Anthropic a publié le Claude Cookbook, une collection de guides pratiques avec code vérifiable pour construire des agents avec Claude en production. Ce sont les patterns qu’Anthropic utilise en interne, réduits à des exemples exécutables.

Les recettes couvrent les vrais problèmes de ceux qui font tourner des agents au-delà de la démo. Programmatic tool calling pour réduire la latence et les tokens en faisant écrire à Claude le code qui appelle les outils. Context compaction automatique pour les sessions longues. Tool search avec embedding pour passer à l’échelle avec des milliers d’outils. Et puis des architectures multi-agent asincrones, des boucles d’auto-vérification, des agents SRE qui lisent les logs et ouvrent des PR, des agents de cybersécurité qui chassent les bugs mémoire.

Pourquoi c’est pertinent pour toi. Si tu construis sur Claude Code ou sur l’Agent SDK, ces recettes sont le premier banc d’essai public pour des architectures qu’Anthropic a déjà en déploiement. Comme nous l’avions expliqué en parlant d’orchestration, la qualité d’un système agentic dépend plus de la façon dont tu boucles et vérifies l’agent que de la puissance du modèle. Maintenant Anthropic met ses circuits fermés à découvert.

La valeur concrète est dans les détails opérationnels: comment gérer le cycle de vie d’un agent asynchrone, comment structurer un grader sans état qui vérifie chaque citation, comment versionner les prompts côté serveur et faire un rollback. Ce sont des décisions architecturales que quiconque construit des agents doit affronter tôt ou tard, et les voir résolues par quelqu’un qui l’a déjà fait épargne des semaines de tentatives.

Si tu veux essayer, commence par la recette sur le tutorial entry-point de Managed Agents sur la page du Cookbook: elle fait réparer trois bugs plantés dans un package Python par un agent, et elle te guide à travers la création de l’agent, le montage des fichiers et la boucle de streaming.

Dans les détails

Le Cookbook arrive alors que l’écosystème des agents Claude mûrit rapidement. Les releases de Claude Code se succèdent presque quotidiennement, et la série de correctifs sur les permissions, le sandbox et la stabilité montre un outil visant l’usage quotidien. Le Cookbook comble le fossé entre “utiliser Claude Code comme assistant” et “construire des systèmes agentiques sur Claude en production”.

Les recettes se divisent en trois familles.

La première concerne l’efficacité des outils. Programmatic tool calling (PTC) fait écrire à Claude le code qui invoque les outils au lieu de passer par le cycle classique d’appel. Cela réduit la latence et la consommation de tokens, car le modèle raisonne sur le code au lieu d’attendre les réponses en série. La recette sur la recherche d’outils avec embedding aborde un autre problème concret: quand un agent a accès à des milliers d’outils, les lui passer tous dans le contexte est impraticable. La solution est une recherche sémantique qui sélectionne dynamiquement les outils pertinents pour chaque demande.

La deuxième famille concerne l’orchestration multi-agent. Deux patterns asynchrones sont documentés: une équipe fixe de N agents qui communiquent via un hub partagé, et des subagents générés dynamiquement. La recette sur le coordinateur de spécialistes montre une architecture où un coordinateur gère trois agents avec des compétences et des outils différents, chacun avec accès limité à ce dont il a besoin. C’est la matérialisation d’un principe que la recherche académique avait théorisé et qu’Anthropic a maintenant en production.

La troisième famille est celle qu’Anthropic appelle Outcomes: des agents qui vérifient leur propre travail. Une recette montre un writer qui produit un brief de recherche avec citations, un grader sans état qui vérifie chaque URL et chaque citation contre une rubrique, et une boucle de révision qui continue jusqu’à ce que le brief soit validé. C’est le schéma du critique adverse appliqué à un système automatisé.

Les limites. Le Cookbook est solide sur les patterns, mais c’est de la documentation de vendor: toutes les recettes tournent sur l’infrastructure Anthropic (Managed Agents, Agent SDK). Si ton architecture utilise d’autres fournisseurs ou des modèles open source, les patterns sont transférables mais le code non. Les recettes les plus récentes (juin 2026) font référence à des modèles comme Fable 5 et à des comportements de l’API qui pourraient changer. Aucune recette n’inclut les coûts ou latences mesurés: les économies déclarées par le PTC doivent être vérifiées sur ta charge réelle.