メインコンテンツへスキップ
見出し画像

Claude Managed Agents とは何か? ── 従来のClaude APIとの違いと、使いたくなる理由

    一行で言うと

    「Claudeに仕事を丸投げできるサーバーレス実行環境」です。従来のClaude APIが「一問一答の頭脳」だとすれば、Managed Agentsは「自分でファイルを作り、コマンドを叩き、Webを調べ、成果物を納品してくれる作業者」です。


    既存サービスとの位置づけ

    • claude.ai(Web版)── ブラウザでClaudeとチャット。手動で会話する。一般ユーザー向け。

    • Claude Code ── ターミナルでClaudeがコードを読み書き実行する。開発者が横で見ながら作業する。ローカル環境。

    • Claude API(Messages API)── プログラムからClaudeにテキストを送り、返答を受け取る。ツール呼び出しも可能だが、ツールの実行はすべて自分のコードで行う。自前サーバー。

    • Claude Agent SDK ── Claude Codeの機能をSDKとして組み込む。ローカルマシン上でファイル操作やシェル実行が可能。ローカル環境。

    • Claude Managed Agents(New!)── Anthropicのクラウド上にコンテナが立ち上がり、Claudeが自律的にファイル作成・コマンド実行・Web検索を行い、成果物を返す。あなたのサーバーは不要。サーバーレス。


    「Claude Codeと何が違うの?」── 最大の疑問に答える

    Claude Codeを日常的に使っている人が最初に感じる疑問がこれだと思う。結論から言うと、Claudeがエージェンティックに動くという部分は同じ。違うのは「誰が」「どこで」「何のために」使うか。

    エージェントとしての能力は同じ

    Claude CodeでもManaged Agentsでも、以下はすべてできる:

    • bash実行

    • ファイル読み書き

    • Web検索

    • 自律的にツールを選んでループ

    • 考えながら試行錯誤

    中のClaudeがやっていること自体は同じ。

    決定的に違うのは「使う場面」

    Claude Code = あなたが自分のPCで対話的に使う開発ツール

    あなた ←→ ターミナル ←→ Claude(あなたのマシン上のファイルを操作)
    • あなたが横で見ていることが前提

    • あなたのマシンで動く

    • あなたのファイルを触る

    • 1人の開発者が1セッション使う

    Managed Agents = あなたのプロダクトに組み込む「裏方のClaude」

    ユーザー → あなたのアプリ → API呼び出し → Anthropicのクラウドで実行
                                                         ↓
                                                成果物が返ってくる
    • あなたがいなくても動く

    • Anthropicのクラウドで動く

    • 隔離されたコンテナ内のファイルを触る

    • あなたのアプリのエンドユーザーのために動く

    5つのシーンで比較する

    シーン❶:自分のコードをリファクタリングしたい

    • Claude Code → ターミナルで「このファイルをリファクタして」。目の前で書き換わる。完了。

    • Managed Agents → わざわざ使う必要なし。Claude Codeで十分。

    シーン❷:ユーザーがCSVをアップロードしたら自動で分析レポートを返すSaaS

    • Claude Code → 無理。あなたのPCにClaude Codeが動いていて、あなたが手動で対応するわけにいかない。

    • Managed Agents → ユーザーのアップロードをトリガーに`POST /v1/sessions`。クラウドのコンテナでpandasが走り、レポートが生成され、ユーザーにダウンロードURLを返す。あなたは寝ていてもいい。

    シーン❸:毎朝、競合のブログをチェックして要約レポートを作りたい

    • Claude Code → 毎朝自分でターミナルを開いて「調べて」と打つ? → 自動化しにくい。

    • Managed Agents → cronやWebhookでセッションを起動。自動でWeb検索→要約→ファイル生成。Slackに通知。完全無人。

    シーン❹:PRが来たら自動でコードレビュー+テスト生成

    • Claude Code → GitHub Actionsから呼べるが、CI環境にClaude Codeをインストール&設定する必要あり。

    • Managed Agents → API1本で起動。レビュー専門エージェントとテスト専門エージェントがマルチエージェントで並行作業。コンテナもAnthropicが管理。

    シーン❺:「この仕様書から、基準を満たすまで何度でもやり直してExcelレポートを作って」

    • Claude Code → あなたが成果物を確認→「ここ直して」→確認→「ここも」...の手動ループ。

    • Managed Agents → Outcomes機能で採点基準(ルーブリック)を定義。Claudeが自分で成果物を作り、別のgraderが採点し、基準を満たすまで自動でやり直す。人間が介在しない品質保証ループ。

    一言でまとめると

    • Claude Code → あなたの開発を加速するペアプロ相手。あなたのPCで、ターミナルで対話、あなた自身が使う。基本は対話前提。

    • Managed Agents → あなたのプロダクトに組み込むバックエンドワーカー。Anthropicのクラウドで、APIで自動起動、あなたの顧客・チーム・自動化パイプラインが使う。完全無人可能。

    あなたが毎日Claude Codeを使って便利だと感じている体験を、あなたのプロダクトのユーザーにも提供できるようにするのがManaged Agents、という理解が一番しっくりくる。

    逆に言えば、自分の開発作業にだけ使うなら、今のClaude Codeで十分。Managed Agentsが必要になるのは「Claude的な作業能力を、自分以外の人やシステムにも提供したい」とき。


    従来のAPI(Messages API)との根本的な違い

    Messages API:「頭脳だけ貸してくれる」

    あなたのアプリ → APIにテキスト送信 → Claudeが返答 → あなたのアプリに返る

    ツールを使いたい場合:

    1. Claudeが「get_weatherを呼びたい」と返す
    2. あなたのコードがget_weatherを実行する  ← ここは自分で書く
    3. 結果をClaudeに送り返す
    4. Claudeが最終回答を返す

    ポイント:ツールの実行環境、ループ制御、エラーハンドリング、すべて自分で構築する必要がある。

    Managed Agents:「頭脳も手足もクラウドに丸ごとある」

    あなたのアプリ → POST /v1/agents でエージェント定義
                  → POST /v1/sessions でセッション開始
                  → SSEストリームで進捗をリアルタイム受信
                  → 完了したら成果物をダウンロード

    ポイント:Claudeが自分でbashを叩き、ファイルを書き、Webを検索する。あなたはイベントを受け取るだけ。


    アーキテクチャ:4つの概念

    • Agent ── モデル・システムプロンプト・ツール・MCPサーバーの設定。「このエージェントは何ができるか」の定義。永続で、何度でも再利用できる。

    • Environment ── コンテナのテンプレート。インストールするパッケージ、ネットワーク制限などを定義。永続で、複数セッションで共有できる。

    • Session ── エージェントと環境を紐づけた実行インスタンス。1セッション = 1コンテナ。タスク完了まで存続。

    • Events ── アプリとエージェント間の通信。SSEでリアルタイムにやり取り。セッション内で使う。


    具体的な使い方(Python SDK)

    ステップ1:エージェントを定義する

    import anthropic
    
    client = anthropic.Anthropic()
    
    agent = client.beta.agents.create(
        name="Deep researcher",
        model="claude-sonnet-4-6",
        system="You are a research agent. Given a question or topic...",
        tools=[
            {"type": "agent_toolset_20260401"}  # bash, read, write, edit, glob, grep, web_search, web_fetch
        ],
    )

    ステップ2:環境を作る

    environment = client.beta.environments.create(
        name="research-env",
        config={
            "type": "cloud",
            "packages": {"pip": ["pandas", "matplotlib"]},
            "networking": {"type": "unrestricted"},
        },
    )

    ステップ3:セッションを開始する

    session = client.beta.sessions.create(
        agent=agent.id,
        environment_id=environment.id,
        title="2025年のAI市場調査",
    )

    ステップ4:メッセージを送り、結果を受け取る

    # メッセージ送信
    client.beta.sessions.events.send(
        session.id,
        events=[{
            "type": "user.message",
            "content": [{"type": "text", "text": "2025年のAI市場規模を調査してレポートを作成して"}]
        }]
    )
    
    # SSEストリームでリアルタイムに進捗を受信
    with client.beta.sessions.stream(session.id) as stream:
        for event in stream:
            if event.type == "agent.message":
                for block in event.content:
                    if block.type == "text":
                        print(block.text, end="")
            elif event.type == "agent.tool_use":
                print(f"\n[ツール使用: {event.name}]")
            elif event.type == "session.status_idle":
                print("\n\n完了!")
                break

    ビルトインツール一覧

    `agent_toolset_20260401` を指定すると、以下がすべて使えるようになる:

    • `bash` ── シェルコマンド実行(pip install, python script.py, git, curl...)

    • `read` ── ファイル読み取り

    • `write` ── ファイル書き込み

    • `edit` ── ファイルの部分編集

    • `glob` ── パターンでファイル検索

    • `grep` ── 正規表現でテキスト検索

    • `web_search` ── Web検索

    • `web_fetch` ── 指定URLの内容取得

    特定ツールだけ使わせたい場合:

    tools=[{
        "type": "agent_toolset_20260401",
        "default_config": {"enabled": False},   # 全部オフ
        "configs": [
            {"name": "bash", "enabled": True},  # bashだけオン
            {"name": "read", "enabled": True},
        ]
    }]

    カスタムツール:自分のAPIと連携する

    ビルトインツールに加えて、自分のサービスのAPIをカスタムツールとして追加できる。

    agent = client.beta.agents.create(
        name="Weather Agent",
        model="claude-sonnet-4-6",
        tools=[
            {"type": "agent_toolset_20260401"},
            {
                "type": "custom",
                "name": "get_weather",
                "description": "指定した場所の天気を取得する",
                "input_schema": {
                    "type": "object",
                    "properties": {"location": {"type": "string"}},
                    "required": ["location"]
                }
            }
        ],
    )

    Claudeがカスタムツールを呼ぶと、`agent.custom_tool_use` イベントがSSEで届く。あなたのアプリがそのツールを実行し、結果を `user.custom_tool_result` で返す。


    Managed Agentsならではの機能

    Claude Codeにはない、Managed Agents固有の強力な機能がいくつかある。

    マルチエージェント:専門チームを構成する

    コーディネーターエージェントが全体を統括し、専門エージェントに仕事を振れる。各エージェントは独立したコンテキスト(スレッド)で動くため、互いの作業を邪魔しない。

    orchestrator = client.beta.agents.create(
        name="Engineering Lead",
        model="claude-sonnet-4-6",
        system="コードレビューはreviewer、テスト作成はtest-writerに委譲せよ",
        tools=[{"type": "agent_toolset_20260401"}],
        callable_agents=[
            {"type": "agent", "id": reviewer.id, "version": reviewer.version},
            {"type": "agent", "id": test_writer.id, "version": test_writer.version},
        ],
    )

    コンテナとファイルシステムは共有しつつ、各エージェントのコンテキストは分離。レビュー担当の思考がテスト担当のコンテキストを汚染しない。

    Outcomes:採点基準を満たすまで自動でやり直す

    「やっておいて」で終わりではなく、品質保証を自動化できる。

    1. ルーブリック(採点基準)をMarkdownで定義する

    2. Claudeが成果物を作る

    3. 別のコンテキストの採点者(grader)が各基準を採点する

    4. 基準を満たさなければ、具体的なフィードバックとともにClaudeが修正する

    5. 基準を満たすか、最大N回に達するまで繰り返す

    client.beta.sessions.events.send(
        session.id,
        events=[{
            "type": "user.define_outcome",
            "description": "CostcoのDCFモデルを.xlsxで作成",
            "rubric": {"type": "text", "content": "# 採点基準\n## 収益予測\n- 過去5年分の実績データを使用..."},
            "max_iterations": 5,  # 最大5回やり直し
        }]
    )

    Claude Codeでは「ここ直して」「まだダメ」の手動ループが必要だが、Managed Agentsなら人間が介在しない品質保証ループが回る。


    環境設定の柔軟性

    パッケージの事前インストール

    config={
        "type": "cloud",
        "packages": {
            "pip": ["pandas", "numpy", "scikit-learn"],
            "npm": ["express"],
            "apt": ["ffmpeg"],
        },
    }

    対応パッケージマネージャー:pip, npm, apt, cargo, gem, go

    ネットワーク制御

    # 本番環境向け:特定ホストのみ許可
    config={
        "type": "cloud",
        "networking": {
            "type": "limited",
            "allowed_hosts": ["api.example.com"],
            "allow_mcp_servers": True,
            "allow_package_managers": True,
        },
    }

    イベントストリーム:何が起きているかリアルタイムに把握

    SSE(Server-Sent Events)でリアルタイムに進捗が届く:

    • `agent.message` ── Claudeのテキスト応答

    • `agent.thinking` ── Claudeの思考過程

    • `agent.tool_use` ── ツール呼び出し(「bashでpythonを実行します」等)

    • `agent.tool_result` ── ツールの実行結果

    • `session.status_idle` ── タスク完了。次の指示待ち

    • `session.status_terminated` ── エラーで終了

    • `user.interrupt` ── こちらから中断指示を送れる

    中断も可能。作業途中で方針を変えたければ `user.interrupt` を送り、新しい指示を出せる。


    料金体系

    Managed Agentsの課金はトークン料金とセッション実行時間の2軸。

    トークン料金(通常のAPI料金と同じ)

    • Claude Opus 4.6:入力 $5.00 / 出力 $25.00(1M t)

    • Claude Sonnet 4.6:入力 $3.00 / 出力 $15.00(1M t)

    • Claude Haiku 4.5:入力 $1.00 / 出力 $5.00(1M t)

    プロンプトキャッシュも適用可能(キャッシュヒットは基本入力料金の0.1倍)。セッション内でのWeb検索は $10 / 1,000検索(通常API同様)。Web fetchは追加料金なし(トークン料金のみ)。

    セッション実行時間

    • セッションランタイム ── $0.08 / 時間。ミリ秒単位で計測。`running`状態の間のみ課金。

    • アイドル状態(次のメッセージ待ち、ツール承認待ち)は課金されない。

    • コンテナ時間の別途課金はなし(セッションランタイムに含まれる)。

    適用されないもの

    通常のMessages APIにある以下の料金修飾子はManaged Agentsには適用されない:

    • Batch APIディスカウント ── セッションはステートフル。バッチモードなし。

    • Fast modeプレミアム ── 推論速度はランタイムが管理。

    • Data residencyマルチプライヤー ── Messages API固有のパラメータ。

    • サードパーティプラットフォーム料金 ── Claude API直接のみで利用可能。

    具体的な料金シミュレーション

    例1:1時間のコーディングセッション(Opus 4.6)

    • 入力トークン 50,000 → 50,000 × $5 / 1,000,000 = $0.25

    • 出力トークン 15,000 → 15,000 × $25 / 1,000,000 = $0.375

    • セッション実行時間 1時間 → 1.0 × $0.08 = $0.08

    • 合計 → $0.705

    例2:同じセッションでキャッシュが効いた場合(50,000入力のうち40,000がキャッシュヒット)

    • 未キャッシュ入力 10,000 → 10,000 × $5 / 1,000,000 = $0.05

    • キャッシュ読み取り 40,000 → 40,000 × $5 × 0.1 / 1,000,000 = $0.02

    • 出力トークン 15,000 → 15,000 × $25 / 1,000,000 = $0.375

    • セッション実行時間 1時間 → 1.0 × $0.08 = $0.08

    • 合計 → $0.525

    例3:10,000件のサポートチケット処理(Opus 4.6)

    • 平均約3,700トークン/会話

    • 合計コスト → 約$37.00 / 10,000件(=1件あたり約0.5円)

    コスト最適化のポイント

    • モデル選択 ── 単純なタスクにはHaiku($1/$5)、複雑な推論にはSonnet($3/$15)

    • プロンプトキャッシュ ── 繰り返し使うコンテキストはキャッシュで最大90%削減

    • ツール制限 ── 不要なツール(web_search等)をオフにして無駄な検索課金を防止


    従量課金でも使いたくなる理由

    1. インフラ構築が不要

    従来、Claudeにファイル操作やコマンド実行をさせるには:

    • 自前のサーバーにサンドボックス環境を構築

    • ツール実行のループ処理を実装

    • エラーハンドリング、タイムアウト処理

    • セキュリティ対策(コマンドインジェクション防止等)

    Managed Agentsなら、これらが全部Anthropicのクラウド側で用意される。APIを叩くだけ。

    2. 「頭脳」と「手足」が分かれている安心感

    Anthropicのエンジニアリングブログに、Managed Agentsの設計思想について興味深い記述がある。

    彼らはManaged Agentsを「頭脳(brain)」と「手足(hands)」に分離して設計した。Claudeの推論と、コードが実行されるコンテナは別のプロセスとして動いている。

    これの何が嬉しいかというと、コンテナが落ちてもセッションが死なない。セッションの記録は外部のログに永続化されているので、コンテナが落ちたらClaudeはそれを「ツール呼び出しのエラー」として受け取り、新しいコンテナを立ち上げて続きから再開できる。長時間のタスクを任せるとき、「途中で落ちたら全部やり直し」にならないのは地味に大きい。

    この設計のおかげで、最初のレスポンスまでの待ち時間も大幅に改善されている。コンテナが必要になるまで起動しないので、推論だけで済むタスクはすぐ始まる。Anthropicの公表値では、p50で約60%、p95で90%以上の改善が出ている。

    3. 「会話」ではなく「仕事の委託」ができる

    Messages APIは本質的に「一問一答」。複雑なタスクをやらせるには、ツール実行ループを自分で書き、状態管理も自分で行う必要がある。

    Managed Agentsは「セッション」という概念があり、Claudeが自律的に判断してツールを使い、成果物を作り、完了したら報告してくれる。途中経過もSSEで見える。

    しかもセッションのイベントログはClaudeのコンテキストウィンドウとは別に永続化されている。つまり、コンテキストが溢れても過去のやりとりは消えない。Claudeは必要に応じてログを遡って読み返せる。長時間のタスクで「さっきやったこと忘れちゃった」が起きにくい仕組みになっている。

    4. マルチエージェントで複雑なワークフローを構築

    1つのエージェントだけでなく、専門性の異なる複数のエージェントを組み合わせられる。コーディネーターが全体を統括し、専門エージェントに仕事を振る。各エージェントは独立したコンテキストで動くため、精度が高い。

    5. Outcomes(成果保証)で品質を担保

    「やっておいて」で終わりではなく、採点基準を定義して自動で品質チェックができる。基準を満たすまでClaudeが自分で修正を繰り返す。人間がレビューする前に、一定品質を保証できる。

    6. セキュリティが「仕組み」で担保されている

    ここもブログで言及されていて、設計として良いなと思ったポイント。

    Claudeが生成したコードが実行されるサンドボックスには、APIキーやOAuthトークンなどの認証情報が一切置かれていない。たとえばGitリポジトリを操作する場合、アクセストークンはコンテナ初期化時にgit remoteに注入されるだけで、Claude自身がトークンの値を見ることはない。外部APIの呼び出しはMCP経由の専用プロキシを通り、認証情報はプロキシの外側にあるVaultから取得される。

    つまり、万が一プロンプトインジェクションを受けても、Claudeの実行環境から認証情報を盗み出す経路が構造的に存在しない。「ルールで禁止する」ではなく「物理的にアクセスできない」という設計。ユーザーのAPIキーを扱うプロダクトに組み込むなら、この安心感は大きい。

    それに加えて:

    • ネットワークアクセスをホワイトリストで制限できる

    • ツールの有効/無効を細かく制御できる

    • 各セッションは隔離されたコンテナで実行される


    CLIツール(ant)も用意されている

    # CLIのインストール(macOS)
    brew install anthropics/tap/ant
    
    # エージェント作成
    ant beta:agents create \
      --name "Coding Assistant" \
      --model claude-sonnet-4-6 \
      --tool '{type: agent_toolset_20260401}'
    
    # 環境作成
    ant beta:environments create \
      --name "dev-env" \
      --config '{type: cloud, networking: {type: unrestricted}}'
    
    # セッション開始
    ant beta:sessions create \
      --agent "$AGENT_ID" \
      --environment "$ENVIRONMENT_ID"

    用意されているテンプレート

    コンソールのQuickstartページから、以下のテンプレートをワンクリックで利用できる:

    • Deep researcher ── 多段階のWeb調査とソース付きレポート作成

    • Structured extractor ── 非構造テキストを型付きJSONに変換

    • Field monitor ── ソフトウェアブログを監視し週次ブリーフを作成

    • Support agent ── ドキュメントに基づく顧客対応

    • Incident commander ── Sentryアラートのトリアージ、Linearチケット作成、Slack連携

    • Feedback miner ── Slack/Notionのフィードバックをテーマ分類し、Asanaタスクに変換

    • Data analyst ── データの読み込み・分析・可視化・レポート作成


    まとめ:結局いつ使うのか

    Claude Codeで十分なケース

    • 自分の開発作業を加速したい

    • 目の前のコードをリファクタ・デバッグしたい

    • 対話しながら試行錯誤したい

    • → 今まで通りClaude Codeを使えばいい

    Managed Agentsが必要になるケース

    • あなたのプロダクトのユーザーに「Claudeが作業してくれる体験」を提供したい

    • cronやWebhookで無人起動し、成果物だけ受け取りたい

    • 複数の専門エージェントを連携させた複雑なワークフローを組みたい

    • 採点基準を定義して品質を自動保証したい(Outcomes)

    • サンドボックス・ネットワーク制御・認証管理をAnthropicに任せたい

    • → Managed Agentsの出番

    一番わかりやすい判断基準

    あなたが毎日Claude Codeで感じている「Claudeが自律的に動いてくれて便利」という体験を、あなた以外の人やシステムにも届けたいか?
    Yesなら、Managed Agents。
    Noなら、Claude Codeで十分。

    Beta(`managed-agents-2026-04-01`)として利用可能。全SDKに対応(Python, TypeScript, Java, Go, Ruby, PHP, C#)。

    あなたへのおすすめ