AI AgentAI 产品与平台

Claude Managed Agents：Anthropic 想替你管 agent

调研日期 2026-04-08，发布当天。

一句话

今天 Anthropic 发布了 Claude Managed Agents。你写一个 agent 的定义——模型、prompt、tools、MCP、skills——交给 Anthropic，它帮你在自家的 sandbox 里运行 session，按 runtime 小时加 token 收费。官方 tagline 是 “build and deploy agents 10x faster”，客户引语都在说”几天而不是几个月”，看上去是一个”让开发者少操心基础设施”的产品。

读完所有材料以后，我的判断是：这个产品帮你省事是副作用，让 Anthropic 而不是 AWS 握住 agent 这层的入口才是主线。你用不用它，实际上是在选一件事——愿意把 agent 的 operational state（credential、memory、session 历史）托管在 Anthropic 那里，换取几周不用写的 plumbing 代码；还是继续自己管这些东西，换取不被 Claude 绑住的自由。

这个选择本身不新，所有云服务都是这笔账。新的是它把”agent”这一层变成了这笔账的新战场。

产品本身

最快的理解方式是拿一个具体场景走一遍。假设你想给自己的 SaaS 产品加一个”研究助手”——用户扔一个问题进来，agent 能搜网页、读你们内部的 wiki、整理出一份报告回去。这件事过去要你自己干：租一台 container、写 agent loop、管会话状态、配 credential、做 tracing。MA 的存在是让你从头到尾都不碰这些东西。

你打开 Anthropic 控制台填一张表：agent 用 Claude Opus 4.6，system prompt 是”你是研究助手”，工具是 web search 加你自己的一个 MCP server，skills 装上你写的那个”公司 style guide”。表交出去，你拿到一个 agent ID。这是第一个概念，叫 Agent——它就是你对”这个 AI 是什么、会做什么”的完整声明，一个静态对象。

然后你告诉 Anthropic 这个 agent 要跑在什么样的环境里：预装 pandoc 和 weasyprint，容器只许访问 api.mycompany.com 和 serpapi.com，其他 host 都封掉。你拿到一个 environment ID。这是第二个概念，Environment——一个 container 模板。它和 agent 分开是因为同一个 agent 可以在不同环境里跑，比如生产环境和 staging 环境走不同的 host 白名单。

用户一来，你创建一个 session，把 agent ID 和 environment ID 一起扔进去。Anthropic 那边起一个容器，你的 agent 就在里面活过来了。这是第三个概念，Session——一次具体的运行实例。你的应用和这个 session 之间走一条 SSE 通道来回传消息，这些消息叫 Events，也是第四个概念，全部在服务端持久化。你的 web 服务器挂了也没事，重连接着跑。用户关了浏览器，session 进 idle，不计费。下次他回来，session 继续，对话状态不用你自己管。

走完这一遍你会注意到两件事。第一件是：整个过程你没写一行 agent loop。模型什么时候调 web search、调用失败怎么重试、context 太长怎么 compact、对话历史存哪——这些决定都是 Anthropic 的 harness 替你做的。这是 MA 的核心卖点。第二件是：credential 是放进一个叫 vault 的 write-only 存储的，agent 运行时能用但读不到原文；每一次 tool call 都写进 event stream，在 Console 里变成一条可审计的时间线。这是 MA 的 governance 卖点。

但同样在这套流程里，有两件官方没大声说的事值得你看一眼。

一是 agents.update 这个 API 没有审批。你的 agent 定义本身是 immutable 的（每次更新都发一个新版本号），但任何拿到你 API key 的人都可以直接发 update 改 system prompt 和 tool 清单。Anthropic 在自己的 cookbook 里承认这是个 tradeoff，让调用方自己用版本号 pinning 和 PR review 补上这层保护。对金融、合规、高风险场景，这个洞要在集成时显式堵上。

二是 MA 最吸引人的三个功能今天都在 research preview，没有 GA 时间表。Outcomes 是其中最像 demo 的那个——你写一份 rubric，Claude 自己迭代到 rubric 被满足为止。官方 blog 里反复强调的”让 Claude 自己迭代直到任务完成”就是这个功能，今天你用不到。另外两个是 Multi-agent orchestration（目前只支持单层 delegation，不能 agent 套 agent 套 agent）和 Memory（跨 session 的持久记忆）。发布日能跑的是编排 harness 和 governance 基础，最出片的能力留在门后。

定价只有一行，定义留得很松。blog 原文是 standard Claude Platform token rates apply, plus $0.08 per session-hour for active runtime，TheNewStack 的独立报道补了两个细节：idle time 不算钱，web search 额外 $10 每 1000 次。Anthropic 的 pricing docs 页面到今天都还没有 Managed Agents 的章节。active runtime 到底按秒、按分钟还是按小时向上取整，rescheduling 状态算不算 active，这些 docs 都没写。

为什么说这是 Anthropic 的入口战

把产品的”它帮你做了什么”放一边，换一个角度：Anthropic 选在这个时间点做这件事，是在解决什么问题？

按时间看 Anthropic 是四家大厂里最晚下场的。AWS Bedrock AgentCore Runtime 2025 年 10 月 GA，OpenAI AgentKit 加 Responses API 差不多同期，Google Vertex Agent Engine 也已经到位。Anthropic 晚了半年。这个 delay 不是技术没准备好，Claude Code 早在 2025 年 2 月就有完整的 agent runtime 了，MA 的 harness 大概率就是从 Claude Code 里抽出来的。

真正解释时机的是两件挨得很近的事。

第一件是财务。公开报道里 Anthropic 2025 年前 9 个月给 AWS 付了 26.6 亿美元的 compute，超过同期 revenue，2024 gross margin 大约 -94%，对投资人的承诺是 2028 做到 77%。这条曲线要走通，必须从某处收回毛利。Claude Code 在 2025 年末做到约 10 亿美元 ARR，2026 年初到 25 亿美元以上，证明了”比 raw API 更高层级的产品”确实能把毛利拉起来。MA 是同一个逻辑的第二次发球，从”卖 token”升级到”卖 runtime 加 token”。

第二件是平台控制权。MA 发布的 4 天前，Anthropic 切断了 OpenClaw 和几个类似的第三方 harness 通过订阅计划接入 Claude 的便宜通道。两件事挨这么近不像巧合。合理的读法是：先关闭”用我的 token 跑你的 harness”那条价廉路径（这条路径上 Anthropic 拿不到 runtime 的钱，也控制不住 agent 的交互形态），再开放”用我的 harness 在我的 runtime 上跑”的官方路径。一堵一疏，同一个动作的两半。Hacker News 发布日讨论里有人直接点出了这个动机（47693047，用户 cedws）：

“Anthropic wants to shift developers on to their platform where they’re in control. The fight for harness control has been terribly inconvenient for them. To score a big IPO they need to be a platform, not just a token pipeline.”

还有第三件事，更隐蔽一点。Claude Cowork 已经被 Microsoft 嵌入 Copilot，如果 Anthropic 没有自己独立的 platform 层，它面对的长期局面是”Claude 成为 Microsoft 产品里的一个模型选项”。MA、Claude Code、Cowork 这三层加起来，让 Anthropic 有了 consumer、developer 和 platform builder 三个自己直接掌握的入口，不必把分发权交给任何一家 hyperscaler。

把这三件事并排放：财务要改善毛利、产品要收回 harness 控制权、渠道要摆脱 hyperscaler 依赖。MA 同时解这三道题。“帮开发者省几个月基础设施工作”是卖点，不是动机。

省的事，到底省给谁

发布日有两个独立的声音值得并排读。

一个是 Hacker News 主线程上的 JLO64（原贴），一个用 Anthropic Agent SDK 在 Docker 里给客户做 Jekyll 站点生成服务的人：

“I didn’t find it that difficult to set up the infrastructure, the hard part was getting the agents to do exactly what I wanted.”

另一个是瑞士开发者 Tamas Kaljuste 发布日晚上在 LinkedIn 上给了一个真实账单对比（来源）。他把一个 newsletter agent 搬到 Managed Agents 上跑：

“Managed Agent: 20+ minutes, $5+ burned. My same n8n workflow: runs in a few minutes, costs cents… Forcing a model to pause and ‘reason’ through a strictly repeatable pipeline is a fundamentally expensive architecture.”

这两句话放在一起，MA 价值主张的边界就浮出来了。MA 想省掉的是”写 sandbox、checkpoint、credential 管理、tracing 的几周活”。对一个已经跑了生产 agent 的人，这几周活根本不是最大的坑——让 agent 做对事情才是。对一个把结构化流水线硬塞进 agent loop 的人，$0.08 的 runtime 只是皮毛，真正的账单来自”让模型在一条本来可以写死的路径上反复 reason”。20 分钟 5 美元不是 MA 贵，是 agent 架构本身对不上 workflow automation 的成本模型。

所以 MA 实际服务的是一群很具体的人：还没建过 production agent infra，但手里有一个现成的 SaaS 产品想加 agent feature。LinkedIn 和早期客户名单几乎全是这群人。bnchrch 在给一个小啤酒厂写 invoicing agent，Dan Rooney 已经为 Google Ads / HubSpot / Peec AI 写了 custom MCP server、但 orchestration 还是 duct tape，Notion 想让用户在 Notion 里委派 agent 做事，Sentry 想让 error 直接变成一个 PR。这些场景里 MA 省的东西都是真的。

HN 主线程那一群人是另一个画像：他们手上已经有 Docker、K8s、multi-model pipeline，已经过了”搭基础设施”那个阶段。这一群人发布日的反应几乎统一是”我不会切过来”。主线程至少五个用户明确表态自己已经在跑 self-hosted 等价物——JLO64 的 Docker + SDK、rick1290 的 Pydantic AI 加 DBOS / Temporal、jawiggins 的 K8s-based Optio、_pdp_ 在整理自己的开源版本、0o_MrPatrick_o0 的 multi-model 路由。Managed Agents 对他们的吸引力是负的：省的东西他们已经有，代价（Claude-only 的绑定）他们承担不起。

mccoyb 在同一条 thread 上给了我觉得当天最尖锐的那一句：

“Opus 4.6 on max does not hold a candle to GPT 5.4 xhigh in terms of bug finding.”

他的整个 production pipeline 是 Claude 做 planning、GPT 做 bug finding、本地 Qwen 做简单操作。这种 mixed-agent 配置 MA 一个都支持不了。对这一类开发者，MA 的 value prop 不是持平、是负值——接受它意味着在每一个子任务上都要用次优的模型。

Lock-in 在哪一层

MA 的 lock-in 有三层，值得分开看，因为它们迁移难度完全不同。

第一层是模型绑定。MA 只支持 Claude 4.5 及以上。这一层所有人都看得见。讽刺的是 Claude Agent SDK（self-host 路径）反而更开放，明确支持通过 Bedrock、Vertex、Azure 路由其他模型。

第二层是 API shape。Agent、Environment、Session、Events 这四个抽象是 Anthropic 私有的命名，跟 OpenAI 的 Responses API、Bedrock AgentCore 的 runtime 完全不兼容。迁移的时候你得重写 agent loop，但至少代码是你的，重写工作量可估。

第三层是 operational state，也是最隐蔽的一层。独立博主 Dan Goodman 在 MA 发布前 12 天写了一篇预判文指出：model lab 真正的 lock-in 不在 API，在 context。managed compaction、persisted session、跨 session memory——这些东西一旦托管在 Anthropic 那里，你想迁走要带的不是代码，是 state。Anthropic 没有官方的 export 工具。你 vault 里的 credential、memory store 里的跨 session 记忆、session 历史的完整 event stream、agent version 的演化记录，这些都是 MA 的真实 egress cost。

这一层比 cloud 的 egress fee 更难算。AWS 的 egress 至少是标价的，你知道自己被锁得多紧。context lock-in 是随运营时间累积的，你用 MA 跑 agent 半年以后，真正难迁走的是半年积累的 memory store 和 skill 配置，不是当初那几百行 agent 定义代码。

发布日 HN 上另一位用户 0o_MrPatrick_o0 给了一个具体的理由为什么他不愿意承担这层 lock-in：

“Model reliability is transient. When the models have an off day, the workflows you’ve grown to depend upon fail. Build in multi-model support, so your agents can modify routing if an observer discovers variability.”

这不是”反垄断”的意识形态立场，是”我自己运营 agent 的时候被 Claude 的 off day 烧掉过一整天”的经验。MA 在架构上不给你这个逃生口。

一个需要修正的预言

这段是写给读过我之前两篇文章的读者的，不熟悉的读者可以跳到下一节。

2025 年初写 Claude Code 的时候，我的判断是它是 AI-Native 软件开发的一块关键拼图，推动”Library as a Service”这种新范式——让每个软件库都变成 AI 可以直接调用的 agent。MA 把这个方向再推了一步：让你的库以 managed agent 的形态对外提供服务，Notion / Asana / Atlassian 的案例就是这个模式的 proof of concept。从 LaaS 的角度 MA 是在预期的路径上。

但同时我在关于 Agentic AI 框架的那篇文章里写过一个更底层的预测：“未来，Agentic AI 的各个组件一定会尘埃落定，收敛出类似 Web 标准一样的通用接口。” 一年多后回头看，收敛确实在发生——四家大厂同期推 managed agent runtime 是最明显的信号——但收敛的方向跟预测不一样。收敛到的是各家的 proprietary runtime，不是 open standard。MA 的 Agent / Environment / Session、OpenAI 的 Responses API、Bedrock 的 AgentCore Runtime，彼此都不兼容。MCP 是唯一的例外，因为它是 Anthropic 发起后捐给 Linux Foundation 的 tool 层协议，四家都支持。但 agent 这一层本身没有 MCP 对应的开放协议。A2A 是 Google 的，AG-UI 是 CopilotKit 的，MA 都不支持。

所以预言需要打个补丁。收敛在发生，时间点就是现在，但形态不是 HTTP / MIME type 那种人人遵守的公共标准。形态是四五家厂商各自有一套 managed runtime，中间靠 MCP 做浅层的 tool 互通，agent-to-agent 层还是一片没有共识的空白。

这个补丁的实际后果是：2026 年选 agent 的生产运行时，你做的决定比 2025 年选 LangGraph 还是 SmolAgents 更重。框架你可以改写，runtime 里的 operational state 不行。避免 lock-in 的代价也比一年前更高，因为自建要补的不止是 agent loop，还有 sandbox、vault、memory store 这些东西。两边都在加价，没有一个免费的选项。

三类读者分别该做什么

如果你已经在跑 agent 生产系统，用的是 Claude Agent SDK 加自己的 Docker / K8s / Cloud Run。继续待着。MA 现在没有能撬动你迁移的东西，等两件事发生以后再重新评估：Outcomes / Memory / Multi-agent 三个 research preview 功能 GA 并且定价清楚，以及 Anthropic 提供 operational state 的官方 export 工具。两件事至少发生一件，才值得动。

如果你是 SaaS 产品团队，想在现有产品里加 agent 作为一个 feature，目标客群是普通用户而不是开发者。MA 是当前最顺的选择，前提是你接受 Claude-only 绑定。上手比 AgentCore 轻（不用自己决定 sizing），支持的 session 长度比 OpenAI Responses API 的 20 分钟 container cap 长得多，比从零自建省几周 plumbing。Notion / Asana / Atlassian 出现在早期客户列表不是巧合。现在就值得做的一件事：在自己这边维护一个 agent 配置的 source of truth，把 vault content、memory store、skill 集合都放在 MA 之外的地方定期同步进去。这样未来想迁出，迁的是同步脚本不是运营历史。MA 的 API 支持这种做法。

如果你还没开始建 agent，正在评估选型。我的建议是先别选 managed runtime。用 Claude Agent SDK 在 Fly.io 或 Cloud Run 上跑一个最小可用的 agent，跑一两周，感受一下真实的瓶颈在哪里。绝大多数情况瓶颈不在基础设施，在让 agent 做对事。等你对这个体感清楚以后，再决定要不要接受某一家的 lock-in 换 managed 的便利。现在直接跳上 managed runtime 的风险是你用到的一半能力自建本来也能有，另一半你其实并不需要，但 lock-in 已经发生。

几个还没被回答的问题

发布日的信息不够验证几件事，值得在接下来一两周继续看。

一个是真实账单。Tamas Kaljuste 的 20 分钟 newsletter 测试是当天唯一一条独立行为数据，我们没有”我跑了 8 小时 coding agent 账单是 X 美元”这种端到端的复盘。这种数据通常在发布后 7 到 14 天出现。

一个是 migration story。到今天为止所有客户引语都是”我们集成了”，没有一条是”我们从 X 迁过来”。没有人从 Bedrock AgentCore 切到 MA，也没有人从 self-hosted 切过来。这种缺席本身是信号，但需要等 migration 数据出现以后才能判断 MA 到底有没有吸引力拉到已经站队的客户。

一个是 Outcomes、Memory、Multi-agent 什么时候 GA，GA 的时候定价会不会变。这三个是 MA marketing 里最吸引人的东西，也是目前最不确定的。

一个是 MA 的 container 底层用什么技术隔离。文档只说”sandboxed”，Firecracker、gVisor、Docker 还是别的什么完全没提。AgentCore 明确写了 Firecracker microVM。对 compliance 场景这个答案需要写进合同，现在没有。

一个是 12 个月之内 MA 能不能做到 500 M 美元以上的 ARR。能，它就是 Anthropic 继 Claude Code 之后第二根独立的应用级产品支柱，毛利故事站得住。不能，它就是一个进度追赶的动作，重要但不决定 Anthropic 的命运。现在没人能回答这个数字，明年这个时候回头看就知道了。