4月9日消息，Anthropic正式发布Claude Managed Agents并在Claude Platform开放公开Beta测试。这是一套面向企业级AI Agent构建和部署的可组合API套件，将性能优化的Agent执行框架（agent harness）与全托管云基础设施深度绑定，目标是把开发者从基础设施搭建中解放出来——定义任务、工具和防护栏，其余全部交给Anthropic运行。 此前，Anthropic主要提供模型API让开发者自行构建Agent。除了Claude Code和Cowork之外，Anthropic并未将自身的基础设施开放给Agent运行。Managed Agents标志着Anthropic从"模型供应商"向"Agent基础设施平台"的明确转型，直接进入了OpenAI、Google、Salesforce和微软都在争夺的企业Agent部署市场。 解决什么问题：80%的时间花在基础设施上
构建一个生产级Agent需要沙箱代码执行、检查点恢复、凭证管理、作用域权限和端到端追踪——这些基础设施工作往往要花费数月，然后才能开始写任何用户可见的功能。
这不是个别团队的困境，而是整个行业的共性痛点。Agent会发起外部API调用、等待响应、处理错误，有时运行数分钟甚至数小时。它们不可预测地消耗Token，触发速率限制，并以简单请求-响应应用不会出现的方式失败。对于工程团队规模有限的公司来说，管理这些运维复杂度消耗的资源往往超过了构建Agent逻辑本身。
Managed Agents的解决方案是把所有基础设施层抽象掉。开发者可以通过自然语言描述或YAML文件定义Agent，指定防护栏，然后直接在Anthropic平台上运行。内置的编排框架负责决策何时调用工具、如何管理上下文、如何从错误中恢复。
核心架构：4个概念 + 全托管运行时
Managed Agents的设计围绕4个核心概念展开：
Agent：模型 + 系统提示 + 工具 + 技能的组合定义，一次配置可重复使用。
Environment：预装Python、Node.js、Go等运行环境的云容器，可配置网络访问规则和文件挂载。
Session：Agent的具体运行实例。支持长时运行（数分钟到数小时）、多次工具调用、断线重连，文件系统和对话历史在多次交互间持久化。
Events：用户消息和工具结果通过SSE（Server-Sent Events）流式交互。事件历史在服务端持久化存储，可全量获取；用户可中途发送新指令引导或中断Agent执行。
内置工具覆盖了Agent常见操作场景：Bash命令执行、文件读写编辑、网页搜索与抓取、MCP外部工具服务器连接。Claude可在执行过程中自主决定调用哪些工具。
**高级特性（研究预览阶段，需单独申请）**包括三个方向：多Agent协调——让Agent启动和指挥其他Agent并行处理复杂任务；持久记忆——跨Session保持上下文；成果定义（Outcomes）——开发者设定成功标准，Claude自评估并迭代直到达标，适用于"好不好需要判断而非二元通过"的任务场景。
治理层面，平台提供作用域权限、身份管理和执行追踪，Session追踪和集成分析直接内嵌在Claude Console中，每个工具调用、决策点和失败模式都可检查。
性能数据与企业落地案例
在结构化文件生成等内部测试任务上，Managed Agents相比标准提示循环的任务成功率提升最高达10个百分点，在最难的问题上优势最明显。
已有多家企业在生产环境中接入：
Notion（私有Alpha）：团队可在Notion工作区内直接将工作委托给Claude，工程师用它写代码，知识工作者用它生成网站和演示文稿，数十个任务可并行运行。
Rakuten：在产品、销售、营销、财务和HR等业务线部署了专属Agent，接入Slack和Teams，员工可分配任务并收回交付物（表格、幻灯片、应用等），每个专属Agent在一周内部署完成。
Sentry：将现有的Seer调试Agent与Claude驱动的修复Agent打通，从发现Bug到生成可审查的修复PR实现全流程自动化，整个集成在数周内上线。
Asana：构建"AI Teammates"——在项目管理工作流中与人类协作的Agent，自动承接任务并输出交付物。团队反馈，使用Managed Agents添加高级功能的速度远快于之前的方式。
Atlassian：直接在Jira工作流中集成开发Agent，用户可从Jira内分配任务，沙箱、Session和权限管理等均由Managed Agents处理。
定价与竞品对比
定价结构分两层：
- 标准Claude API Token费用（与现有定价一致）
- 额外$0.08/session-hour的活跃运行时费用，按毫秒计量。Agent等待用户输入或工具响应的空闲时间不计费
- Agent执行网页搜索时，额外收取$10/千次搜索
这个定价模型的核心逻辑是：Token费用覆盖模型推理成本，session-hour费用覆盖基础设施运行成本。对于短时任务（几分钟内完成），基础设施费用几乎可以忽略；但对于长时运行的复杂Agent流程，成本会随时间累积。
竞品格局对比：
当前企业Agent部署市场的主要玩家包括OpenAI Agents SDK、Google ADK（Agent Development Kit）、Salesforce AgentForce和微软Copilot Studio。关键差异在于： Claude Agent SDK的核心优势是最深的OS级访问能力、内置文件和Shell工具，以及最强的MCP生态集成。没有其他框架能把"给Agent一台电脑"做得这么简单。
OpenAI Agents SDK走轻量级路线，强调Handoff模式（分诊→专家→升级）和Guardrails前置拦截，且不绑定模型供应商，可换用其他LLM。
Google ADK提供Python/TypeScript/Java/Go四语言SDK，原生支持A2A（Agent-to-Agent）协议和Vertex AI Agent Engine托管部署，但实际使用中工具调用失败率较高，容易陷入思考循环导致成本飙升。
Claude SDK和OpenAI SDK都锁定各自模型供应商，Google ADK虽支持多供应商但针对Gemini优化。混合使用多个模型可比单一模型降低40-60%的成本。 Managed Agents与上述SDK层面的竞争不同在于：它不仅提供框架，还提供全托管的运行基础设施。自建多Agent系统的总拥有成本（包括状态管理、可观测性、集成加固和持续评估）在第一年往往超出托管平台成本3-5倍。
局限与风险：供应商锁定和成本不可控
模型锁定：Managed Agents只支持Claude模型。如果你的场景需要在不同模型间灵活切换（比如用GPT处理编程任务、用Claude处理推理任务），这个平台无法满足。对于安全审计要求高的场景（医疗、金融、法律），Claude SDK的Constitutional AI约束是优势；但对于需要模型灵活性的团队，这是硬限制。
成本不确定性：Agent的Token消耗天然不可预测。一个看似简单的任务，如果Agent陷入工具调用循环或反复重试，成本可能远超预期。虽然Anthropic提供了成本追踪API（每次query调用的result message中包含total_cost_usd字段），但缺乏原生的预算上限机制。企业需要在应用层自行实现成本熔断。
Beta阶段的稳定性：目前是公开Beta，多Agent协调和持久记忆等高级功能仍在研究预览阶段。对于需要立即上线生产环境的场景，需要评估这些功能的成熟度。
隐私与数据治理：Agent在Anthropic云基础设施上运行，意味着执行过程中的所有数据（包括文件、对话、工具调用结果）都经过Anthropic服务器。对于数据主权要求严格的行业，需要确认Anthropic的数据驻留（Data Residency）政策是否满足合规需求。
开源Agent框架的替代：如果你的团队有足够的工程能力，LangGraph（持久化检查点、崩溃恢复、时间旅行调试）和CrewAI（自然语言定义Agent角色、快速原型）都是成熟的开源选择，且不锁定模型供应商。LangGraph在月搜索量上以27,100领先，CrewAI以14,800紧随其后，两者都有大量生产部署案例。
对不同角色的实操建议
企业技术负责人：如果你的团队已经在用Claude API且Agent场景以文档处理、代码生成、内部工具自动化为主，Managed Agents能显著缩短上线周期。关键决策点是评估数据合规需求和长期成本模型。建议先用单一场景做POC，跑通成本模型后再扩展。
独立开发者和小团队：$0.08/session-hour的基础设施费用加上Token费用，对于高频使用场景成本不低。如果你的Agent主要做短时任务（<5分钟），成本影响较小；如果需要长时运行，建议先用Claude Agent SDK本地部署测试，确认场景价值后再迁移到Managed Agents。
已有自建Agent基础设施的团队：迁移成本需要评估。Managed Agents的优势是减少运维开销，但如果你已经在LangGraph或CrewAI上跑通了生产流程，切换到供应商锁定的托管平台未必划算。
快速上手路径：登录Claude Console的Agent快速开始页面，或使用新推出的CLI工具一键部署。所有API请求需携带Beta Header managed-agents-2026-04-01。也可以在Claude Code中直接输入"start onboarding for managed agents in Claude API"开始引导。
AI 速览
