Wie verwende ich von Claude verwaltete Agenten?

Wenn Sie jemals versucht haben, einen KI-Agenten in die Produktion zu schicken, wissen Sie, dass der schwierige Teil normalerweise nicht das Modell ist. Es ist alles drumherum: Sandboxen, Staatsmanagement, Umgang mit Anmeldeinformationen, Werkzeugausführung, Fehlerbehebungund die gesamte Infrastruktur, die aus einem Prototyp etwas Zuverlässiges macht.

Die Claude Managed Brokers von Anthropic machen dies einfacher, indem sie Ihnen eine vollständig gehostete Plattform für die Ausführung von Agenten bieten, ohne die chaotische Betriebsebene selbst verwalten zu müssen. In diesem Artikel, einem praktischen Leitfaden für Builder, erklären wir, was es ist, behandeln die neuesten Updates und erstellen Schritt für Schritt einen funktionierenden Agenten.

Was sind Claude Managed Brokers?

Claude Managed Brokers ist die verwaltete Infrastrukturschicht von Anthropic für die Ausführung von Claude als autonomer Agent. Am 8. April als öffentliche Beta gestartet^Th2026, markiert es einen großen Wandel in der Agentenentwicklung, da ein Großteil der Ausführungslast von den Entwicklern auf die gehostete Umgebung von Anthropic verlagert wird.

Anstatt eine eigene Agentenschleife zu erstellen, definieren Sie den Agenten, legen seine Berechtigungen fest und überlassen Anthropic die Verwaltung der Laufzeit. Claude erhält einen sicheren, verwalteten Bereich zum Lesen von Dateien, zum Ausführen von Shell-Befehlen, zum Surfen im Web und zum Ausführen von Code, ohne dass Sie Server bereitstellen oder Isolationslogik schreiben müssen.

Unter der Haube ist das Ganze um vier Kernkonzepte herum organisiert:

1. Agent: Die Definition Ihres Agenten, das Modell, die Systemeingabeaufforderung, Instruments, MCP-Serververbindungen und Fähigkeiten.
2. Umfeld: Wo Sitzungen ausgeführt werden. Dabei handelt es sich entweder um eine von Anthropic verwaltete Cloud-Sandbox oder eine selbst gehostete Sandbox auf Ihrer eigenen Infrastruktur.
3. Sitzung: Eine laufende Instanz eines Agenten in einer Umgebung, die eine bestimmte Aufgabe ausführt. Jede Sitzung verfügt über ein eigenes Dateisystem, ein eigenes Kontextfenster und einen eigenen Ereignisstrom.
4. Veranstaltungen: Die Nachrichten, die zwischen Ihrer Anwendung und dem Agenten fließen: Benutzerrunden, Toolergebnisse und Statusaktualisierungen.

Preise

Claude Managed Brokers folgen einem verbrauchsbasierten Preismodell, das die Kosten relativ clear macht. Sie zahlen für die von Ihnen verwendeten Claude-API-Tokens sowie eine geringe Laufzeitgebühr für aktive Agentensitzungen.

Vereinfacht ausgedrückt zahlen Sie für drei Dinge: Die verbrauchten Modelltoken, die aktive Laufzeit des AgentenUnd alle Websuchen, die es durchführt. Leerlaufzeiten werden ausgeschlossen, wodurch die Preisgestaltung besser an der tatsächlichen Nutzung ausgerichtet bleibt.

Hauptmerkmale von Claude Managed Brokers

Folgendes erhalten Sie tatsächlich aus der Field:

1. Sicheres Sandboxing: Agenten werden in isolierten Sandbox-Umgebungen ausgeführt. Authentifizierung, Device-Ausführung und Geheimverwaltung werden alle von der Infrastruktur von Anthropic übernommen, sodass Sie nicht selbst Ausführungsisolationscode schreiben müssen.
2. Lang laufende autonome Sitzungen: Agenten können über mehrere Device-Aufrufe hinweg minuten- oder stundenlang arbeiten. Die Sitzung bleibt auch bei Netzwerkunterbrechungen bestehen, sodass eine mehrstufige Forschungsaufgabe nicht neu gestartet wird, nur weil eine Verbindung unterbrochen wurde. Fortschritte und Ergebnisse bleiben erhalten.
3. Von Natur aus zustandsbehaftet: Die Sitzung wird nach Pausen sauber fortgesetzt und der Gesprächsverlauf, der Sandbox-Standing und die serverseitigen Ausgaben gespeichert. Ein wichtiger Vorbehalt aufgrund dieser Beständigkeit: Managed Brokers haben derzeit keinen Anspruch auf Zero Knowledge Retention oder HIPAA BAA-Abdeckung. Sie können Sitzungen und hochgeladene Dateien jederzeit über die API löschen.
4. Integrierte Instruments: Jeder Agent erhält Zugriff auf Bash, additionally Shell-Befehle, Dateioperationen wie Lesen, Schreiben, Bearbeiten, Glob und Grep, Websuche und -abruf sowie MCP-Server für die Verbindung mit externen Device-Anbietern.
5. Governance und Nachverfolgung: Mit bereichsbezogenen Berechtigungen können Sie genau definieren, auf welche Instruments und Datenquellen ein Agent zugreifen kann. Über die Claude-Konsole erhalten Sie außerdem Identitätsmanagement und vollständige Ausführungsverfolgung, sodass Sie Toolaufrufe und Agentenentscheidungen im Element prüfen können.

Lassen Sie uns nun über die Träume, Ergebnisse und Multiagenten-Orchestrierung der neuesten Updates sprechen.

Anthropic lieferte drei bemerkenswerte Funktionen, die die Plattform von der Ausführung von Agenten zur Ausführung von Agenten vorantreiben, die lernen und ihre Arbeit überprüfen.

1. Träumen: Träumen ist ein geplanter Prozess, der zwischen Agentensitzungen abläuft, um vergangene Arbeiten zu überprüfen, Muster zu identifizieren und Erinnerungen zu kuratieren, damit sich Agenten im Laufe der Zeit verbessern. Ähnlich der Gedächtniskonsolidierung im Gehirn hilft es, wiederkehrende Fehler, nützliche Arbeitsabläufe und gemeinsame Teampräferenzen ans Licht zu bringen. Das Gedächtnis erfasst, was ein Agent während der Arbeit lernt. Das Träumen verfeinert diese Erinnerung zwischen den Sitzungen.
2. Ergebnisse: Mit Ergebnissen definieren Sie eine Rubrik dafür, wie etwas Gutes aussieht, und der Agent arbeitet darauf hin. Ein separater Bewerter wertet die Ausgabe in seinem eigenen Kontextfenster aus, markiert Probleme und fordert den Agenten zur Überarbeitung auf, ohne dass bei jedem Versuch eine menschliche Überprüfung erforderlich ist.
3. Multiagenten-Orchestrierung: Wenn ein Agent nicht ausreicht, unterteilt ein Hauptagent die Aufgabe in kleinere Teile und delegiert sie an spezialisierte Unteragenten mit eigenen Modellen, Eingabeaufforderungen und Instruments. Diese Agenten arbeiten parallel, teilen Dateien, erstatten dem Lead Bericht und hinterlassen einen nachvollziehbaren Workflow in der Konsole.

Das Plattformteam von Netflix verwendet dies beispielsweise, um die Construct-Protokolle von Hunderten von Pipelines parallel zu analysieren und nur die Muster zu ermitteln, die es wert sind, bearbeitet zu werden.

Praktisch: Erstellen Sie Ihren ersten Agenten

Jetzt lasst uns tatsächlich etwas bauen. Das Ziel hier besteht darin, einen Agenten zu erstellen, ihm eine Umgebung zum Ausführen zu geben, eine Sitzung zu starten und zu beobachten, wie er funktioniert.

Schritt 0: Voraussetzungen

Sie benötigen ein Anthropic Console-Konto und einen API-Schlüssel. Legen Sie den Schlüssel als Umgebungsvariable fest:

export ANTHROPIC_API_KEY="your-api-key-here" 

Installieren Sie dann die CLI und das SDK.

Für CLI:

brew set up anthropics/faucet/ant 

Alle Managed Brokers-Anfragen benötigen das managed-agents-2026-04-01 Beta-Header, aber das SDK legt das automatisch für Sie fest.

Für SDK:

pip set up anthropic 

Schritt 1: Erstellen Sie einen Agenten

In der Agentendefinition legen Sie das Modell, die Systemeingabeaufforderung und die Instruments fest. Der agent_toolset_20260401 Werkzeugtyp schaltet den kompletten vorgefertigten Satz ein.

ant beta:brokers create 
  --name "Coding Assistant" 
  --model '{"id":"claude-haiku-4-5"}' 
  --system "You're a useful coding assistant. Write clear, well-documented code." 
  --tool '{"sort":"agent_toolset_20260401"}'

Bewahren Sie die zurückgegebene Ware auf agent.id. Sie werden jedes Mal darauf verweisen, wenn Sie eine Sitzung starten:

Schritt 2 Erstellen Sie eine Umgebung

Die Umgebung ist die Containervorlage, in der Ihre Sitzungen ausgeführt werden.

ant beta:environments create 
  --name "quickstart-env" 
  --config '{"sort":"cloud","networking":{"sort":"unrestricted"}}'

Schritt 3 Führen Sie eine Sitzung aus

In einer Sitzung kommen Agent und Umgebung zusammen und erledigen tatsächlich ihre Arbeit. Der Python Das folgende Skript erstellt eines, übergibt ihm eine Aufgabe und streamt die Ereignisse zurück an Ihr Terminal.

"""
Claude Managed Brokers, Quickstart session runner.

Makes use of an already-created agent + surroundings and runs one activity finish to finish.
"""

import os
from anthropic import Anthropic

# Reads ANTHROPIC_API_KEY out of your surroundings.
# Be sure to've run: export ANTHROPIC_API_KEY="your-api-key-here"
consumer = Anthropic(api_key=os.environ("ANTHROPIC_API_KEY").strip())

# IDs returned out of your `ant beta:brokers create` and
# `ant beta:environments create` instructions.
AGENT_ID = "YOUR_AGENT_ID"
ENVIRONMENT_ID = "YOUR_ENV_ID"

# 1. Create a session that references the agent + surroundings.
session = consumer.beta.periods.create(
    agent=AGENT_ID,
    environment_id=ENVIRONMENT_ID,
    title="Quickstart session",
)

print(f"Session ID: {session.id}n")

# 2. Open a stream, ship the duty, and course of occasions as they arrive.
with consumer.beta.periods.occasions.stream(session.id) as stream:
    consumer.beta.periods.occasions.ship(
        session.id,
        occasions=(
            {
                "sort": "person.message",
                "content material": (
                    {
                        "sort": "textual content",
                        "textual content": (
                            "Create a Python script that finds the primary 50 prime "
                            "numbers, saves them to primes.txt (one per line), and "
                            "prints the biggest prime and the sum of all 50 primes."
                        ),
                    },
                ),
            },
        ),
    )

    for occasion in stream:
        match occasion.sort:
            case "agent.message":
                for block in occasion.content material:
                    print(block.textual content, finish="")

            case "agent.tool_use":
                print(f"n(Utilizing instrument: {occasion.title})")

            case "session.status_idle":
                print("nnAgent completed.")
                break

Was es in der Reihenfolge tut:

1. Erstellt eine Sitzung, die auf Ihre verweist AGENT_ID ab Schritt 1 und ENVIRONMENT_ID Ab Schritt 2 bindet dies ein Modell + Instruments (den Agenten) an eine Laufzeit-Sandbox (die Umgebung).
2. Öffnet einen Ereignisstrom und sendet eine person.message Beschreiben Sie die Aufgabe, die der Agent ausführen soll.
3. Durchläuft Ereignisse bei ihrem Eintreffen, druckt jede Agentennachricht und protokolliert sie agent.tool_use Der Agent ruft die Sandbox auf und verlässt sie session.status_idle wenn der Lauf beendet ist.

Hinter den Kulissen schreibt der Agent das Skript, führt es im Container aus und überprüft dann, ob die Ausgabedatei vorhanden ist. Ihre Ausgabe sieht in etwa so aus:

Die Datei befindet sich additionally nicht auf Ihrem lokalen Pc, sondern in der von Ihnen erstellten Cloud-Umgebung.

Und das ist die ganze Schleife. Wenn Sie ein Ereignis senden, stellt die Plattform den Container bereit, führt die Agentenschleife aus, in der Claude entscheidet, welches Device verwendet werden soll, führt diese Instruments in der Sandbox aus, streamt Ereignisse an Sie zurück und gibt eine aus session.status_idle Ereignis, bei dem es nichts mehr zu tun gibt.

Wann sollten Sie Claude Managed Brokers verwenden?

Verwaltete Agenten sind nicht für jeden Job das richtige Device. Hier finden Sie eine praktische Möglichkeit, darüber nachzudenken. Greifen Sie darauf zu, wenn Ihre Arbeitsbelastung Folgendes erfordert:

1. Langfristige Ausführung: Aufgaben, die über Minuten oder Stunden laufen und viele Device-Aufrufe erfordern, statt nur einer einzigen schnellen Anfrage.
2. Minimale Infrastruktur: Sie möchten keine eigene Agentenschleife, Sandbox oder Device-Ausführungsschicht erstellen.
3. Zustandsbehaftete Sitzungen: Wenn Sie persistente Dateisysteme und einen Konversationsverlauf benötigen, der über mehrere Interaktionen und Verbindungsabbrüche hinaus Bestand haben muss.
4. Governance und Prüfbarkeit: für bereichsbezogene Berechtigungen, Identitätsmanagement und Ausführungsverfolgung, was Unternehmen oft daran hindert, Agenten in die Produktion zu bringen.
5. Compliance-sensible Ausführung: Mit selbst gehosteten Sandboxes können Sie die Ausführung auf der von Ihnen kontrollierten Infrastruktur aufrechterhalten, um Anforderungen an die Datenresidenz zu erfüllen.“

Wenn Sie hingegen nur eine direkte Modellaufforderung mit einer benutzerdefinierten Schleife und einer feinkörnigen Steuerung benötigen, sind die Nachrichten. Und wenn Sie die volle Kontrolle über die Laufzeit auf Ihren eigenen Maschinen haben möchten, etwa für Ci/CD oder lokale Entwicklung, ist das Agent SDK besser geeignet.

Managed Brokers lohnt sich insbesondere dann, wenn die Infrastrukturbelastung durch den Betrieb von Agenten in großem Maßstab zwischen Ihnen und dem Versand liegt.

Abschluss

Das Muster dieser Updates ist kaum zu übersehen: Anthropic führt nicht nur Ihre Agenten aus, sondern sorgt auch dafür, dass sie laufen, ohne dass Sie dabei zusehen müssen. Sandboxing und Sitzungen mit langer Laufzeit kümmern sich um die Ausführung, Ergebnisse ermöglichen es Agenten, ihre Arbeit anhand einer von Ihnen festgelegten Messlatte zu überprüfen, Multi-Agenten-Orchestrierung teilt große Aufgaben auf Spezialisten auf und durch Träumen können sie sich im Laufe der Zeit verbessern, indem sie aus dem lernen, was sie bereits getan haben. Für Entwickler bedeutet das, dass ein großer Teil der undifferenzierten Schwerarbeit, die früher Monate dauerte, jetzt auf ein paar API-Aufrufe beschränkt ist. Die interessante Frage verlagert sich auf die Agentenentwicklung, die gute Instruments definiert, klare Rubriken schreibt und entscheidet, was Ihr Agent lernen soll.

Ich bin Knowledge Science Trainee bei Analytics Vidhya und arbeite leidenschaftlich an der Entwicklung fortschrittlicher KI-Lösungen wie generative KI-Anwendungen, große Sprachmodelle und hochmoderne KI-Instruments, die die Grenzen der Technologie verschieben. Zu meinen Aufgaben gehört es auch, ansprechende Bildungsinhalte für die YouTube-Kanäle von Analytics Vidhya zu erstellen, umfassende Kurse zu entwickeln, die das gesamte Spektrum von maschinellem Lernen bis hin zu generativer KI abdecken, und technische Blogs zu verfassen, die grundlegende Konzepte mit den neuesten Innovationen in der KI verbinden. Dadurch möchte ich zum Aufbau intelligenter Systeme beitragen und Wissen teilen, das die KI-Group inspiriert und stärkt.