Anthropic 发布 Claude Managed Agents

Anthropic 发布 Claude Managed Agents Anthropic 发布 Claude Managed Agents Modified April 10 Claude Managed Agents 是一个预构建、可配置的 agent harness，运行在托管基础设施上。你可以将 agent 定义成一个模板，包括 tools、skills、files / repos 等。我们将为您提供智能体框架与相关基础设施。该系统旨在紧跟Claude快速增长的智能水平，并支持长周期任务。以下是一些实用链接： • Claude blog: 使用模式与用户案例 • Engineering blog: Claude Managed Agents 的设计 • Docs: CLI 和 SDKs 的 onboarding、quickstart 和总览 为什么需要 Claude Managed Agents Claude 的消息接口是直接通向模型的入口：它接收消息，并返回内容块。基于 messages API 构建的 agent，会使用一个 harness 把 Claude 的工具调用路由到 handlers，并管理上下文。这会带来一些挑战： • Harness 需要跟上 Claude 的能力演进。我最近写过一篇博客，聚焦于如何使用 Claude API primitives 来构建 agent，以处理工具编排和上下文管理。但 agent harness 编码了对“Claude 做不到什么”的假设。随着Claude能力不断提升，这些预设前提会逐渐过时，并且可能制约Claude的性能表现。控制框架需要持续更新，才能跟上Claude的发展节奏。 • Claude的运行时长正在不断延长——Claude的任务处理时长正呈指数级增长，在METR基准测试中，其工作量已超过10个人类工时。这对智能体周边的基础设施提出了更高要求：基础设施必须具备安全性，能够抵御长时任务运行过程中出现的基础设施故障，同时支持横向扩展（例如适配多个智能体团队）。 解决这些挑战非常重要，因为我们预计未来的 Claude 将会在数天、数周甚至数月内，持续处理人类最伟大的挑战。Claude Agent SDK 是第一步，它提供了一个非常优秀的通用 agent harness。Claude Managed Agents 则是这一演进中的下一步：这是一个系统，其 harness 和托管基础设施被专门设计出来，用于支持安全、可靠地执行我们预计 Claude 将要承担的这种时间跨度的工作。 如何开始 一个很简单的 onboarding 方式，是使用我们的开源claude api skill，它在 Claude Code 中开箱即用。获取 Claude Code 的最新版本，然后运行下面这个用于 Claude Managed Agents onboarding 的子命令。我对把 skills 作为新功能 onboarding 方式这件事很兴奋，而且我自己也大量使用了这个 skill： Code block Bash $ claude update $ claude /claude api managed agents onboarding 另请参阅我们的文档，了解如何通过SDK或命令行工具快速上手，并在Claude控制台中构建智能体原型。 使用场景 你可以查看我们的 Claude blog，里面有不少有趣示例。结合这些示例以及我自己的使用，我观察到一些常见模式： • Event triggered：一个服务触发 Managed Agent 去执行某个任务。例如，系统标记出一个 bug，然后 managed agent 写出补丁并创建 PR。从标记到执行，中间没有人工参与。 • Scheduled：Managed Agent 被安排定时执行任务。例如，我和很多其他人都会把这个模式用于定时的每日简报（比如 X 或 Github 活动摘要，或者一组 agents 正在处理什么工作）。下面是一个我自己使用的 X 活动每日简报示例。 • Fire and forget：触发 Managed Agent 去执行任务。例如，通过 Slack 或 Teams 把任务交给 Managed Agent，然后收回交付物（spreadsheets、slides、apps）。 • Long horizon tasks：耗时较长的任务是我认为托管智能体将尤其发挥作用的领域。我通过复刻@karpathy的自动研究代码仓库并探索若干不同思路验证了这一点。例如，我近期采用了@ chenglou开发的出色的pretext库，并让托管智能体探索将其应用到我们工程博客内容的多种方式。 核心概念 在 onboarding 时，有三个核心概念需要理解： • Agent：一个有版本的配置，用于承载 agent 的身份：model、system prompt、tools、skills、MCP servers 等。你创建一次，然后通过 ID 来引用它。 • Environment：一个模板，用来描述如何配置 agent 的 tools 所运行的 sandbox（例如 runtime 类型、networking policy、package config）。 • Session：一次有状态运行，会使用预先创建好的 agent config 和 environment。它会根据 environment 模板配置一个全新的 sandbox，挂载每次运行所需的资源（files、GitHub repos），并把认证信息存入安全金库（MCP credentials）。 你可以把 agent 想成配置，把 environment 想成描述 agent 在代码执行时要访问什么样 sandbox 的模板，而把 session 想成任何一次 agent 执行。一个 agent 可以拥有很多个 session。 使用方式 • SDKs：这些是面向代码的，你可以把它们导入到自己的应用中，在运行时驱动 sessions。现在有六种语言支持 Managed Agents：Python、TypeScript、Java、Go、Ruby、PHP。 • CLI：这些是面向终端的，每个 API 资源（agents、environments、sessions、vaults、skills、files）都暴露成了一个子命令。 • 常见模式：用 CLI 做 setup，用 SDK 做 runtime。Agent templates 是持久的：你创建一个，把它存起来（例如作为一个 YAML，里面包含 model、system prompt、tools、MCP servers、skills，并保存在 git 中），然后让 CLI 在你的部署流水线里应用它。 它是如何工作的 我与@mc anthropic、@gcemaj以及@jkeatn共同撰写了一篇Anthropic工程 博客文章，内容围绕Claude托管智能体的构建过程展开：文中我们分享的一个经验是，打造能够适配Claude智能水平进行规模化扩展的智能体，是一项基础设施 层面的挑战，而非单纯的框架设计问题。 基于这一认识，我们并没有去设计某一种特定的 agent harness；我们预期 agent harness 会持续演化。相反，我们把原本视为“brain”（Claude 及其 harness）的部分，与“hands”（执行动作的 sandboxes 和 tools），以及“session”（session 事件日志）解耦开来。 它们中的每一个都被做成接口，并尽可能少地假设其他部分如何工作；每一个部分都可以独立失败，也可以独立被替换。我们分享了这种设计如何赋予系统可靠性、安全性和灵活性，从而能够在未来加入新的 harness、sandboxes 或承载 sessions 的基础设施。 结语 我对探索多智能体协同编排或长时运行任务的各类模式相关项目满怀期待。我过去曾撰文提及的一大痛点，便是让智能体调度框架跟上模型能力的迭代速度。Claude Managed Agents会为你处理智能体调度框架与底层基础设施相关事宜，让你能够以智能体作为Claude API中全新的核心基础组件，在此之上开展各类探索实践。 Claude blog Engineering blog Docs 博客 claude api skill Claude blog SDKs CLI 博客文章 Claude Managed Agents 是一个预构建、可配置的 agent harness，运行在托管基础设施上。你可以将 agent 定义成一个模板，包括 tools、skills、files / repos 等。我们将为您提供智能体框架与相关基础设施。该系统旨在紧跟Claude快速增长的智能水平，并支持长周期任务。以下是一些实用链接： • Claude blog: 使用模式与用户案例 Claude blog • Engineering blog: Claude Managed Agents 的设计 Engineering blog • Docs: CLI 和 SDKs 的 onboarding、quickstart 和总览 Docs 为什么需要 Claude Managed Agents Claude 的消息接口是直接通向模型的入口：它接收消息，并返回内容块。基于 messages API 构建的 agent，会使用一个 harness 把 Claude 的工具调用路由到 handlers，并管理上下文。这会带来一些挑战： • Harness 需要跟上 Claude 的能力演进。我最近写过一篇博客，聚焦于如何使用 Claude API primitives 来构建 agent，以处理工具编排和上下文管理。但 agent harness 编码了对“Claude 做不到什么”的假设。随着Claude能力不断提升，这些预设前提会逐渐过时，并且可能制约Claude的性能表现。控制框架需要持续更新，才能跟上Claude的发展节奏。 博客 • Claude的运行时长正在不断延长——Claude的任务处理时长正呈指数级增长，在METR基准测试中，其工作量已超过10个人类工时。这对智能体周边的基础设施提出了更高要求：基础设施必须具备安全性，能够抵御长时任务运行过程中出现的基础设施故障，同时支持横向扩展（例如适配多个智能体团队）。 解决这些挑战非常重要，因为我们预计未来的 Claude 将会在数天、数周甚至数月内，持续处理人类最伟大的挑战。Claude Agent SDK 是第一步，它提供了一个非常优秀的通用 agent harness。Claude Managed Agents 则是这一演进中的下一步：这是一个系统，其 harness 和托管基础设施被专门设计出来，用于支持安全、可靠地执行我们预计 Claude 将要承担的这种时间跨度的工作。 如何开始 一个很简单的 onboarding 方式，是使用我们的开源claude api skill，它在 Claude Code 中开箱即用。获取 Claude Code 的最新版本，然后运行下面这个用于 Claude Managed Agents onboarding 的子命令。我对把 skills 作为新功能 onboarding 方式这件事很兴奋，而且我自己也大量使用了这个 skill： claude api skill 另请参阅我们的文档，了解如何通过SDK或命令行工具快速上手，并在Claude控制台中构建智能体原型。 使用场景 你可以查看我们的 Claude blog，里面有不少有趣示例。结合这些示例以及我自己的使用，我观察到一些常见模式： Claude blog • Event triggered：一个服务触发 Managed Agent 去执行某个任务。例如，系统标记出一个 bug，然后 managed agent 写出补丁并创建 PR。从标记到执行，中间没有人工参与。 • Scheduled：Managed Agent 被安排定时执行任务。例如，我和很多其他人都会把这个模式用于定时的每日简报（比如 X 或 Github 活动摘要，或者一组 agents 正在处理什么工作）。下面是一个我自己使用的 X 活动每日简报示例。 • Fire and forget：触发 Managed Agent 去执行任务。例如，通过 Slack 或 Teams 把任务交给 Managed Agent，然后收回交付物（spreadsheets、slides、apps）。 • Long horizon tasks：耗时较长的任务是我认为托管智能体将尤其发挥作用的领域。我通过复刻@karpathy的自动研究代码仓库并探索若干不同思路验证了这一点。例如，我近期采用了@ chenglou开发的出色的pretext库，并让托管智能体探索将其应用到我们工程博客内容的多种方式。 核心概念 在 onboarding 时，有三个核心概念需要理解： • Agent：一个有版本的配置，用于承载 agent 的身份：model、system prompt、tools、skills、MCP servers 等。你创建一次，然后通过 ID 来引用它。 • Environment：一个模板，用来描述如何配置 agent 的 tools 所运行的 sandbox（例如 runtime 类型、networking policy、package config）。 • Session：一次有状态运行，会使用预先创建好的 agent config 和 environment。它会根据 environment 模板配置一个全新的 sandbox，挂载每次运行所需的资源（files、GitHub repos），并把认证信息存入安全金库（MCP credentials）。 你可以把 agent 想成配置，把 environment 想成描述 agent 在代码执行时要访问什么样 sandbox 的模板，而把 session 想成任何一次 agent 执行。一个 agent 可以拥有很多个 session。 使用方式 • SDKs：这些是面向代码的，你可以把它们导入到自己的应用中，在运行时驱动 sessions。现在有六种语言支持 Managed Agents：Python、TypeScript、Java、Go、Ruby、PHP。 SDKs • CLI：这些是面向终端的，每个 API 资源（agents、environments、sessions、vaults、skills、files）都暴露成了一个子命令。 CLI • 常见模式：用 CLI 做 setup，用 SDK 做 runtime。Agent templates 是持久的：你创建一个，把它存起来（例如作为一个 YAML，里面包含 model、system prompt、tools、MCP servers、skills，并保存在 git 中），然后让 CLI 在你的部署流水线里应用它。 它是如何工作的 我与@mc anthropic、@gcemaj以及@jkeatn共同撰写了一篇Anthropic工程 博客文章，内容围绕Claude托管智能体的构建过程展开：文中我们分享的一个经验是，打造能够适配Claude智能水平进行规模化扩展的智能体，是一项基础设施 博客文章 层面的挑战，而非单纯的框架设计问题。 基于这一认识，我们并没有去设计某一种特定的 agent harness；我们预期 agent harness 会持续演化。相反，我们把原本视为“brain”（Claude 及其 harness）的部分，与“hands”（执行动作的 sandboxes 和 tools），以及“session”（session 事件日志）解耦开来。 它们中的每一个都被做成接口，并尽可能少地假设其他部分如何工作；每一个部分都可以独立失败，也可以独立被替换。我们分享了这种设计如何赋予系统可靠性、安全性和灵活性，从而能够在未来加入新的 harness、sandboxes 或承载 sessions 的基础设施。 结语 我对探索多智能体协同编排或长时运行任务的各类模式相关项目满怀期待。我过去曾撰文提及的一大痛点，便是让智能体调度框架跟上模型能力的迭代速度。Claude Managed Agents会为你处理智能体调度框架与底层基础设施相关事宜，让你能够以智能体作为Claude API中全新的核心基础组件，在此之上开展各类探索实践。 原帖链接：https://x.com/RLanceMartin/status/2041927992986009773 原帖链接：https://x.com/RLanceMartin/status/2041927992986009773