Claude Managed Agents: Apa Artinya, Cara Kerja, Harga dan Batasannya16 min read

Setiap tim yang membangun agen menemui hambatan yang sama sekitar minggu kedua. Prototipe tersebut berfungsi di laptop Anda, dan kemudian seseorang memintanya untuk berjalan selama satu jam tanpa Anda, menyimpan kata sandi basis data di luar jangkauan model, bertahan dari container yang rusak, dan melanjutkannya besok di tempat ia berhenti. Semua itu bukan tentang petunjuknya. Ini adalah pipa ledeng, dan pipa Anthropic memutuskan untuk dijalankan untuk Anda.

Claude Managed Agents, diluncurkan dalam versi beta publik pada tanggal 8 April 2026, adalah layanan yang dihosting di Platform Claude. Anda menentukan agen, memberinya kotak pasir cloud, dan memulai sesi yang dijalankan Anthropic untuk Anda, dengan seperangkat alat bawaan, streaming acara, memori, proses terjadwal, dan daftar kontrol yang panjang. Sejak diluncurkan, Anthropic telah mengirimkan sesuatu yang baru hampir setiap bulan, dan pada akhir Oktober lokakarya gratis selama 90 menit tentang cara kerjanya mulai beredar luas.

Panduan ini ditujukan untuk pengembang dan pimpinan teknis yang memutuskan apakah akan mengembangkannya. Kami membahas apa itu sesi, bagaimana sesi berjalan, fitur-fitur yang penting, berapa biayanya, di mana sesi berhenti, dan bagaimana perbandingannya dengan menjalankan loop Anda sendiri.

Satu catatan tentang ke mana arah hasilnya. Sesi terkelola dapat menulis laporan, spreadsheet, dan aplikasi ke dalam kotak pasirnya, dan file tersebut dapat diambil melalui API. Yang mereka perlukan setelah itu adalah tempat di mana tim Anda dan asisten Anda yang lain dapat membuka, meninjau, dan terus mengeditnya.AgenGrid.ioadalah ruang kerja bersama tempat orang dan agen AI membuat, mengedit, dan berbagi dokumen, aplikasi, dan file, dengan satu versi langsung dan riwayat siapa yang mengubah apa. Kami mengambilnya di bagian terakhir.

Apa itu Claude Managed Agents?

Claude Managed Agents adalah milik Anthropicruntime agen yang dihosting. Daripada menulis loop yang memanggil model, menjalankan alat, dan mengembalikan hasilnya, Anda mendeskripsikan agen dan membiarkan layanan menjalankannya. Ini dalam versi beta, Anda menyebutnya denganmanaged-agents-2026-04-01header beta, dan tersedia di Claude API, di Platform Claude di AWS, dan di Model Claude di Google Cloud, tempat Anthropic mengelolanya.

Dokumentasi menguranginya menjadi empat konsep:

Apa bedanya dengan Pesan API? Pesan API memberi Anda model dan tidak ada yang lain. Anda menulis loop, alat, dan kotak pasir, yang persis seperti yang Anda inginkan saat Anda memerlukan kontrol yang cermat. Agen Terkelola ditujukan untuk pekerjaan jangka panjang dan asinkron, yang mengharuskan Anda menyerahkan tugas dan menonton acara.

Cloud sandbox bawaan dikirimkan dengan Python, Node, Go, Rust, Java, Ruby, PHP dan C/C++, ditambah Postgres, Redis dan SQLite. Jaringan dapat diatur kelimited, sehingga kode yang ditulis agen Anda dapat menjangkau pendaftar paket dan tidak banyak lagi. Konsol Claude juga memiliki pembuat agen visual dan pelari sesi pengujian, yang merupakan cara tercepat untuk merasakan perilakunya sebelum Anda menulis kode.

Mengapa Anthropic memisahkan otak dari tangan?

Penjelasan terbaik tentang desain tidak ada di dokumen produk. Ini adalah pos teknik Anthropic yang disebut“Menskalakan Agen Terkelola: Memisahkan otak dari tangan”, diterbitkan pada hari yang sama dengan peluncurannya. Ini dimulai dengan cerita yang akrab. Versi pertama menempatkan sesi, harness yang memanggil Claude dan sandbox dalam satu wadah. Hal ini menjadikan server sebagai hewan peliharaan, dalam pengertian lama sebagai hewan peliharaan versus ternak: jika wadah gagal, sesi akan hilang, dan wadah yang tidak responsif harus dirawat hingga sehat kembali.

Cara mengatasinya adalah dengan membagi agen menjadi tiga bagian yang gagal dan melakukan penskalaan secara independen:

• Sesiadalah log tambahan saja dari semua yang terjadi.
• Otakadalah harness plus Claude. Ia membaca log dan memutuskan apa yang harus dilakukan selanjutnya.
• Tanganadalah kotak pasir dan alat, dijangkau melalui satu antarmuka sempit,execute(name, input) → string.

Ada dua konsekuensi yang menonjol. Pertama, keamanan: kredensial tidak perlu mencapai kotak pasir tempat kode yang dihasilkan Claude dijalankan. Token Git ditransfer ketika repositori dikloning, dan panggilan MCP melalui proxy vault. Kedua, kecepatan: karena otak sekarang meminta wadah melalui pemanggilan alat hanya ketika diperlukan, sehingga sesi yang tidak membutuhkan kotak pasir segera tidak akan menunggu, Anthropic melaporkan bahwa median waktu untuk token pertama turun sekitar 60 persen dan persentil ke-95 turun lebih dari 90 persen. Ide penutup postingan ini adalah “banyak otak, banyak tangan”, di mana satu otak dapat menggerakkan beberapa kotak pasir.

Pasangan yang sama muncul di desain agen lainnya. Artikel Super-agen DeepSeek mengutip postingan ini ketika ia berpendapat untuk memisahkan komputasi, status, dan lingkungan agen. Jika Anda ingin perbandingannya, panduan kami adalahDeepSeek Super-Agentmencakup sisi router dan pekerja dari cerita itu.

Apa yang telah dikirimkan sejak diluncurkan?

Agen Terkelola berpindah dengan cepat setelah bulan April. Garis waktu ini berasal dari pengumuman Anthropic sendiri.

Langsung dari Kode dengan Claude: kami meluncurkan mimpi di Claude Managed Agents sebagai pratinjau penelitian.

Hasil, orkestrasi multiagen, dan webhook kini berada dalam versi beta publik.https://t.co/p4DFRzFEd8

– Claude (@claudeai)6 Mei 2026

Kami baru saja menambahkan dua fitur Claude Managed Agents baru:

1. Penerapan terjadwal – menjalankan tugas sesuai jadwal

2. Variabel lingkungan – mengekspos kredensial vault untuk CLI sebagai variabel lingkunganhttps://t.co/exfhz4yylr

– ClaudeDevs (@ClaudeDevs)11 Juni 2026

Bagaimana sebenarnya sebuah sesi berjalan?

Alirannya pendek. Anda membuat agen, membuat lingkungan, memulai sesi yang menunjuk pada keduanya, dan kemudian bertukar peristiwa. Itumulai cepatmelakukan ini dalam beberapa perintah. Agen adalah file kecil dengan materi depan dan prompt, dan lingkungannya adalah beberapa baris YAML:

# coding-assistant.md
---
name: Coding Assistant
model: claude-opus-5-5
tools:
  - type: agent_toolset_20260401
---

You are a helpful coding assistant. Write clean, well-documented code.

# environment.yaml
name: quickstart-env
config:
  type: cloud
  networking:
    type: limited
    allow_package_managers: true

# Create both, then start a session
ant apply coding-assistant.md environment.yaml
ant beta:sessions create \
  --agent "$AGENT_ID" \
  --environment-id "$ENVIRONMENT_ID" \
  --title "Quickstart session"

Setelah itu, Anda mengirim acara pengguna dan membaca alirannya. File yang menjadi tujuan agen menulis/mnt/session/outputs/tersedia melalui File API, yang dicakup dalam sesi itu.ant beta:sessions connectmembuka penampil untuk sesi langsung.

Penggunaan alat diatur oleh kebijakan izin. Perangkat agen defaultnya adalahalways_allow, alat MCP defaultalways_ask, dan denganautoserver mengevaluasi setiap panggilan dan menjalankannya, menolaknya atau menjedanya untuk persetujuan Anda. Kredensial pihak ketiga berada di brankas, baik sebagai MCP OAuth atau kredensial pembawa, atau sebagai kredensial variabel lingkungan yang hanya dilihat oleh agen sebagai placeholder buram, ditukar dengan nilai sebenarnya saat permintaan keluar dari kotak pasir.

Apa yang dapat dilakukan agen lebih dari satu putaran?

Subagen, alur kerja, dan penasihat

Penyiapan multiagen memungkinkan agen mendelegasikan. Delegasi sedalam satu tingkat, dengan paling banyak 25 rangkaian anak. Untuk pekerjaan yang lebih besar, alur kerja dinamis memungkinkan agen menulis program yang menjalankan banyak agen di latar belakang, dan sesi dapat berkonsultasi dengan model penasihat di tengah putaran untuk mendapatkan panduan, seperti merencanakan pendekatan atau meninjau pekerjaan, sambil tetap melakukan pekerjaan itu sendiri.

Hasil

Hasil mengubah “buatlah menjadi baik” yang samar-samar menjadi sebuah lingkaran. Anda memberikan rubrik, dan penilai yang bekerja dalam konteks terpisah menilai hasilnya dan mengirim agen kembali untuk memperbaikinya.max_iterationsdefaultnya adalah 3 dan bisa mencapai 20.

Anggaran

Suatu sesi dapat mempunyai batasan pengeluaran yang besar, yang dinyatakan dalam sen AS sebagai string. Ini diterapkan di antara permintaan model, jadi satu permintaan panjang masih bisa diselesaikan sebelum batasnya ditetapkan. Ketika batas tercapai, sesi menjadi tidak aktifbudget_reacheddan menunggumu.

Memori dan mimpi

Penyimpanan memori dipasang ke kotak pasir di/mnt/memory/. Setiap memori dibatasi hingga 100 kB, sebuah penyimpanan menyimpan hingga 10.000 memori, dan setiap perubahan menciptakan versi yang tidak dapat diubah. Dreaming, yang masih merupakan pratinjau penelitian, membaca antara 1 dan 100 sesi sebelumnya dan mengusulkan penyimpanan memori yang dihapus duplikatnya dan ditata ulang. Itu tidak pernah mengedit penyimpanan input, jadi Anda dapat membandingkan sebelum mengadopsinya.

Penerapan terjadwal

Penerapan terjadwal menjalankan agen pada ekspresi cron di zona waktu IANA. Anthropic menambahkan jitter hingga 15 persen interval, dengan minimum 5 detik dan maksimum 9 menit, sehingga ribuan jadwal tidak diaktifkan secara bersamaan. Sebuah organisasi dapat memiliki hingga 1.000 penerapan, dan anggaran berlaku untuk setiap penerapan.

Bagaimana cara tim memasukkan agen ke dalam produksi?

Entri blog baru dari tim AI Terapan kami di Claude Managed Agents dan tantangan yang dipecahkannya (kredensial, sandboxing, observabilitas, & lainnya) …https://t.co/02fp1NMZ6a

– ClaudeDevs (@ClaudeDevs)16 Juni 2026

Apakah sandbox harus berada di cloud atau di komputer Anda sendiri?

Defaultnya adalah cloud sandbox yang dikelola Anthropic. Jika kode, data, atau jaringan Anda tidak dapat meninggalkan infrastruktur, Anda dapat menjalankan sandbox yang dihosting sendiri: pekerja di pihak Anda akan melakukan panggilan alat bash dan file. Otak masih berjalan di sisi Anthropic, sehingga riwayat percakapan dan hasil alat tetap sampai ke layanan.

Sejak 19 Agustus, pekerjaan yang dilakukan di sandbox yang dihosting sendiri juga dapat disimpan ke memori.

Kami mengirimkan tiga pembaruan ke Claude Managed Agents.

Pertama, kami mempermudah penggunaan memori dengan Sandbox yang Dihosting Sendiri.

Pekerjaan apa pun yang dilakukan di Kotak Pasir yang Dihosting Sendiri dapat disimpan ke memori.https://t.co/tIoCSU28qk

– ClaudeDevs (@ClaudeDevs)19 Agustus 2026

Berapa biaya Claude Managed Agents?

Anda membayar token dengan tarif normal model, plus$0,08 per jam sesi, hanya ditagih saat sesi berlangsungrunningstatus. Waktu yang dihabiskan untuk menganggur, menunggu Anda, tidak ditagih. Biaya pencarian web adalah $10 per 1.000 pencarian. Inferensi khusus AS mengalikan harga token sebesar 1,1, dan tidak ada diskon batch.

Halaman harga Anthropic bekerja melalui contoh: sesi satu jam di Opus 5.5, dengan harga $4 per juta token masukan dan $20 per juta token keluaran, dengan 50.000 masukan dan 15.000 token keluaran.

Dengan cache yang cepat, sesi yang sama menghasilkan $0,428 dalam contoh dokumen. Inti dari contoh ini adalah bentuk tagihannya: untuk sesi token-light yang pendek, runtime adalah bagian yang kecil, dan untuk sesi yang panjang yang sebagian besar tidak digunakan, runtimenya lebih kecil lagi. Pembelanjaan didominasi oleh token, itulah sebabnya anggaran sesi penting.

Apa batasan dan risikonya?

• Ini adalah versi beta.Kumpulan fitur berubah dengan cepat, dan terowongan serta mimpi MCP masih dalam pratinjau penelitian.
• Kesenjangan kepatuhan.Agen Terkelola tidak memenuhi syarat untuk retensi data nol atau HIPAA, dan transkrip tetap ada sampai Anda menghapusnya.
• Topi keras.Delegasi sedalam satu tingkat dengan maksimal 25 thread anak, dan sebuah organisasi dapat menampung 1.000 penerapan terjadwal.
• Tidak ada diskon batch, dan inferensi khusus AS memerlukan biaya token 10 persen lebih mahal.
• Keamanan masih menjadi tugas Anda.Panduan penerapan Anthropic adalah memberi setiap agen seperangkat alat terkecil yang berfungsi, menggunakan jaringan terbatas, menyimpan kredensial di brankas, mengaturalways_askpada alat yang tidak dapat diubah, dan jangan pernah digabungkanalways_allowmenulis atau menjalankan alat dengan agen yang membaca masukan yang tidak tepercaya.

Apakah lokakarya gratis ini sepadan dengan waktu Anda?

Anthropic menyelenggarakan lokakarya Agen Terkelola yang terdiri dari empat bagian dan berdurasi sekitar 90 menit di AI Engineer World’s Fair 2026 di San Francisco. Hal ini dipimpin oleh Priyanka Phatak, yang memimpin tim teknik Agen Terkelola, dan Gabe Cemaj, dan rekamannya aktifsitus Insinyur AI. Itu menjadi viral di X pada tanggal 30 Oktober dengan daftar bab:

1. Mengapa otak dan tangan harus terpisah (00:00)
2. Arsitektur di balik Claude Managed Agents (07:45)
3. Membangun agen penelitian selangkah demi selangkah (23:40)
4. Agen terjadwal yang bermimpi di antara tugas (54:00)
5. Evals, CI/CD dan agen berjalan untuk banyak pelanggan (1:10:23)

Insinyur Anthropic baru saja merilis kursus 90 menit terbaik tentang membangun agen AI dari awal yang pernah saya lihat:

• 00:00 – mengapa otak dan tangan harus terpisah
• 07:45 – arsitektur di balik Claude Managed Agents
• 23:40 – membangun agen penelitian langkah demi langkah
• 54:00 – agen yang berjalan sesuai jadwal dan “bermimpi” di antara tugas-tugas
• 1:10:23 – evaluasi, CI/CD dan agen berjalan untuk banyak pelanggan sekaligus

Ini saja akan menggantikan setiap tutorial agen senilai $500 yang dapat Anda temukan di internet.

Tonton, lalu melangkah lebih jauh dan bangun sistem yang meningkatkan dirinya dengan artikel di bawah ini.

– Anatoli Kopadze (@AnatoliKopadze)30 Oktober 2026

Ambil baris “ganti setiap $500 tutorial” sebagai antusiasme. Bagian yang berguna bersifat konkrit: bagian pertama memiliki arsitektur yang sama dengan pos teknik, pembuatan agen penelitian menunjukkan sesi yang realistis dari ujung ke ujung, dan bagian terakhir menjawab pertanyaan yang diajukan tim selanjutnya, yaitu evals, CI/CD, dan multi-tenancy.

Kapan sebaiknya Anda menggunakan Agen Terkelola, Pesan API, atau sesuatu yang dijalankan sendiri?

• Gunakan Agen Terkelolaketika pekerjaan berjalan lama atau tidak sinkron, memerlukan kotak pasir dengan alat nyata, dan Anda memilih untuk tidak mempertahankan perulangan, siklus hidup kontainer, dan pipa kredensial.
• Gunakan Pesan APIketika Anda memerlukan loop khusus, kontrol ketat atas setiap langkah, atau interaksi permintaan-respons singkat.
• Gunakan kotak pasir yang dihosting sendiriketika file dan eksekusi harus tetap berada di infrastruktur Anda, dan Anda dapat menerima bahwa riwayat dan hasil alat masih melewati Anthropic.

Ini juga membantu untuk memisahkannya dari sistem agen yang memecahkan masalah lain. Agen Terkelola adalah infrastruktur tempat satu agen berjalan dan apa yang dapat disentuhnya. Router seperti dsh-superagent dari DeepSeek adalah tentang siapa yang didengarkan oleh agen dan kapan ia bertindak. Anda bisa membayangkan menggunakan keduanya.

Ke mana keluaran agen terkelola harus diarahkan?

Agen terjadwal yang menulis intisari pesaing pada hari Senin, atau sesi penelitian yang membuat spreadsheet perbandingan, diakhiri dengan file masuk/mnt/session/outputs/. File API membuatnya dapat diambil, tetapi hanya untuk sesi itu, dan file tersebut masih berupa file. Seseorang harus membukanya, meminta perubahan, menyerahkannya ke asisten lain dan mengingat versi mana yang terbaru.

AgenGrid.iodibangun untuk tahap itu. Manusia dan agen AI bekerja pada dokumen, aplikasi, dan file yang sama, dengan alamat yang stabil, akses terkontrol, dan riwayat yang menyebutkan siapa yang mengubah apa, manusia atau agen. Agen terhubung dari lingkungan berkemampuan perintah dengan menjalankannpx @animaapp/cli@latest login, dan manusia menyetujui nama agen, tim, dan siapa yang membaca, menulis, membagikan, dan mempublikasikannya. Agen Terkelola tidak memiliki integrasi AgentGrid.io bawaan, jadi pola sederhananya adalah kode Anda sendiri, atau langkah dalam alur Anda, yang mengambil file yang sudah selesai dari File API dan menempatkannya di ruang kerja bersama. Panduan kami untukberbagi konteks antara Claude dan ChatGPTmenunjukkan ide yang sama untuk percakapan.

Pertanyaan yang sering diajukan

Apa itu Claude Managed Agents?

Claude Managed Agents adalah runtime Anthropic yang dihosting untuk agen yang sudah berjalan lama, dalam versi beta publik sejak 8 April 2026. Anda menentukan agen dan lingkungan, memulai sesi, dan Anthropic menjalankan loop, alat, dan kotak pasir cloud, mengalirkan peristiwa kembali ke aplikasi Anda.

Berapa biaya Claude Managed Agents?

Anda membayar tarif token standar untuk model tersebut, ditambah $0,08 per jam sesi saat sesi berjalan. Waktu idle tidak ditagih. Pencarian web adalah $10 per 1.000 pencarian, dan inferensi khusus AS mengalikan harga token sebesar 1,1. Contoh Opus 5.5 satu jam Anthropic dengan 50.000 input dan 15.000 token output menghasilkan $0,58.

Apakah Claude Managed Agents tersedia secara umum?

Belum. Ini masih dalam versi beta, Anda ikut serta denganmanaged-agents-2026-04-01header beta, dan beberapa fitur, termasuk dreaming dan terowongan MCP, adalah pratinjau penelitian.

Apa perbedaan Agen Terkelola dengan Pesan API?

Dengan Pesan API Anda menulis sendiri loop agen, alat, dan sandbox, yang sesuai dengan loop khusus dan kontrol terperinci. Agen Terkelola menjalankan loop dan sandbox untuk Anda dan cocok untuk pekerjaan asinkron yang berjalan lama.

Bisakah Claude Managed Agents berjalan di infrastruktur saya sendiri?

Sebagian. Sandbox yang dihosting sendiri memungkinkan pekerja di infrastruktur Anda mengeksekusi alat bash dan file, namun Claude sendiri masih berjalan di sisi Anthropic, sehingga riwayat percakapan dan hasil alat tetap menjangkau layanan.

Bisakah Agen Terkelola bekerja dengan data sensitif?

Hati-hati. Layanan ini tidak memenuhi syarat untuk penyimpanan data nol atau HIPAA, transkrip tetap ada hingga Anda menghapusnya, dan Anthropic merekomendasikan jaringan terbatas, kredensial brankas, dan permintaan persetujuan untuk alat yang tidak dapat diubah.