Cortex Code-Agent-SDK¶
Das Cortex Code Agent-SDK ermöglicht das Erstellen von agentenbasierten AI-Anwendungen mit Python und TypeScript. Ihre Agenten können Dateien lesen, Befehle ausführen, Codebasen durchsuchen, SQL ausführen und Code bearbeiten, wobei Sie dieselben Tools und die gleiche Agentenschleife verwenden, die Cortex Code unterstützen.
Das SDK umfasst integrierte Tools für Dateioperationen, Shell-Befehle und Code-Bearbeitung, sodass Ihr Agent sofort arbeiten kann, ohne dass Sie die Ausführung von Tools implementieren müssen.
Erste Schritte¶
Voraussetzungen¶
Anforderung |
Details |
|---|---|
Cortex Code-CLI |
Installieren mit pip ( |
Snowflake-Verbindung |
Konfigurieren über Snowflake-CLI-Verbindungseinstellungen, normalerweise in |
Node.js (TypeScript) |
Version 18.0.0 (oder höher) |
Python (Python-SDK) |
Version 3.10 (oder höher) |
1. Installieren der Cortex Code-CLI¶
Installieren der CLI:
2. SDK installieren¶
Installieren Sie das SDK von npm oder PyPI:
3. Konfigurieren Sie Ihre Snowflake-Verbindung¶
Das SDK authentifiziert sich über Ihre Snowflake-CLI-Verbindungseinstellungen. Fügen Sie eine Verbindung zu ~/.snowflake/connections.toml hinzu oder verwenden Sie ein bestehendes Setup in ~/.snowflake/config.toml (siehe Konfigurieren von Verbindungen):
Das SDK verwendet die Standardverbindung von CLI, es sei denn, Sie geben eine Verbindung explizit über die connection-Option an.
Wenn das Cortex Code-CLI nicht auf Ihrem PATH ist, verweisen Sie das SDK durch Festlegen von CORTEX_CODE_CLI_PATH=/path/to/cortex darauf, oder indem Sie cliPath (TypeScript) oder cli_path (Python) in den SDK-Optionen übergeben
4. Führen Sie Ihren ersten Agenten aus¶
Im folgenden Beispiel wird ein Agent erstellt, der Ihr Projekt untersucht und zusammenfasst, was es tut:
Ein ausführlicheres Tutorial finden Sie unter Schnellstart.
Wichtige Funktionen¶
Integrierte -Tools¶
Ihr Agent kann ohne zusätzliche Konfiguration Dateien lesen, Befehle ausführen, SQL ausführen und Codebasen durchsuchen. Die verfügbaren Tools können je nach Umgebung und Laufzeitfunktionen variieren:
Tool |
Beschreibung |
|---|---|
Lesen |
Lesen jeder Datei im Arbeitsverzeichnis |
Schreiben |
Erstellen von neuen Dateien |
Bearbeiten |
Vornehmen präziser Änderungen an bestehenden Dateien |
Bash |
Ausführen von Terminalbefehlen, Skripten und Git-Operationen |
Glob |
Suchen von Dateien nach Mustern ( |
Grep |
Durchsuchen von Dateiinhalten mit Regex |
SQL |
Ausführen von SQL-Abfragen auf Snowflake |
Sitzungen mit mehreren Runden¶
Sie können den Kontext über mehrere Datenbörsen hinweg pflegen. Der Agent behält das Wissen über gelesene Dateien, durchgeführte Analysen und den Verlauf der Konversation:
Sie können auch eine bestehende Sitzung fortsetzen oder in eine neue Sitzung aufspalten:
MCP-Server¶
Sie können über das Modell-Kontextprotokoll eine Verbindung zu externen Systemen herstellen:
Hooks¶
Sie können an Schlüsselpunkten im Lebenszyklus des Agenten benutzerdefinierten Code ausführen. Zu den verfügbaren Hook-Ereignissen gehören: PreToolUse, PostToolUse, Stop, UserPromptSubmit und mehr. Hooks werden sowohl im Python- als auch dem TypeScript-SDKs unterstützt. Siehe Python-SDK-Referenz oder TypeScript-SDK-Referenz für weitere Details.
Strukturierte Ausgabe¶
Sie können den Agenten zwingen, eine Antwort zurückzugeben, die mit einem JSON-Schema übereinstimmt
Weitere Informationen dazu finden Sie unter Strukturierte Ausgabe.
Sitzungskontrolle¶
Sie können das Verhalten des Agenten über Sitzungsoptionen steuern:
Option |
Beschreibung |
|---|---|
|
Begrenzen Sie die Anzahl der Wendungen, bevor der Agent stoppt |
|
Legen Sie den Thinking-Aufwand für das Modell fest ( |
|
Unterbrechen Sie den laufenden Agenten mittendrin. Die Sitzung bleibt für weitere Eingabeaufforderungen bestehen. |
|
Übergeben Sie Umgebungsvariablen an den Agentenprozess |
|
Fügen Sie zusätzliche Verzeichnisse hinzu, auf die der Agent |
|
Laden Sie Plugin-Verzeichnisse für benutzerdefinierte Erweiterungen |
|
Ersetzen oder fügen Sie an die Standard-Systemeingabeaufforderung an |
|
Steuern Sie, welche Einstellungsdateien geladen werden ( |
Unterstützte Modelle¶
Stellen Sie das Modell mit der model-Option ein. Snowflake empfiehlt "auto" für die automatische Auswahl des passenden Modells mit der höchsten Qualität.
Modell |
Bezeichner |
|---|---|
Auto (empfohlen) |
|
Claude Opus 4.6 |
|
Claude Sonnet 4.6 |
|
Claude Opus 4.5 |
|
Claude Sonnet 4.5 |
|
Claude Sonnet 4.0 |
|
OpenAI GPT 5.2 |
|
Regionenübergreifende Inferenz¶
Die Verfügbarkeit der Modelle variiert je nach Region. Ein Kontoadministrator kann die regionsübergreifende Inferenz aktivieren, um auf Modelle zuzugreifen, die lokal nicht verfügbar sind:
Weitere Informationen dazu finden Sie unter Regionenübergreifende Inferenz.
Nächste Schritte¶
Quickstart: Erstellen eines Agenten, der Fehler findet und behebt
TypeScript SDK-Referenz: Vollständige TypeScript API-Referenz und Beispiele
Python-SDK-Referenz: Vollständiges Python-API-Referenz und Beispiele
Multi-Turn-Sitzungen und Streaming-Eingabe: Verwalten des Kontexts über mehrere Datenbörsen hinweg
MCP-Server: Verbinden externer MCP-Server
System-Eingabeaufforderungen: Anpassen des Verhaltens des Agenten mit System-Eingabeaufforderungen
Verarbeitung von Genehmigungen und Benutzereingaben: Steuern, welche Tools der Agent verwenden kann
Strukturierte Ausgabe: Rückgabe validierter JSON von Agenten-Workflows
Streaming-Ausgabe: Streamen von Antworten in Echtzeit
Hooks: Ausführen von benutzerdefiniertem Code an Schlüsselpunkten im Lebenszyklus des Agenten
Rechtliche Hinweise¶
Wenn Ihre Cortex Code-Konfiguration ein Modell verwendet, das im Rahmen der Modell- und Service-Pass-Through-Bedingungen bereitgestellt wurde, unterliegt Ihre Nutzung dieses Modells zusätzlich den Bedingungen für dieses Modell auf dieser Seite.
Die Datenklassifizierung der Eingaben und Ausgaben ist in der folgenden Tabelle aufgeführt.
Klassifizierung von Eingabedaten |
Klassifizierung von Ausgabedaten |
Benennung |
|---|---|---|
Usage Data |
Kundendaten |
Abgedeckte AI-Features [1] |
Weitere Informationen dazu finden Sie unter KI und ML in Snowflake.