + input schema (JSON Schema). O Claude responde com tool_use (sinalizado por stop_reason == "tool_use"); você roda e devolve um tool_result com tool_use_id. Veja references/tool-use.md.

  Fonte: claude-platform-101--documento-de-estudo.md › What is tool use on the Claude Developer Platform?

• Eval antes de prompt engineering. Não confie em testar um prompt 1-2 vezes; monte um pipeline (dataset → rodar → graduar com code/model/human grader → média) para uma métrica objetiva, e itere. As técnicas de prompt (claro e direto, específico, XML tags, exemplos) são medidas pelo score. Veja references/prompt-evaluation.md e references/prompt-engineering.md.

  Fonte: claude-with-the-anthropic-api--documento-de-estudo.md › Prompt Evaluation

• Workflow quando você sabe os passos; agent quando não sabe. Workflows (chaining, routing, parallelization, evaluator-optimizer) dividem a tarefa e dão mais precisão/testabilidade; agents recebem tools abstratas e planejam sozinhos, com mais flexibilidade e menor taxa de conclusão. Prefira workflows; use agents só quando necessário. Veja references/mcp-agents-e-workflows.md.

  Fonte: claude-with-the-anthropic-api--documento-de-estudo.md › Workflows vs Agents

• MCP move a manutenção de integrações para o provider. Tools para os seus dados, skills para os seus processos, MCP para serviços de terceiros. Server expõe tools/resources/prompts; client conecta. Veja references/mcp-agents-e-workflows.md.

  Fonte: claude-platform-101--documento-de-estudo.md › Using MCP on the Claude Developer Platform

Topic Index

Referências (quando ler cada uma)

• references/modelos-e-acesso.md — escolher entre Opus/Sonnet/Haiku, obter API key, fazer a primeira requisição, e como funciona o ciclo de vida de um request. Leia ao começar do zero ou ao decidir o modelo.
• references/requisicoes-basicas.md — multi-turn, system prompt, temperature, streaming e structured data (stop sequences + prefilling). Leia ao construir a interação básica com o Claude.
• references/prompt-evaluation.md — montar um pipeline de eval do zero, gerar dataset e os três tipos de grader. Leia antes de mandar um prompt para produção.
• references/prompt-engineering.md — técnicas para melhorar um prompt (claro e direto, específico, XML tags, exemplos). Leia quando o output não está bom.
• references/tool-use.md — tudo de tool use: function/schema, message blocks, tool_result, múltiplas tools, fine-grained, text edit e web search tools, built-in tools e tool runner. Leia ao dar capacidades ao Claude.
• references/rag.md — RAG completo: chunking, embeddings, vector database, semantic search, BM25 e fusão híbrida. Leia ao responder perguntas sobre documentos grandes.
• references/features.md — extended thinking, imagem, PDF, citations, prompt caching, code execution + Files API e Skills. Leia ao usar recursos avançados.
• references/mcp-agents-e-workflows.md — MCP (server/client/primitives), Claude Code, patterns de workflow vs agent, agent loop, context management e managed agents. Leia ao construir agents ou integrações.

Escopo e limites

• Cobre o conteúdo dos dois cursos da Anthropic Academy (transcrições de aulas em vídeo); não substitui a documentação oficial da API para nomes de modelos atuais, limites exatos, preços ou assinaturas de função precisas — confirme nesses pontos.
• Nomes de versões/datas (ex.: web_search_2025-03-05, datas do text editor tool) e detalhes de features em beta mudam; trate-os como ilustrativos da época do curso, não como contrato atual.
• Não cobre tópicos que os próprios cursos deixaram como follow-up: agent orchestration, avaliação/monitoramento de agents, agentic RAG, RAG evaluation e tool evaluation. As aulas de "Boas-vindas" e "Course Wrap Up" (intro/encerramento) foram omitidas por não terem conteúdo técnico.
• Exemplos de código são em Python (curso principal) e TypeScript (platform-101); aqui são sintetizados em prosa — para código completo, vá às fontes originais.