以前搭一个能上线的AI Agent要几个月，现在几行代码就搞定了。

---

先搞懂一个公式

2026年初，AI圈流传着一个简洁的公式：

Agent = Model + Harness

Model（模型） 提供智能——能思考、能推理、能生成。

Harness（缰绳） 让这个智能能真正干活——在哪里跑、用什么工具、出了错怎么办。

打个比方：

Model 是一匹千里马，Harness 是马鞍、缰绳和赛道。 没有 Harness，千里马只能在草地上乱跑；有了 Harness，它才能赢比赛。

问题是：搭一套生产级的 Harness，需要处理沙箱执行、状态管理、权限控制、端到端追踪……这些基础设施工作可能耗费数月。

昨天，Anthropic 说：这些活儿我们全包了。

---

Claude Managed Agents：到底是什么？

一句话概括： 你定义AI要干什么，Anthropic负责让它跑起来。

以前 vs 现在

以前（自己搭）	现在（Managed Agents）
自己搭沙箱环境	平台提供安全沙箱
自己写状态管理	内置检查点机制
自己做权限控制	作用域权限已内置
自己处理错误恢复	自动从错误中恢复
几个月才能上线	几行代码就能跑

---

四个核心能力

1. 生产级 Agent

安全沙箱、身份验证、工具执行——全部由平台处理。

开发者不需要自己搭基础设施，专注于定义Agent该干什么就行。

2. 长运行会话

Agent可以自主工作数小时，不是几分钟的简单问答。

进度和输出会持久化保存，即使连接断开也不会丢失状态。

就像你给员工布置了一个大项目， 他不会因为你关了办公室的门就停下来。

3. 多Agent协调

一个主Agent可以派生多个子Agent，分别处理不同子任务，然后汇总结果。

就像项目经理把大任务拆成小任务， 分给不同组员并行处理，最后合并交付。

4. 可信治理

Agent访问真实系统时，权限管理、身份验证、执行追踪全部内置。

企业最担心的问题——Agent越权访问敏感数据——有了系统性的解决方案。

---

底层设计：三个关键模式

Anthropic在设计这套系统时，遵循了三个核心思路。听起来像技术细节，但其实很好理解。

模式一：用AI已经擅长的工具

Claude在SWE-bench测试中拿到49%的成绩，当时的最先进水平。

用的工具只有两个：bash 和 文本编辑器。

这两个工具看起来很"原始"，但关键在于：Claude对它们理解极深。

就像给一个大厨一把好刀和一口好锅， 他能做出千变万化的菜——不需要108种厨具。

Anthropic发现，Claude能把这些通用工具组合出各种解决方案：

• Agent Skills = bash + 文本编辑器的组合

• 编程式工具调用 = bash脚本串联

• 内存工具 = 文件读写的巧妙运用

设计哲学：给AI它已经精通的通用工具，让它自己组合出解决方案。

模式二：让AI自己做决策

传统做法：AI每调用一个工具，结果都要经过"大脑"处理，然后再决定下一步。

问题是：很多中间结果根本不需要"过脑子"，直接传给下一个工具就行了。每次都要处理，又慢又费钱。

Managed Agents的做法：

给AI一个代码执行工具，让AI自己写代码来编排工具调用。 AI自己决定哪些结果需要仔细看、哪些可以直接跳过。 只有最终输出才进入AI的"大脑"。

效果有多好？在BrowseComp测试中，让AI自己过滤工具输出后，准确率从45.3%飙升到61.6%。

核心洞察：强大的编码模型，也是强大的通用Agent。

模式三：该管的地方严格管

AI能力越强，安全边界越重要。

Managed Agents的安全设计逻辑：

操作类型	处理方式
可逆操作（编辑文件）	AI自主执行，但带过期检查
不可逆操作（调用外部API）	需要用户确认
高风险操作	第二个AI审查后才放行

就像公司里的审批流程： 买个文具自己批就行，签个大合同要领导签字。

---

这件事为什么重要？

1. Anthropic变了

以前：我提供模型，你自己搭基础设施。 现在：我提供整套运行环境，你专注于定义Agent该干什么。

Anthropic开始做云服务商做的事——提供计算资源和运行环境，只不过跑在上面的是AI Agent。

2. 从原型到生产的"死亡谷"消失了

很多开发者都有这个痛苦：

ounter(lineDemo很酷 → 上线很难 → 基础设施搞死人 → 项目烂尾

Managed Agents把中间那段最痛苦的基础设施工作接管了。

3. Agent的"工业化"时代来了

阶段	特征
2023-2024	手工作坊：每个Agent都是定制开发
2025	工具链成熟：框架和库越来越多
2026	工业化生产：基础设施即服务

---

给开发者的启示

1. 基础设施不再是瓶颈

当沙箱、状态管理、权限控制都有人帮你做了，你该把精力放在哪？

设计Agent能做什么、怎么做、边界在哪里。

2. "用AI已经擅长的工具"是通用原则

不要为每个任务设计专用工具。

给AI通用工具，让它自己组合——这个思路不只适用于Anthropic，适用于所有AI应用开发。

3. 安全边界要从第一天就设计

不是"先跑起来再加安全"，而是安全是架构的一部分。

Managed Agents在这方面做了很好的示范。

4. 关注"Agent即服务"赛道

Anthropic带了个头，但不会是唯一一个。

预计Google、OpenAI、以及国内的大模型厂商，都会推出类似的托管Agent服务。

---

参考链接

资源	链接
Claude Managed Agents 官方博客	https://claude.com/blog/claude-managed-agents