4 月 8 日，Anthropic 沒開發布會、沒搞直播，就這樣把 Claude Managed Agents 的公測丟了出來。
目錄
聽名字很企業、很無聊？讓我換個說法：以前你想讓 AI Agent 幫你幹活，光是搭伺服器、寫容器、搞認證、做錯誤恢復、處理狀態管理，團隊就得燒幾個月。Agent 本身的邏輯？還沒開始寫呢。現在 Anthropic 說，基建的部分我全包了，你只管定義 Agent 要幹什麼。
聽起來像 AWS 當年對伺服器做的事。事實上，邏輯完全一樣。Anthropic 正在從「賣模型」轉向「賣服務」。
到底是什麼東西？30 秒講清楚
Claude Managed Agents 就是一個託管式的 AI Agent 執行環境。你定義好 Agent 的任務、工具、權限，Anthropic 幫你在雲端跑起來。你不用管伺服器、不用管容器編排、不用管掛了怎麼辦。
整套系統圍繞四個核心概念：
| 概念 | 白話解釋 |
|---|---|
| Agent | 你定義的 AI 員工——用什麼模型、什麼 system prompt、能用什麼工具 |
| Environment | Agent 的工作環境——預裝什麼軟體、能不能上網、掛載什麼檔案 |
| Session | 一次具體的任務執行——Agent 在 Environment 裡跑起來處理你的請求 |
| Events | 你跟 Agent 之間的來回溝通——發指令、收結果、中途改方向 |
用人話說：Agent 是員工履歷，Environment 是辦公室，Session 是一個工作日，Events 是你們之間的對話。
技術上做了什麼？「大腦」和「雙手」分家了
這部分是我覺得最值得聊的。Anthropic 的工程博客發了一篇文章叫《Scaling Managed Agents: Decoupling the brain from the hands》，標題就把核心講完了——把大腦（模型推理）和雙手（工具執行）拆開。
以前的 Agent 架構，推理和執行全塞在同一個容器裡。問題是什麼？容器一掛，整個 Agent 的狀態就沒了。而且推理需要 GPU，工具執行需要 CPU，兩者的資源需求完全不同，綁在一起就是互相拖累。
分家之後：
- 推理可以先跑——不用等容器啟動，TTFT（首 token 延遲）的 p50 降了 60%，p95 降了超過 90%
- 掛了能復活——Session 是一個持久化的事件日誌，新的容器啟動後讀一下日誌就能接著幹
- 雙手可以換——同一個大腦可以操控不同的執行環境，容器、手機、甚至遊戲模擬器都行
安全方面也有一手：所有認證憑證（Git token、OAuth token）都存在獨立的保險箱裡，執行沙盒根本碰不到。就算有人用 prompt injection 攻擊你的 Agent，也拿不到你的密碼。
能幹什麼？場景拆解
官方文檔列出來的內建工具包括：Bash 命令執行、檔案讀寫編輯、網頁搜尋和抓取、MCP Server 連接。基本上 Claude Code 能幹的事，Managed Agents 都能幹，而且是在雲端跑。
幾個我覺得有意思的場景：
場景一：自動化程式碼審查。你推了一個 PR，Agent 自動拉代碼、跑測試、寫 review。不是那種「看起來不錯」的敷衍 review，而是真的在容器裡 build 過、test 過的。
場景二：長時間數據處理。Agent 可以跑幾分鐘到幾小時，適合那種「爬 100 個網頁然後整理成報告」的任務。你發完指令就可以去喝咖啡了。
場景三：多 Agent 協作。這個目前還在 research preview，但已經能用——一個 Agent 可以生出其他 Agent 來處理子任務。想像一下：你跟主管 Agent 說「調研一下競品」，主管自動分派三個 Agent 分別去查三家公司，最後匯總給你。
多少錢？
定價分兩塊：
| 費用項目 | 價格 |
|---|---|
| 模型 Token 用量 | 跟 API 一樣（Sonnet $3/$15, Opus $15/$75 per M tokens） |
| Agent 運行時間 | $0.08 / session-hour（按毫秒計費，idle 不算） |
| 網頁搜尋 | $10 / 1,000 次搜尋 |
$0.08 一小時的託管費，老實說很便宜。你自己在 AWS 上跑一個容器加 GPU，一小時的成本遠不止這個數。Anthropic 等於是用規模效應把基建成本壓到了散戶能接受的程度。
不過要注意：Token 費用才是大頭。一個 Agent 跑一小時可能吃掉幾十萬 token，這部分的花費可能是託管費的幾十倍。所以在用之前，先想清楚你的 Agent 是不是真的需要跑這麼久。
跟自己搭有什麼差？
我做了個簡單比較：
| 比較項目 | 自建 Agent | Claude Managed Agents |
|---|---|---|
| 開發時間 | 數週到數月 | 幾小時到幾天 |
| 基礎設施 | 你自己管 | Anthropic 管 |
| 容器 / 沙盒 | 自己搭 | 內建 |
| 錯誤恢復 | 自己寫 | 自動（Session 持久化） |
| 工具整合 | 自己接 | 內建 Bash + 檔案 + 搜尋 + MCP |
| 彈性 | 想怎麼改就怎麼改 | 受限於 Anthropic 提供的框架 |
| 模型選擇 | 任何模型 | 只能用 Claude |
簡單講：如果你要的是快速跑起來、不想碰基建，Managed Agents 省事到離譜。但如果你需要深度客製化或想用其他模型，自建還是唯一選擇。
誰已經在用了？
公測首批用戶包括 Notion、Rakuten（樂天）、Asana。都是科技大廠，代表的是企業級的 workflow 自動化需求。
內部測試的一個數據值得注意：Agent 自動優化 prompt 的功能，在內測中把任務成功率提高了最多 10 個百分點。這代表 Agent 不只是執行指令，還能自己調整策略。
對普通人意味著什麼？
如果你是開發者：這東西幫你省掉了最痛苦的部署環節。Kubernetes、健康檢查、容器 crash 後的狀態恢復，全部不用管了。你只需要想清楚 Agent 到底要幹什麼。
如果你不寫程式但對 AI 有興趣：記住一個數字就好。Gartner 預測 2026 年底企業 AI Agent 採用率會從不到 5% 跳到 40%。Managed Agents 這類產品把部署門檻壓到接近零，就是這波爆發的加速器。對你的意義？你老闆遲早會要求你用 Agent 來工作，提早了解沒壞處。
我的看法
Anthropic 這步棋走得很聰明。他們在做的事情跟 AWS 當年一樣——你不需要買伺服器了，我租給你。Managed Agents 就是 Agent 時代的「雲端運算」。
但我有兩個擔心：
第一，鎖定效應。一旦你的 Agent 全跑在 Anthropic 的平台上，要搬走就得重寫一大堆東西。這跟當年把 workload 全放 AWS 上一樣，進去容易出來難。
第二，成本可控性。$0.08/hr 的託管費看起來便宜，但 Token 費用是開放的。一個設計不好的 Agent 跑起來可能一天燒掉幾百美元。企業用之前，務必設好 spending limit。
不管你現在用不用得到，記住這個方向：AI Agent 的未來是「託管優先」。十年前 SaaS 幹掉了本地部署軟體，現在同樣的事正在 Agent 領域重演。早點上車的人，吃到的紅利最多。
快速上手指南
如果你想試試看，步驟很簡單：
- 去 Anthropic Console 拿一個 API key
- 所有 API 請求加上 beta header：
managed-agents-2026-04-01 - 定義你的 Agent（模型 + system prompt + 工具）
- 建一個 Environment（選預裝軟體和網路權限）
- 開一個 Session，發事件，收結果
目前所有 API 帳號都自動啟用了 Managed Agents 權限，不需要額外申請。多 Agent 協作和記憶功能還在 research preview，需要另外填表申請。
免責聲明：本文僅為 AI 工具分析與教學用途，不構成任何投資或技術決策建議。AI 工具的功能、定價和可用性隨時可能變更，請以官方文件為準。截至 2026 年 4 月。
發表迴響