文 | 字母 AI
凌晨，Anthropic 发布了 Claude Managed Agents，一套用于构建和部署云端智能体的托管工具。
官方称，一个原本需要数月才能上线的 Agent，现在可以在几天内投入生产。
01 以 10 倍速度进入生产
在此之前，Agent 开发真正的难点从来不在模型本身，而在工程。
我们可以很快用 Claude 或其他大模型做出一个看起来不错的 demo：能写代码、能分析文档、甚至能自动调用工具。但一旦想把它变成一个能稳定运行的产品，问题就出现了。
明明它看起来什么都能做，可就是很难真正用在生产环境里。
demo 做出来以后，开发者还需要自己搭一整套基础设施：安全的代码执行环境、长时间运行的状态管理、不同工具之间的权限控制，以及在出错时能够恢复的机制。这些能力每一个都不算复杂，但组合在一起，就是一件非常耗时的大工程了。
更麻烦的是，这些工作几乎无法复用。
模型一旦升级，harness 里原本写死的那些假设往往不再那么适配，不同 Agent 之间也很难共享一套稳定的运行框架。
Agent 开发翻来覆去：每个团队都在解决同一类问题，但很少有人真正把它做到稳定。
因此我们经常看到，Agent 可以轻松做出 demo，却迟迟才能上线。
Claude Managed Agents 试图解决的正是这一问题：安全执行、状态管理、权限控制、错误恢复……它把这些原本要自己搭的一整套东西全部打包，统一由 Anthropic 提供。
开发者不需要再关心 Agent 是怎么跑起来的，只要告诉它做什么、能用什么工具、有哪些限制，剩下的执行过程都由系统自动完成。
带来的变化也很直接：原本要花几个月搭出来的一整套系统，现在变成了一个可以快速尝试、反复调用的接口。
它没有让 Agent 变得更聪明，但它狠狠缩短了 demo 和生产之间的距离。
除了加速上线的 " 工具包 "，它还做了以下几件事：
首先是对长时间运行任务的支持。Agent 可以在后台自主运行数小时，进度和输出会被持续保存，即使发生中断也不会丢失。
其次是多 Agent 之间的协作能力。Agent 可以创建并调度其他 Agent，以并行方式处理复杂工作。该能力目前以 research preview 形式提供，需要单独申请访问。
然后是对真实系统的访问与治理机制。AgentAgent 能够访问带有范围权限、身份管理和执行追踪的真实系统，但能调用哪些工具、拿到哪些权限、使用哪些凭证，模型自己说了不算。
除此之外，系统还内置了一个用于任务执行的编排机制（a built-in orchestration harness），用于决定何时调用工具、如何管理上下文以及在出现错误时如何恢复。这意味着开发者无需手动编排 Agent 的执行流程，系统会在运行过程中自动进行调度。
02 不只是能用，而是已经在用
在发布中，Anthropic 也给出了一批已经落地的案例，基本覆盖了协作工具、企业系统和开发工具这几个典型场景。
例如 Notion（一款将文档、知识库和项目管理整合在一起的协作工具）直接把 Claude 塞进了工作区里：工程师让它写代码，内容团队让它做网站、做 PPT，多个任务还能并行。
在企业侧，Rakuten（日本大型互联网与电商集团，业务涵盖电商、金融和通信）已经在多个部门部署 Agent，包括产品、销售、市场、财务和人力资源。他们的做法很直接：把 Agent 接进 Slack 和 Teams，让员工像派活一样分配任务，然后拿回表格、幻灯片甚至应用。官方说，一个 Agent 一周就能部署完成。
Asana（一家提供团队任务管理和项目协作工具的软件公司）的思路更激进一点。这家公司本来就是做项目管理的，现在干脆把 Agent 变成项目成员，直接参与任务推进和内容产出，起的名字也很直白：AI Teammates。
开发者这边的代表是 Sentry（提供错误监控和性能分析的开发者工具），它原本就是用来监控 bug 的，现在 Agent 可以自动生成修复代码并创建 Pull Request，把发现问题到提交修复的流程串起来。
还有 Vibecode（一个通过自然语言生成并部署应用的 AI 开发工具平台），这类 AI 原生工具走得更远一点：用户只需要写一句需求，就可以从提示直接生成并部署一个应用，而 Managed Agents 成了它背后的默认基础设施。
如此种种可以看出，不管是写代码、做内容还是处理企业流程，Agent 已经开始直接接手任务了
某种意义上，当安全、状态、权限和调度都变成默认能力之后，Agent 不再需要被 " 包装 " 成系统，它本身就可以作为系统运行。
Agent 缺的从来不是能力，只是难以落地而已。
过去开发者需要先搭好一整套框架，才能让 Agent 开始落地干活；现在这套框架已经提前存在，Agent 可以直接被部署进去。
这就是 Claude Managed Agents 的意义所在。
03 工具很好，但问题才刚开始
Claude Managed Agents 一推出就引发了大量讨论。
很多人对 Anthropic 的推进速度感到惊讶，心情就如同下面的 meme：每天一起床就又看到一个 Claude 更新。
Anthropic 你尽管推出，我们一点也不苦一点也不累。
最直接的问题，是它到底能不能真正跑好 " 长期任务 "。
有开发者指出，Agent 最大的挑战从来不在短任务，而是那些需要持续运行、反复决策的场景。一旦时间拉长，错误会不断累积，系统稳定性也会迅速下降。
能跑起来，不等于能跑得久。
更进一步，是 " 可靠性 " 的问题。
在小规模测试中，Agent 往往表现不错，但一旦进入真实生产环境，任务复杂度上升、调用链变长，各种边界情况就会不断出现。
这恰恰是大多数 Agent 平台最容易失效的地方。
还是说，像 n8n 这样的系统，依然是必需的？
值得注意的是，Anthropic 在工程设计上也在尝试解决这个问题。
在最新的技术文章中，他们将 Agent 系统拆成三个独立的部分：模型与调度逻辑（" 大脑 "）、执行环境与工具（" 手 "），以及记录全部过程的会话日志（session）。
三者通过接口连接，任何一层失败都可以单独恢复，而不会影响整体运行。
这套设计，把 Agent 从一次性执行的流程，变成了一个可以中断、恢复甚至重启的系统。
同样地，权限也不再交给模型保管，而是单独隔离出去，这样即使出错，也不会直接暴露敏感信息。
不过工程设计只能解决结构问题，没办法保证结果。
可以说，大家并不怀疑 Claude Managed Agents 能做什么，怀疑的是它能不能稳定、可控地一直做下去。
这一点，就需要时间来验证了。
Claude Managed Agents 介绍：https://claude.com/blog/claude-managed-agents
工程博客：https://www.anthropic.com/engineering/managed-agents
