Claude Managed Agents：Anthropic 为长周期 Agent 准备的托管执行层

这条 X 帖子是 Lance Martin 对 Claude Managed Agents 的一篇导读，重点不是重复产品文案，而是从 agent harness、长周期任务和基础设施设计的角度，解释为什么 Anthropic 要把这套能力做成一个托管系统。

原帖链接：https://x.com/rlancemartin/status/2041927992986009773?s=46

一句话总结

Claude Managed Agents 是一个预构建、可配置、运行在托管基础设施上的 agent harness。

你负责定义 agent 模板，比如：

• 要用什么模型
• system prompt 是什么
• 用哪些 tools
• 挂哪些 skills
• 需要哪些文件、仓库或 MCP 服务

而真正负责执行的 harness 和底层基础设施，由 Anthropic 来提供和维护。

这套系统的目标，是随着 Claude 智能能力持续提升而同步演进，同时更稳地支持长周期任务。

为什么 Anthropic 要做 Managed Agents

Lance Martin 认为，直接基于 Claude Messages API 搭 agent 时，虽然灵活，但你必须自己处理很多脏活累活：

• 工具调用怎么路由
• 上下文怎么管理
• harness 怎么随着模型升级持续更新
• 长时间运行时如何处理故障恢复、安全边界和扩展性

这里有两个核心挑战。

1. Harness 很容易过时

他提到，agent harness 往往隐含了很多“Claude 现在还做不到什么”的假设。问题是，Claude 的能力在快速增强，这些假设会很快过期，甚至反过来限制 Claude 表现。

也就是说，harness 如果不持续更新，最终可能不是增强器，而是瓶颈。

2. Claude 的任务时长在快速增长

Claude 能处理的 task horizon 正在指数级增长。帖子里提到，它在 METR benchmark 上已经超过 10 个小时的人类工作时长。

一旦任务从几分钟拉长到几小时、几天甚至几周，agent 周围的基础设施就必须更可靠：

• 要能承受长时间运行中的基础设施故障
• 要有安全隔离
• 要能扩展到多个 agent 团队并发工作
• 要能把会话状态、凭证和执行环境稳定管理起来

Anthropic 判断，未来 Claude 可能要在人类最重要的问题上连续工作数天、数周甚至数月，所以这些能力不能再靠临时拼装。

Managed Agents 在产品演进中的位置

Lance 认为，Claude Agent SDK 是第一步，它提供了一个通用且很优秀的 agent harness。

而 Claude Managed Agents 是下一步，它不只是给你一个 SDK，而是直接把 harness 和配套基础设施一起托管起来，让系统可以更安全、更可靠地支持更长任务周期的执行。

怎么开始使用

帖子里给了一个很直接的上手方式：使用 Anthropic 开源的 claude-api skill，在 Claude Code 中快速完成 Claude Managed Agents 的 onboarding。

示例命令是：

$ claude update
$ claude
/claude-api managed-agents-onboarding

除此之外，也可以直接参考官方文档，用 SDK 或 CLI 来创建 agent、environment 和 session。

常见使用场景

Lance 总结了几个他观察到的典型模式。

1. Event-triggered

由某个系统事件触发 Managed Agent 执行任务。

例如：

• 系统检测到 bug
• Managed Agent 自动写补丁
• 自动创建 PR

这个流程中，触发到执行之间不需要人工介入。

2. Scheduled

按计划定时运行 Managed Agent。

例如：

• 每日 X 活动简报
• GitHub 动态汇总
• 团队中一组 agent 的每日工作进展总结

他提到自己和很多人都在这么使用。

3. Fire-and-forget

人类发起任务，然后等待 agent 返回结果。

例如：

• 在 Slack 或 Teams 中给 Managed Agent 派任务
• 最后收回表格、幻灯片、应用或其他交付物

4. Long-horizon tasks

这是他认为 Managed Agents 最有潜力的方向之一。

也就是那些真正会跑很久的任务，例如：

• 深度研究
• 多阶段探索式开发
• 自动化内容整理与分析
• 需要多轮工具调用和较强恢复能力的复杂工作流

帖子里还举了一个例子，他 fork 了 Karpathy 的 auto-research repo，并尝试让 Managed Agent 探索不同思路，包括把 pretext library 用到 Anthropic 工程博客内容上。

三个最重要的概念

他特别强调，初次接触时要先搞懂三个核心对象：

1. Agent

一个版本化配置，定义 agent 的身份和能力，例如：

• model
• system prompt
• tools
• skills
• MCP servers

你创建一次，以后通过 ID 引用。

2. Environment

一个模板，用来描述 agent 的工具运行时所需的 sandbox 如何被创建，例如：

• runtime 类型
• 网络策略
• 包配置

3. Session

一次有状态的实际执行。

Session 会：

• 根据 environment 模板创建新的 sandbox
• 挂载本次运行需要的文件或 GitHub 仓库
• 把认证信息放到安全 vault 中，例如 MCP credentials

你可以这样理解：

• Agent 是配置
• Environment 是 sandbox 模板
• Session 是一次具体运行

一个 agent 可以对应很多个 session。

推荐的使用方式

帖子建议把 CLI 和 SDK 配合起来用：

• CLI 适合做资源创建和管理，像 agents、environments、sessions、vaults、skills、files 都有对应子命令
• SDK 适合在应用运行时调用

一个比较实用的模式是：

• 先用 CLI 建好 agent 模板
• 把模板配置保存到 Git 里，比如 YAML
• 再在部署流程里应用这些配置
• 运行时由 SDK 驱动 session

底层设计思路

这条帖子也简要概括了 Anthropic 工程博客里讲到的实现哲学。

核心不是设计一个永远正确的 harness，而是承认 harness 会持续变化，因此要把系统拆成三个低耦合部分：

• Brain：Claude 和 harness
• Hands：执行动作的 sandbox 与 tools
• Session：记录会话事件的日志

这样做的好处是：

• 每一层都可以独立失败和恢复
• 不会因为某个 sandbox 或 harness 崩掉就丢掉整个状态
• 更容易扩展到未来的新 sandbox、新执行环境和新 harness
• 让系统在可靠性、安全性和灵活性上都更强

我的理解

如果把这条帖子翻成更工程一点的话，它想表达的是：

Anthropic 正在把 agent 从“你自己拼出来的一套脚手架”变成 Claude API 里的核心原语。

开发者不再需要自己维护整套随模型能力变化而不断失效的 harness，而是可以在一个更稳定的托管层上，去探索：

• 多 agent 编排
• 长时间运行任务
• 自动化研究
• 生产级工具链接入
• 面向企业和团队的 agent 工作流

这也是 Lance 最后表达兴奋点的地方。因为过去一个长期痛点，就是 agent harness 总在追着模型能力跑，而 Managed Agents 试图把这件事从开发者手里接过去。

总结

Claude Managed Agents 不是单纯的“又一个 agent SDK 功能”，而是 Anthropic 对 agent 基础设施的一次升级：

• 让开发者把重点放在 agent 本身，而不是底层 harness 维护
• 用托管基础设施承接长周期、高可靠性任务
• 用 agent、environment、session 三个核心对象组织整个运行体系
• 为未来更强的 Claude 和更复杂的多 agent 场景提前铺路

如果你正在做 agent 产品、自动化工作流，或者希望把 Claude 真正接入长期运行的生产任务，这条帖子本身就很值得读，它相当于给 Managed Agents 提供了一个非常清晰的产品化入口。