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。 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。 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。 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。 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。 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。 本质上关心的还是同一件事：n8n就是为了保证流程稳定、可控、可复现，要想替代它，这套多Agent协调的系统必须足够稳定，足够“可靠”。 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）。 另外，对于那些需要长时间运行的任务，Anthropic没有把所有信息都塞进模型的上下文里，而是记录在外部日志中，需要时再取回来用，这样就不会占满上下文窗口。
京公网安备11010202000001号
