Anthropic重构托管Agent架构 拆分大脑与双手解耦沙箱

Decoupling the Brain from the Hands: Claude Managed Agents (Part 1 of 4) — Anthropic — AI Engineer

AI Engineer

运行外壳编码的模型假设必随迭代失效,Anthropic通过将执行沙箱降级为可抛弃工具并经由出口网关注入凭证,在杜绝密钥泄露的同时将首字延迟压缩约90%。

AI-assisted summary of Decoupling the Brain from the Hands: Claude Managed Agents (Part 1 of 4) — Anthropic — original source. Check the original for full context.

Source published:

Key ideas

  • Anthropic 推出新一代 Claude Managed Agents 架构,确立了“解耦大脑与双手”的设计思想,将其拆分为会话日志、Harness 控制层和沙箱执行端三层独立接口。 (7:45)
  • 通过在调用时先启动推理而非等待沙箱冷启动,结合解耦的事件压缩机制,系统将首字返回时间(TTFT)降低了约 90%。 (10:00)
  • 新架构严格杜绝凭证直接写入沙箱容器,改由出口代理网关(Egress Proxy)在对外流量离开安全域前实时注入,有效阻断针对 Agent 的提示词注入攻击。 (9:05)
  • 核心工程哲学强调:Harness 总是编码了针对特定模型的假设,但假设会随模型更新而失效,必须依靠生命周期更持久的核心接口实现无缝替换。 (10:49)

Detailed notes

## Background 本内容由频道 AI Engineer 于 2026 年 10 月 12 日在 YouTube 平台上发布,记录了在旧金山举办的 2026 AI Engineer World's Fair 研讨会现场。视频页面介绍指出,这是 Anthropic 推出的 Claude Managed Agents 四部曲工作坊的第一部分,主要探讨为何 Anthropic 放弃了将所有组件塞进单一容器的初代架构,并重构成解耦‘大脑’与‘双手’的新系统。

## TL;DR Anthropic 的 Claude Managed Agents 工程团队负责人 Priyanka Phatak 剖析了构建托管 Agent 的底层逻辑,指出包裹模型的 Harness 往往带有易随模型迭代而过时的特定假设。针对初代单容器架构导致的‘宠物模式’维护泥潭、调试困难与凭证泄露风险,团队将其重构为‘仅追加会话日志’、‘大脑(Claude 与 Harness)’和‘双手(沙箱与工具)’三层解耦架构。新设计通过出口代理注入凭证以保障安全,将首字返回时间(TTFT)缩减约 90%,并保持了灵活的上下文压缩能力。最后,Priyanka 梳理了核心 API 接口,并带领现场观众通过控制台快速上手搭建极简 Agent。

## Atmosphere & style 整场演讲呈现出浓厚而真实的工程师工作坊氛围,技术剖析扎实且毫不避讳早期架构踩过的坑。主讲人 Priyanka 叙述风格清晰干练、条理分明,用生动的‘宠物 vs 牲畜’隐喻化解了复杂的分布式系统难题;随后的动手环节则穿插着台下寻找麦克风、协调 Wi-Fi 连网和分发测试额度的鲜活互动,让观众身临其境地感受到一场兼具理论深度与实操热度的技术沙龙。

## Bulletin - [07:45](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=465s) Anthropic 推出新一代 Claude Managed Agents 架构,确立了“解耦大脑与双手”的设计思想,将其拆分为会话日志、Harness 控制层和沙箱执行端三层独立接口。 - [10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) 通过在调用时先启动推理而非等待沙箱冷启动,结合解耦的事件压缩机制,系统将首字返回时间(TTFT)降低了约 90%。 - [09:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=545s) 新架构严格杜绝凭证直接写入沙箱容器,改由出口代理网关(Egress Proxy)在对外流量离开安全域前实时注入,有效阻断针对 Agent 的提示词注入攻击。 - [10:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=649s) 核心工程哲学强调:Harness 总是编码了针对特定模型的假设,但假设会随模型更新而失效,必须依靠生命周期更持久的核心接口实现无缝替换。

## Key takeaways - [02:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=125s) Agent 的本质是“处于循环中的模型配合工具使用”,并依赖包裹在模型外部的 Harness 控制层来驱动循环、管理上下文及弥补模型自身缺陷。 - [03:06](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=186s) Harness 往往编码了针对特定模型的定制假设(如弥补 Claude 3.5 Sonnet 上下文焦虑的重置逻辑),但随着新模型消除缺陷,这些假设会迅速过时且难以维护。 - [04:16](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=256s) 沙箱(Sandbox)为不可信代码提供严格隔离的运行环境,生产级设计要求为每个独立任务分配容器以限制爆炸半径,避免跨任务污染。 - [05:10](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=310s) 初代单容器架构将会话日志、Harness 与沙箱全打包在一起,将其退化成了极难排障、无法替换的“宠物”(Pet),并在调试用户私有代码和混合云通信上面临严峻阻碍。 - [07:45](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=465s) 新架构将所有可变部分重构为“牲畜”(Cattle):沙箱或 Harness 崩溃仅被视作一次可恢复的工具调用失败或状态重载,唯有无状态服务背后的 Session 日志保持严格持久化。 - [09:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=545s) 所有对外访问由出口代理网关实时注入凭证,确保 Claude 模型与沙箱环境完全不接触敏感 Secret,从根本上免疫窃取凭据的提示词注入攻击。 - [10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) Session 日志采用仅追加(Append-only)设计,将事件存储与上下文压缩策略(如全量总结或滑动窗口)彻底解耦,使压缩算法可以随时独立演进。 - [10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) 解耦后模型推理无需同步等待沙箱环境初始化,直接将首字返回时间(Time to First Token)压缩了约 90%。 - [10:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=649s) “一个大脑触及多只手”的抽象模式让同一个 Harness 可以灵活插拔容器沙箱、企业私有 VPC 或标准 MCP 服务器,构建出寿命超越具体模型假设的稳固接口。 - [13:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=829s) Claude 托管 Agent 遵循三步构建流程:定义运行环境(网络与依赖)、配置 Agent 实体(模型与 Prompt)、实例化绑定这两者的 Session 会话。 - [15:18](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=918s) Session 内部依托事件流驱动双向通信,通过 user_message、custom_tool_use、claim_tool_result 及 idle 等标准化事件闭环管理任务生命周期。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=0s) 欢迎致辞与工作坊议程介绍

Anthropic 的技术主管 Priyanka Phatak 开场向座无虚席的与会者表示欢迎。Priyanka 介绍自己在 Anthropic 供职刚满两年多,并在过去 12 个月专注于构建 Agent 基础设施,主导了 Claude Managed Agents(托管 Agent)工程团队的开发。与她一同登台的还有团队成员 Gabe Cemaj,他在 Anthropic 工作了一年多,几乎全过程参与了该项目的研发。

Priyanka 梳理了接下来的两小时研讨会流程: 1. 首先回顾构建和扩展托管 Agent 的架构演变历程,剖析早期踩过的陷阱与关键经验教训。 2. 随后进入无代码上手环节,在 Claude 平台的 Console 控制台上仅凭提示词(Prompting)构建并测试一个极简 Agent。 3. 由 Gabe 接手代码实战部分,使用 Claude Code 或其他 Coding Agent 编写代码,构建更为复杂的金融 Agent。 4. 预留充足的问答交流时间。现场有工作人员递送麦克风,Priyanka 鼓励大家在实践环节积极举手互动。期间有后排观众询问是否可以提供 PPT 幻灯片链接,Priyanka 与 Gabe 解释现场临时分发不太方便,承诺会后统一分享课件。

[02:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=125s) Agent 的核心定义与 Harness 的模型假设陷阱

Priyanka 从最根本的底层原理切入:什么是 Agent?其核心本质是一个“处于循环中的模型,配合工具使用”(a model in a loop with tools)。在基础架构中,模型持续进行决策、判定下一步动作并循环调用工具,直到既定任务彻底完成。

紧接着,Priyanka 重点阐明了什么是“Harness”(运行挽具/驱动脚手架)。Harness 是包裹在模型外部的一层控制层,负责驱动循环、执行工具调用、管理上下文窗口,并承担起弥补模型自身缺陷的职责。“Harness is typically like a layer that wraps around the model that helps you make these tool calls in a loop to get you the outcome for the task that you're the task at hand and it's making assumptions about what the model cannot do and trying to sort of fill those gaps.”(Priyanka Phatak 强调)。

Priyanka 举了一个具象的工程案例:在针对 Claude 3.5 Sonnet 开发时,团队发现它存在所谓的“上下文焦虑”(Context Anxiety)——一旦模型察觉自身接近上下文长度上限,就会急躁地草草收尾当前任务。为了规避这一缺陷,工程师必须在针对 Sonnet 的 Harness 中植入机制,例如定时进行上下文重置(Context Reset)。然而,随后的 Claude Opus 模型在内部机制上消除了这种焦虑,此前针对 Sonnet 设定的上下文重置逻辑反而变得多余。因此,Harness 往往编码了针对特定模型的定制化假设,而这些假设会随着模型迭代迅速失效,开发团队必须随新模型更新而持续维护 Harness。

```mermaid flowchart TD accTitle: Agent 运行闭环与驱动层 accDescr: 模型、Harness驱动层与外部沙箱执行环境之间的调用循环关系

subgraph AgentSystem ["Agent 核心架构"] direction TB subgraph BrainZone ["决策与驱动 (Brain)"] Harness["Harness (控制循环/上下文管理)"] Claude["Claude 模型 (规划与决策)"] Harness <-->|"模型输入/推理结果"| Claude end subgraph HandsZone ["执行环境 (Hands)"] Sandbox["沙箱隔离容器 (文件/环境)"] Tools["工具集 / 依赖执行"] Sandbox --- Tools end Harness -->|"工具调用 (Tool Call)"| Sandbox Sandbox -->|"执行结果/状态回传"| Harness end ```

[04:16](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=256s) 沙箱隔离与爆炸半径控制

除模型与 Harness 之外,Agent 的第三项核心要素是 Sandbox(沙箱运行环境)。本质上,沙箱就是一台计算机或隔离容器,供 Agent 在其中运行编写的代码以执行任务,包括编辑文件、安装外部依赖等。本地运行的 Claude Code 正是这一模式的典型范例——作为一个运行在开发者本地的 Harness,它拥有文件系统访问权限,并能边规划边修改本地文件。

然而,在生产环境部署面向消费者的 Agent 时,其生成的代码可能存在漏洞或不可信代码。为了将安全风险降至最低,必须对执行环境进行沙箱化: - 严格限制安全爆炸半径(Blast Radius),阻断不可信代码对宿主系统及外部网络的越权侵入。 - 在架构设计上,通常建议每个独立任务都在彼此完全隔离的专用容器中运行,严禁不同任务间混用状态,从而避免执行污染或灾难性的连锁破坏。

[05:10](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=310s) 第一代架构的“宠物与牲畜”困境

2025 年 12 月,Managed Agents 团队向早期体验客户交付了第一版架构,但很快暴露出严重的架构设计瓶颈。初代架构将所有东西打包放进了单一容器内: - 记录会话全过程的 Session Log(任务执行单元); - 驱动 Agent 循环的 Harness; - 运行实际代码的 Sandbox 执行环境。

这套一体化架构的初始优势在于无需设计复杂的跨服务边界,容器内部通信全部本地化,文件修改操作也仅仅是简单的系统调用(Syscalls)。

```mermaid flowchart LR accTitle: 初代单容器架构设计 accDescr: 早期架构将会话日志、Harness 和沙箱环境全部打包在单一容器内部

subgraph SingleContainer ["初代单容器架构 (宠物模式 Pet)"] direction TB Log["Session Log (会话历史)"] Harn["Harness (驱动控制)"] Sand["Sandbox (执行环境/用户文件)"] Log <--> Harn Harn <--> Sand end ```

然而,团队很快意识到他们亲手制造了一只基建层面的“宠物”(Pet)。Priyanka 援引传统基础设施领域的“宠物 vs 牲畜”(Pets vs. Cattle)经典隐喻解释道:宠物是有具体名字、需要人工悉心呵护的个体,一旦生病就必须想方设法抢救,无法承受失去它的代价;而牲畜是高度互换、随时可废弃替换的群体,一个损坏倒下,直接拉起新的替代即可。一体化容器使得每个 Agent 实例都退化成了不可替代的“宠物”。

初代单容器架构在生产中暴露出一系列棘手缺陷: - **排障极其困难**:网络丢包与容器宕机在外部监控中表象一致,团队不得不通过 WebSocket 强行连接进入容器内排查。 - **隐私与排错冲突**:用户的私有代码与测试数据直接存放在容器内部,工程师缺乏直接接入和调试的合规权限。 - **混合云通信壁垒**:若客户要求 Agent 连入其私有 VPC 内的 MCP(模型上下文协议)服务器,Anthropic 要么得与客户建立昂贵的网络对等连接(Network Peering),要么必须将包含专有逻辑的 Harness 代码整个打包交付给客户在内网运行,两种方案在工程上都极难落地。

[07:45](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=465s) 大脑与双手解耦的新架构

面对初代架构的死结,团队果断推倒重来,确立了“解耦大脑与双手”(Decoupling the Brain from the Hands)的核心设计思想。新架构将 Agent 明确拆分为三个独立的接口与层级: 1. **Session(会话层)**:只追加不修改(Append-only)的事件日志,完整记录当前会话发生过的所有事件,作为唯一的真实状态来源。 2. **Brain(大脑层)**:包含 Claude 模型与驱动循环的 Harness。 3. **Hands(双手层)**:按需动态拉起(On-demand)的 Sandboxes、MCP 工具调用等执行端;一旦任务结束或发生故障即刻销毁。

```mermaid flowchart LR accTitle: 解耦后的第二代托管 Agent 架构 accDescr: 架构被划分为追加式会话日志、大脑 Harness 和外部按需伸缩的双手沙箱三层

subgraph S1 ["会话状态层"] Session["Session Log\n(Append-only 事件流)"] end

subgraph S2 ["大脑层 (Brain)"] Brain["Harness + Claude\n(无状态可替换循环)"] end

subgraph S3 ["双手层 (Hands)"] direction TB Sandbox["沙箱 (按需启动/随时销毁)"] Proxy["出口代理网关 (Egress Proxy)"] MCP["外部服务 / 私有 MCP"] Sandbox --> Proxy Proxy -->|"安全注入凭证"| MCP end

Session <-->|"读取历史 / 写入新事件"| Brain Brain <-->|"视作普通 Tool Call 调度"| Sandbox ```

在此解耦设计下,系统除 Session 日志外的每一个组件都变成了随时可替换的“牲畜”(Cattle): - 若沙箱因内存溢出或代码崩溃死掉,Harness 或 Claude 只会把该故障视作一次普通的“工具调用失败”,随后可以自主决定是重新拉起全新沙箱还是跳过继续执行。 - 若负责控制的大脑(Harness)崩溃,系统直接调起一个新的 Harness 实例,从持久化 Session 日志中重新读取最后一条事件即可无缝恢复,“工作会从最后一个事件继续恢复,仿佛什么都没发生过一样”。 - 系统中唯一需要全力保障持久性与安全性的,仅剩下无状态服务背后的 Session Log。

[09:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=545s) 出口凭证注入与灵活上下文压缩机制

解耦设计还带来了关键的安全与性能突破。首先是彻底解决了沙箱内的凭证泄漏隐患。在旧方案中,鉴权凭据直接存放在沙箱内,极易受到提示词注入攻击(Prompt Injection)。而全新架构制定了严格的铁律:凭证永不落入沙箱。当沙箱内的代码需要访问外部受保护端点或客户专有 MCP 服务时,所有对外网络流量均强制经由专用出口代理(Egress Proxy)路由;凭证由该代理层在离开沙箱安全域前实时注入并放行。这一机制保证 Claude 模型本身完全接触不到真实的 Token 或 Secret,哪怕遭遇恶意的提示词注入,攻击者也绝无可能哄骗 Claude 打印或将凭证转存至文件。

其次,基于 Append-only(仅追加)设计的持久化 Session 事件日志,赋予了团队在上下文管理策略上的巨大弹性。系统在底层解绑了强耦合,使上下文压缩策略(Compaction Strategy)可以随时独立演化升级,而不会破坏正在运行中的任务状态。

[10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) 灵活上下文压缩与首字延迟降低 90%

Priyanka Phatak 详细解释了事件流(Event Stream)解耦后的存储与压缩策略。在新的架构设计中,原始数据永远不会被丢弃:“我们不会压缩并更改你的事件流。我们始终会存储发生的每一个事件。”真正的压缩策略是独立于存储之外的决策逻辑:它可以选择查看整个事件日志、进行总结归纳后放入上下文,也可以选择仅提取最近的 $N$ 个事件填入上下文。这种将事件日志持久化与上下文生成完全解耦的接口设计,赋予了团队在制定上下文策略时极高的灵活性。

```mermaid flowchart TD accTitle: 事件存储与上下文压缩解耦流程 accDescr: 原始事件按顺序写入仅追加日志,随后压缩策略独立选择提取方式并注入模型推理上下文。 subgraph Storage["持久化存储"] A["仅追加事件日志 (Append-Only Log)"] end subgraph Strategy["压缩策略控制 (Compaction Strategy)"] B{"上下文策略决策"} C["全量总结归纳 (Summarize All)"] D["滑动窗口 (Last N Events)"] end subgraph Execution["模型推理"] E["Claude 模型上下文 (Context Window)"] end

A --> B B -->|策略 A| C --> E B -->|策略 B| D --> E ```

架构解耦带来的另一个直接收益是推理响应速度的大幅提升。以往系统必须等待沙箱容器(Sandbox Container)完全启动才能开始响应,而解耦后系统能够直接发起推理调用。“由于我们能够立即开始推理调用,我们成功将首字返回时间(Time to First Token)降低了约 90%。”Claude 仅在确实需要执行工具时才会去拉起沙箱,而无需让用户在容器冷启动期间干等,整体交互体验变得极其迅捷流畅。

---

[10:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=649s) “一个大脑,多只巧手”与接口持久化

架构演进的核心思想被概括为“一个大脑可以触及多只手(One brain can reach many hands)”。Agent 循环或外壳(Harness)作为“大脑”,所连接的工具端则是可任意插拔替换的“双手”:它可以调用沙箱容器执行脚本,可以穿透进入客户的企业私有云(VPC),也可以与 MCP(Model Context Protocol)服务器进行标准通信。这种插件式的抽象让整体系统具备了前所未有的通用性与扩展能力。

Priyanka 向现场开发者强调了这一架构演进中最核心的工程哲学:“如果你们今天只能从这场演讲中带走一件事,那就是:运行外壳总是编码了假设,而假设终究会过时。因此我们设计出寿命超越这些假设的接口,让架构更加灵活。”无论未来是更换压缩策略,还是彻底重构底层 Harness,三层核心接口与整体架构都将保持稳定不变。

在面对台下观众对架构细节的提问时,Priyanka 再次梳理了经受住迭代检验的三大核心接口组件: - **仅追加会话日志(Append-only Session Log)**:完整记录所有发生过的事件,保证状态可追溯且不可篡改。 - **可替换的外壳(Interchangeable Harness)**:承载 Agent 循环与提示词决策,可随时随模型升级而整体换代。 - **可插拔的双手(Hands)**:连接沙箱环境、定制工具调用或外部 MCP 服务,按需挂载。

---

[11:43](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=703s) 现场申领测试额度与动手准备

演讲进入动手实操环节。为了让现场所有参会者能跟着一起在云端构建 Agent,团队为每位参会者准备了免费的 API 测试额度(Complimentary API credits)。Priyanka 提示台下观众用手机扫描大屏幕上的二维码,登录已有的 Claude 平台账户或注册新账号,通常在注册完成后的 1 到 2 分钟内额度就会自动到账。

现场由于网络波动出现了一点小插曲。部分参会者举手示意连不上网,Priyanka 笑着安抚大家多停留了 30 秒,同时协调现场工作人员提供流动麦克风:“Gabe,我们有麦克风吗?因为我有点听不清台下提的问题。”随后工作人员 Travis 带着麦克风穿梭在会场通道,协助参会者解决配额和网络问题,为接下来的实战编码扫清障碍。

---

[13:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=829s) 讲笑话 Agent 的三步构建法

Priyanka 带领观众在 `platform.claude.com` 控制台上从零搭建一个能讲笑话的简单 Agent(Joke-Teller Agent)。她系统性地拆解了托管 Agent API 的三大核心构建实体与调用步骤:

```mermaid flowchart LR accTitle: Claude Managed Agents 三步构建流程 accDescr: 从定义运行环境,到配置 Agent 元数据与提示词,再到实例化会话。 subgraph Step1["步骤一:定义环境"] ENV["/v1/environments<br/>• 网络访问控制<br/>• 预装依赖包"] end subgraph Step2["步骤二:配置 Agent"] AGT["Agent 实体<br/>• 模型版本<br/>• 角色设定 Prompt<br/>• 基础工具集"] end subgraph Step3["步骤三:创建会话"] SES["Session 实体<br/>• 绑定 Agent 与 Environment<br/>• 初始呈 Idle 状态"] end

ENV --> AGT --> SES ```

1. **步骤一:调用环境接口(`/v1/environments`)** 创建沙箱运行的环境模板。开发者可以在此定义容器的网络拓扑(是允许不受限制的外网访问,还是仅白名单放行特定域名或 MCP 服务器),并配置沙箱镜像中需要预装的系统软件包。 2. **步骤二:创建 Agent 实体(Create Agent)** 为 Agent 命名(例如命名为 `joke-teller`),并指定所使用的模型底座(可选 Opus、Haiku 或 Sonnet)。接着输入系统提示词(System Prompt),例如:“你是一名喜剧演员。请针对给定主题找一个新鲜的笑话,并精彩地表演出来。”最后挂载工具集,这里分配了开箱即用的 Agent Toolset,其中包含了执行 Bash 命令、文件读写、Grep 搜索等底层基础工具。 3. **步骤三:实例化会话(Create Session)** 将会话视为一个具体的工作任务单元(Unit of work)。调用时只需传入前面生成的 `agent_id` 与 `environment_id`。会话创建成功后,初始状态保持为 `idle`(空闲),不会做任何多余消耗,直到接收到底层事件触发。

---

[15:18](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=918s) 会话事件流交互机制与控制台快速入门

Priyanka 详细拆解了 Session 内部事件流(Event Stream)的双向通信机制。用户与 Agent 之间所有交互均表现为不同类型的事件载荷:

| 事件名称 | 产生方 | 行为说明 | |:--- |:--- |:--- | | `user_message` | 用户端 | 发送任务指令,例如输入:“给我讲一个关于分布式系统的笑话。” | | `custom_tool_use` | Agent 端 | 模型触发开发者自定义的外部工具,向事件流抛出调用申请。 | | `claim_tool_result` | 用户端 / 业务层 | 外部业务系统监听到工具调用事件并处理后,将执行结果回传给会话。 | | `status: idle` | 系统 / Agent | 会话处于空闲状态,等待下一步输入,此时通常不占用沙箱计算资源。 | | `interrupt` | 用户端 | 强制终止或销毁当前会话,立即停止未完成的任务。 | | `session_error` | 系统 | 会话执行遭遇异常或崩溃时抛出的报错事件。 |

在高级特性方面,Priyanka 提到平台还支持多 Agent 协作(Multi-agent)与长期记忆管理(Memory),这部分深水区内容将由随后登场的 Gabe Cemaj 展开深度剖析。

随后,Priyanka 引导大家切入实操界面:“我们现在跳转到 platform.claude.com。”在控制台的“Managed Agents”板块中,官方内置了快速入门指南(Quick Start)。该功能以手把手的引导式流程,带领现场开发者快速完成第一个 Agent 的部署、事件监听与调试运行。

## Notable quotes > [10:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=649s) 运行外壳总是编码了假设,而假设终究会过时。因此我们设计出寿命超越这些假设的接口,让架构更加灵活。 — Priyanka Phatak

> [10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) 我们不会压缩并更改你的事件流。我们始终会存储发生的每一个事件。 — Priyanka Phatak

## Mentioned Priyanka Phatak, Gabe Cemaj, Travis, Anthropic, Claude, Claude 3.5 Sonnet, Claude Opus, Claude Haiku, Claude Code, Claude Managed Agents, MCP (Model Context Protocol), AI Engineer World's Fair 2026

## Video description The first version of Claude Managed Agents put everything in one container. Here's why Anthropic split it apart.

NEXT UP: AI ENGINEER CODE SUMMIT Join us in SF for the second annual AIE CODE Summit, Nov 10–12, our last flagship summit of 2026. Applications live now: https://aie.codes

Priyanka Phatak, who leads the Claude Managed Agents engineering team at Anthropic, defines an agent as a model in a loop with tools, plus a harness and a sandbox, and explains why harnesses encode assumptions that go stale with each new model. She walks through the first architecture, where the session, harness and sandbox shared one hard-to-debug 'pet' container, and the redesign into an append-only session log, a brain (harness plus Claude) and hands (sandboxes and tools). Credentials stay out of the sandbox and time to first token dropped about 90%. Then she introduces the core APIs with a simple joke-teller agent.

This is part 1 of 4 of the Claude Managed Agents workshop from Anthropic.

In this video: • Why harnesses carry model-specific assumptions • Decoupling session, harness and sandbox into replaceable parts • Injecting credentials at an egress proxy so Claude never sees them • The core flow: environment, agent, session, events

SPEAKERS Priyanka Phatak, Member of Technical Staff, Anthropic (leads the Claude Managed Agents engineering team)

Gabe Cemaj, Member of Technical Staff, Anthropic GitHub: https://github.com/gcemaj

LINKS Claude Managed Agents docs: https://platform.claude.com/docs/en/managed-agents/overview Scaling Managed Agents: Decoupling the brain from the hands: https://www.anthropic.com/engineering/managed-agents

CHAPTERS 0:00 Welcome and intros 0:58 Workshop agenda 2:05 What makes an agent work 3:06 Harnesses and model assumptions 4:16 Sandboxes and limiting blast radius 5:10 First architecture: all in one container 6:05 The pet vs cattle problem 7:45 Decoupling the brain from the hands 9:05 Keeping credentials out of the sandbox 9:49 Flexible compaction, faster first token 10:49 One brain, many hands 11:09 Interfaces outlast assumptions 11:39 Claiming API credits 12:24 Q&A: the three core interfaces 13:49 Building a joke-teller agent 15:18 Sessions and the event stream 16:33 Console quick start

Recorded at the AI Engineer World's Fair 2026 in San Francisco. Subscribe for more talks from the engineers building with AI.

AI Engineer: https://ai.engineer YouTube: https://www.youtube.com/@aiDotEngineer X: https://x.com/aiDotEngineer LinkedIn: https://www.linkedin.com/company/aidotengineer/

#Claude #AIAgents #AIEngineer

[Source](https://www.youtube.com/watch?v=Uv0nAf_7tyU)

中文简报

Anthropic拆分Claude Agent架构以降低90%延迟 Anthropic放弃了单体Agent容器,因为编排框架编码的临时模型缺陷会随每次升级而失效;通过将不可变会话日志与可插拔沙箱分离,消除了凭据泄露风险并加快了响应速度。 Priyanka Phatak概述了AI Agent的基本构成——模型、框架与沙箱,并解释了Anthropic最初的单体容器设计如何演变成一个难以管理的“宠物”,易出现调试瓶颈和安全漏洞。为解决该问题,Anthropic重构了平台:将状态分离为仅追加的会话日志,将框架和Claude视为“大脑”,并将沙箱及MCP连接归为可插拔、一次性的“双手”。这种模块化架构通过出站代理将凭据从不可信执行环境中剥离,并使首Token生成时间缩短了约90%。最后,演讲详细介绍了核心开发者原语——环境(Environments)、Agent(Agents)与会话(Sessions),并为参会者提供了控制台动手快速入门指导。 Anthropic重新设计了Claude托管Agent,将单体容器解耦为三个模块化接口:仅追加会话日志、大脑(模型加框架)以及可插拔的双手(沙箱和MCP工具)。 (7:45) 通过将执行沙箱的配置推迟到明确需要工具调用时,这种解耦架构将首Token生成时间降低了约90%。 (10:00) 出站工具请求现在通过出站身份验证代理路由,该代理在沙箱边界之外注入凭据,从结构上防止提示词注入攻击窃取Token凭证。 (9:05) 托管Agent的开发者API体系围绕三个主要原语进行标准化:环境(/v1/environments)、Agent(/v1/agents)以及通过双向事件流驱动的会话(/v1/sessions)。 (13:49)

精炼阅读摘要

Anthropic 技术团队成员 Priyanka Phatak 指出,构建 Claude Managed Agents 的核心经验在于将系统拆分为不可变会话日志、认知控制回路与插件化执行环境,以防止编排层对特定模型特性的临时假设制约系统的长期演进。 单体容器的运维瓶颈与数据边界问题 (5:10) 在早期 V1 架构中,Anthropic 将会话日志、控制回路(Harness)与沙箱环境全部打包在单一容器内。这种设计虽然初期简化了系统边界与文件读写,但在实际生产运行中演变为了难以维护的“宠物(Pet)”式基础设施。由于整体封装在单一黑盒中,团队在遇到故障时难以区分底层是网络丢包还是容器崩溃,只能依靠直接连接到运行容器的脆弱 WebSocket 进行排查。 这种单体设计同时带来了严重的数据安全与网络连接问题。由于容器内部包含客户的实时数据和专有源码,内部工程师在排查系统故障时受制于客户隐私红线而无法直接审查运行状态。此外,当企业客户需要智能体访问部署在私有 VPC 内的模型上下文协议(MCP)服务器时,Anthropic 不得不面临建立复杂的 VPC 对等连接,或是将专有控制逻辑交付客户私有部署的两难局面。 大脑与手脚解耦的三层架构 (7:45) 为消除对单一不可变资源的依赖,Anthropic 将智能体架构解构为三个独立组件:会话日志、大脑与手脚。会话日志采用仅追加写入的设计,记录全部输入、输出与工具执行事件,作为唯一持久化的系统真实数据源。大脑部分由 Claude 模型与编排控制回路组成;如果控制回路发生崩溃,系统可以立即启动新实例,通过重放会话事件流精准恢复到中断点,避免任务中断或进度丢失。 手脚部分则包含按需拉起的临时执行沙箱与外部 MCP 工具。在模型看来,与沙箱环境的交互等同于一次常规工具调用;如果某个执行容器崩溃,错误会以工具调用失败的形式反馈给大脑,模型只需重新调起新的沙箱即可继续运行。这种设计将所有计算运行时转变为可随时替换的“牲畜(Cattle)”,大幅提升了系统弹性。 网络外发代理与安全凭据隔离 (9:05) 传统单体容器通常将鉴权凭据与 API 令牌直接注入执行环境中,使得系统在遭遇提示词注入攻击时面临凭据外泄风险,例如恶意提示可能诱导智能体打印环境变量或将密钥写入公开文件。解耦架构通过在沙箱外设立网络外发鉴权代理(Egress Auth Proxy)彻底隔离了敏感信息。 当智能体发起需要认证的外部网络请求或访问 MCP 端点时,流量必须经过该外发代理。代理在沙箱边界之外拦截网络流量并自动注入访问令牌或 Bearer 请求头。外部服务能够正常接收认证请求,而模型与沙箱环境自始至终无法接触原始密钥,从而在底层架构上杜绝了通过提示词注入盗取凭据的可能。 压缩策略优化与首 Token 延迟下降 (10:00) 将会话历史解耦为独立的追加型日志,为长流程任务提供了更灵活的上下文压缩方案。系统在对模型上下文进行汇总或滑动窗口裁剪时,底层完整的原始交互历史保持不变,开发者可以根据任务需求自由调整全量历史摘要或仅截取末尾 N 个事件。这种调整完全独立于底层计算运行时,确保了历史运维记录的完整性。 该解耦机制还显著消除了沙箱冷启动对交互体验的拖累。Claude 在接收到任务后可以立即开始推理,仅在模型发出需要执行具体代码的指令时才按需调起容器沙箱。Priyanka Phatak 透露,这种按需分配机制使智能体的首 Token 输出时间缩短了约 90%,不仅加快了响应速度,还支持大脑根据需要无缝调用客户私有 VPC、MCP 服务器或隔离沙箱等不同执行端点。 三层 API 抽象与事件流生命周期 (13:49) 在对外提供的开发者接口中,Claude Managed Agents 将系统抽象为三大基础对象:环境 API(/v1/environments)负责定义沙箱网络访问规则与基础软件安装;智能体 API(/v1/agents)负责配置模型版本、系统提示词以及工具集;会话 API(/v1/sessions)则将特定环境与智能体绑定为具体的任务运行时,并在接收到触发指令前保持空闲以节约计算资源。 会话启动后,所有状态交互均通过双向事件流展开。用户通过发送自然语言指令(如 user_message)或中断信号(interrupt)来驱动或中止任务;智能体则向客户端返回定制工具调用(custom_tool_use)、会话错误(session_error)或进入闲置状态(status_idle)。这种标准化的事件驱动协议为多智能体调度与异步工作流奠定了交互基础。 Priyanka Phatak 强调,编排控制回路中往往固化了针对特定模型缺陷的临时假设(例如 Sonnet 4.5 存在的上下文焦虑在 Opus 4.5 中完全消失),因此必须设计能够超越模型缺陷周期的抽象接口。该工作坊后续演示展示了控制台快速构建流程,而针对多智能体编排与跨会话持久记忆等更复杂的工程落地细节仍有待后续环节进一步展开。

Detailed notes — zh

## Background 本内容由频道 AI Engineer 于 2026 年 10 月 12 日在 YouTube 平台上发布,记录了在旧金山举办的 2026 AI Engineer World's Fair 研讨会现场。视频页面介绍指出,这是 Anthropic 推出的 Claude Managed Agents 四部曲工作坊的第一部分,主要探讨为何 Anthropic 放弃了将所有组件塞进单一容器的初代架构,并重构成解耦‘大脑’与‘双手’的新系统。 ## TL;DR Anthropic 的 Claude Managed Agents 工程团队负责人 Priyanka Phatak 剖析了构建托管 Agent 的底层逻辑,指出包裹模型的 Harness 往往带有易随模型迭代而过时的特定假设。针对初代单容器架构导致的‘宠物模式’维护泥潭、调试困难与凭证泄露风险,团队将其重构为‘仅追加会话日志’、‘大脑(Claude 与 Harness)’和‘双手(沙箱与工具)’三层解耦架构。新设计通过出口代理注入凭证以保障安全,将首字返回时间(TTFT)缩减约 90%,并保持了灵活的上下文压缩能力。最后,Priyanka 梳理了核心 API 接口,并带领现场观众通过控制台快速上手搭建极简 Agent。 ## Atmosphere & style 整场演讲呈现出浓厚而真实的工程师工作坊氛围,技术剖析扎实且毫不避讳早期架构踩过的坑。主讲人 Priyanka 叙述风格清晰干练、条理分明,用生动的‘宠物 vs 牲畜’隐喻化解了复杂的分布式系统难题;随后的动手环节则穿插着台下寻找麦克风、协调 Wi-Fi 连网和分发测试额度的鲜活互动,让观众身临其境地感受到一场兼具理论深度与实操热度的技术沙龙。 ## Bulletin - [07:45](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=465s) Anthropic 推出新一代 Claude Managed Agents 架构,确立了“解耦大脑与双手”的设计思想,将其拆分为会话日志、Harness 控制层和沙箱执行端三层独立接口。 - [10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) 通过在调用时先启动推理而非等待沙箱冷启动,结合解耦的事件压缩机制,系统将首字返回时间(TTFT)降低了约 90%。 - [09:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=545s) 新架构严格杜绝凭证直接写入沙箱容器,改由出口代理网关(Egress Proxy)在对外流量离开安全域前实时注入,有效阻断针对 Agent 的提示词注入攻击。 - [10:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=649s) 核心工程哲学强调:Harness 总是编码了针对特定模型的假设,但假设会随模型更新而失效,必须依靠生命周期更持久的核心接口实现无缝替换。 ## Key takeaways - [02:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=125s) Agent 的本质是“处于循环中的模型配合工具使用”,并依赖包裹在模型外部的 Harness 控制层来驱动循环、管理上下文及弥补模型自身缺陷。 - [03:06](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=186s) Harness 往往编码了针对特定模型的定制假设(如弥补 Claude 3.5 Sonnet 上下文焦虑的重置逻辑),但随着新模型消除缺陷,这些假设会迅速过时且难以维护。 - [04:16](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=256s) 沙箱(Sandbox)为不可信代码提供严格隔离的运行环境,生产级设计要求为每个独立任务分配容器以限制爆炸半径,避免跨任务污染。 - [05:10](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=310s) 初代单容器架构将会话日志、Harness 与沙箱全打包在一起,将其退化成了极难排障、无法替换的“宠物”(Pet),并在调试用户私有代码和混合云通信上面临严峻阻碍。 - [07:45](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=465s) 新架构将所有可变部分重构为“牲畜”(Cattle):沙箱或 Harness 崩溃仅被视作一次可恢复的工具调用失败或状态重载,唯有无状态服务背后的 Session 日志保持严格持久化。 - [09:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=545s) 所有对外访问由出口代理网关实时注入凭证,确保 Claude 模型与沙箱环境完全不接触敏感 Secret,从根本上免疫窃取凭据的提示词注入攻击。 - [10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) Session 日志采用仅追加(Append-only)设计,将事件存储与上下文压缩策略(如全量总结或滑动窗口)彻底解耦,使压缩算法可以随时独立演进。 - [10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) 解耦后模型推理无需同步等待沙箱环境初始化,直接将首字返回时间(Time to First Token)压缩了约 90%。 - [10:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=649s) “一个大脑触及多只手”的抽象模式让同一个 Harness 可以灵活插拔容器沙箱、企业私有 VPC 或标准 MCP 服务器,构建出寿命超越具体模型假设的稳固接口。 - [13:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=829s) Claude 托管 Agent 遵循三步构建流程:定义运行环境(网络与依赖)、配置 Agent 实体(模型与 Prompt)、实例化绑定这两者的 Session 会话。 - [15:18](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=918s) Session 内部依托事件流驱动双向通信,通过 user_message、custom_tool_use、claim_tool_result 及 idle 等标准化事件闭环管理任务生命周期。 ## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=0s) 欢迎致辞与工作坊议程介绍 Anthropic 的技术主管 Priyanka Phatak 开场向座无虚席的与会者表示欢迎。Priyanka 介绍自己在 Anthropic 供职刚满两年多,并在过去 12 个月专注于构建 Agent 基础设施,主导了 Claude Managed Agents(托管 Agent)工程团队的开发。与她一同登台的还有团队成员 Gabe Cemaj,他在 Anthropic 工作了一年多,几乎全过程参与了该项目的研发。 Priyanka 梳理了接下来的两小时研讨会流程: 1. 首先回顾构建和扩展托管 Agent 的架构演变历程,剖析早期踩过的陷阱与关键经验教训。 2. 随后进入无代码上手环节,在 Claude 平台的 Console 控制台上仅凭提示词(Prompting)构建并测试一个极简 Agent。 3. 由 Gabe 接手代码实战部分,使用 Claude Code 或其他 Coding Agent 编写代码,构建更为复杂的金融 Agent。 4. 预留充足的问答交流时间。现场有工作人员递送麦克风,Priyanka 鼓励大家在实践环节积极举手互动。期间有后排观众询问是否可以提供 PPT 幻灯片链接,Priyanka 与 Gabe 解释现场临时分发不太方便,承诺会后统一分享课件。 ### [02:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=125s) Agent 的核心定义与 Harness 的模型假设陷阱 Priyanka 从最根本的底层原理切入:什么是 Agent?其核心本质是一个“处于循环中的模型,配合工具使用”(a model in a loop with tools)。在基础架构中,模型持续进行决策、判定下一步动作并循环调用工具,直到既定任务彻底完成。 紧接着,Priyanka 重点阐明了什么是“Harness”(运行挽具/驱动脚手架)。Harness 是包裹在模型外部的一层控制层,负责驱动循环、执行工具调用、管理上下文窗口,并承担起弥补模型自身缺陷的职责。“Harness is typically like a layer that wraps around the model that helps you make these tool calls in a loop to get you the outcome for the task that you're the task at hand and it's making assumptions about what the model cannot do and trying to sort of fill those gaps.”(Priyanka Phatak 强调)。 Priyanka 举了一个具象的工程案例:在针对 Claude 3.5 Sonnet 开发时,团队发现它存在所谓的“上下文焦虑”(Context Anxiety)——一旦模型察觉自身接近上下文长度上限,就会急躁地草草收尾当前任务。为了规避这一缺陷,工程师必须在针对 Sonnet 的 Harness 中植入机制,例如定时进行上下文重置(Context Reset)。然而,随后的 Claude Opus 模型在内部机制上消除了这种焦虑,此前针对 Sonnet 设定的上下文重置逻辑反而变得多余。因此,Harness 往往编码了针对特定模型的定制化假设,而这些假设会随着模型迭代迅速失效,开发团队必须随新模型更新而持续维护 Harness。 ```mermaid flowchart TD accTitle: Agent 运行闭环与驱动层 accDescr: 模型、Harness驱动层与外部沙箱执行环境之间的调用循环关系 subgraph AgentSystem ["Agent 核心架构"] direction TB subgraph BrainZone ["决策与驱动 (Brain)"] Harness["Harness (控制循环/上下文管理)"] Claude["Claude 模型 (规划与决策)"] Harness <-->|"模型输入/推理结果"| Claude end subgraph HandsZone ["执行环境 (Hands)"] Sandbox["沙箱隔离容器 (文件/环境)"] Tools["工具集 / 依赖执行"] Sandbox --- Tools end Harness -->|"工具调用 (Tool Call)"| Sandbox Sandbox -->|"执行结果/状态回传"| Harness end ``` ### [04:16](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=256s) 沙箱隔离与爆炸半径控制 除模型与 Harness 之外,Agent 的第三项核心要素是 Sandbox(沙箱运行环境)。本质上,沙箱就是一台计算机或隔离容器,供 Agent 在其中运行编写的代码以执行任务,包括编辑文件、安装外部依赖等。本地运行的 Claude Code 正是这一模式的典型范例——作为一个运行在开发者本地的 Harness,它拥有文件系统访问权限,并能边规划边修改本地文件。 然而,在生产环境部署面向消费者的 Agent 时,其生成的代码可能存在漏洞或不可信代码。为了将安全风险降至最低,必须对执行环境进行沙箱化: - 严格限制安全爆炸半径(Blast Radius),阻断不可信代码对宿主系统及外部网络的越权侵入。 - 在架构设计上,通常建议每个独立任务都在彼此完全隔离的专用容器中运行,严禁不同任务间混用状态,从而避免执行污染或灾难性的连锁破坏。 ### [05:10](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=310s) 第一代架构的“宠物与牲畜”困境 2025 年 12 月,Managed Agents 团队向早期体验客户交付了第一版架构,但很快暴露出严重的架构设计瓶颈。初代架构将所有东西打包放进了单一容器内: - 记录会话全过程的 Session Log(任务执行单元); - 驱动 Agent 循环的 Harness; - 运行实际代码的 Sandbox 执行环境。 这套一体化架构的初始优势在于无需设计复杂的跨服务边界,容器内部通信全部本地化,文件修改操作也仅仅是简单的系统调用(Syscalls)。 ```mermaid flowchart LR accTitle: 初代单容器架构设计 accDescr: 早期架构将会话日志、Harness 和沙箱环境全部打包在单一容器内部 subgraph SingleContainer ["初代单容器架构 (宠物模式 Pet)"] direction TB Log["Session Log (会话历史)"] Harn["Harness (驱动控制)"] Sand["Sandbox (执行环境/用户文件)"] Log <--> Harn Harn <--> Sand end ``` 然而,团队很快意识到他们亲手制造了一只基建层面的“宠物”(Pet)。Priyanka 援引传统基础设施领域的“宠物 vs 牲畜”(Pets vs. Cattle)经典隐喻解释道:宠物是有具体名字、需要人工悉心呵护的个体,一旦生病就必须想方设法抢救,无法承受失去它的代价;而牲畜是高度互换、随时可废弃替换的群体,一个损坏倒下,直接拉起新的替代即可。一体化容器使得每个 Agent 实例都退化成了不可替代的“宠物”。 初代单容器架构在生产中暴露出一系列棘手缺陷: - **排障极其困难**:网络丢包与容器宕机在外部监控中表象一致,团队不得不通过 WebSocket 强行连接进入容器内排查。 - **隐私与排错冲突**:用户的私有代码与测试数据直接存放在容器内部,工程师缺乏直接接入和调试的合规权限。 - **混合云通信壁垒**:若客户要求 Agent 连入其私有 VPC 内的 MCP(模型上下文协议)服务器,Anthropic 要么得与客户建立昂贵的网络对等连接(Network Peering),要么必须将包含专有逻辑的 Harness 代码整个打包交付给客户在内网运行,两种方案在工程上都极难落地。 ### [07:45](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=465s) 大脑与双手解耦的新架构 面对初代架构的死结,团队果断推倒重来,确立了“解耦大脑与双手”(Decoupling the Brain from the Hands)的核心设计思想。新架构将 Agent 明确拆分为三个独立的接口与层级: 1. **Session(会话层)**:只追加不修改(Append-only)的事件日志,完整记录当前会话发生过的所有事件,作为唯一的真实状态来源。 2. **Brain(大脑层)**:包含 Claude 模型与驱动循环的 Harness。 3. **Hands(双手层)**:按需动态拉起(On-demand)的 Sandboxes、MCP 工具调用等执行端;一旦任务结束或发生故障即刻销毁。 ```mermaid flowchart LR accTitle: 解耦后的第二代托管 Agent 架构 accDescr: 架构被划分为追加式会话日志、大脑 Harness 和外部按需伸缩的双手沙箱三层 subgraph S1 ["会话状态层"] Session["Session Log\n(Append-only 事件流)"] end subgraph S2 ["大脑层 (Brain)"] Brain["Harness + Claude\n(无状态可替换循环)"] end subgraph S3 ["双手层 (Hands)"] direction TB Sandbox["沙箱 (按需启动/随时销毁)"] Proxy["出口代理网关 (Egress Proxy)"] MCP["外部服务 / 私有 MCP"] Sandbox --> Proxy Proxy -->|"安全注入凭证"| MCP end Session <-->|"读取历史 / 写入新事件"| Brain Brain <-->|"视作普通 Tool Call 调度"| Sandbox ``` 在此解耦设计下,系统除 Session 日志外的每一个组件都变成了随时可替换的“牲畜”(Cattle): - 若沙箱因内存溢出或代码崩溃死掉,Harness 或 Claude 只会把该故障视作一次普通的“工具调用失败”,随后可以自主决定是重新拉起全新沙箱还是跳过继续执行。 - 若负责控制的大脑(Harness)崩溃,系统直接调起一个新的 Harness 实例,从持久化 Session 日志中重新读取最后一条事件即可无缝恢复,“工作会从最后一个事件继续恢复,仿佛什么都没发生过一样”。 - 系统中唯一需要全力保障持久性与安全性的,仅剩下无状态服务背后的 Session Log。 ### [09:05](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=545s) 出口凭证注入与灵活上下文压缩机制 解耦设计还带来了关键的安全与性能突破。首先是彻底解决了沙箱内的凭证泄漏隐患。在旧方案中,鉴权凭据直接存放在沙箱内,极易受到提示词注入攻击(Prompt Injection)。而全新架构制定了严格的铁律:凭证永不落入沙箱。当沙箱内的代码需要访问外部受保护端点或客户专有 MCP 服务时,所有对外网络流量均强制经由专用出口代理(Egress Proxy)路由;凭证由该代理层在离开沙箱安全域前实时注入并放行。这一机制保证 Claude 模型本身完全接触不到真实的 Token 或 Secret,哪怕遭遇恶意的提示词注入,攻击者也绝无可能哄骗 Claude 打印或将凭证转存至文件。 其次,基于 Append-only(仅追加)设计的持久化 Session 事件日志,赋予了团队在上下文管理策略上的巨大弹性。系统在底层解绑了强耦合,使上下文压缩策略(Compaction Strategy)可以随时独立演化升级,而不会破坏正在运行中的任务状态。 ### [10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) 灵活上下文压缩与首字延迟降低 90% Priyanka Phatak 详细解释了事件流(Event Stream)解耦后的存储与压缩策略。在新的架构设计中,原始数据永远不会被丢弃:“我们不会压缩并更改你的事件流。我们始终会存储发生的每一个事件。”真正的压缩策略是独立于存储之外的决策逻辑:它可以选择查看整个事件日志、进行总结归纳后放入上下文,也可以选择仅提取最近的 $N$ 个事件填入上下文。这种将事件日志持久化与上下文生成完全解耦的接口设计,赋予了团队在制定上下文策略时极高的灵活性。 ```mermaid flowchart TD accTitle: 事件存储与上下文压缩解耦流程 accDescr: 原始事件按顺序写入仅追加日志,随后压缩策略独立选择提取方式并注入模型推理上下文。 subgraph Storage["持久化存储"] A["仅追加事件日志 (Append-Only Log)"] end subgraph Strategy["压缩策略控制 (Compaction Strategy)"] B{"上下文策略决策"} C["全量总结归纳 (Summarize All)"] D["滑动窗口 (Last N Events)"] end subgraph Execution["模型推理"] E["Claude 模型上下文 (Context Window)"] end A --> B B -->|策略 A| C --> E B -->|策略 B| D --> E ``` 架构解耦带来的另一个直接收益是推理响应速度的大幅提升。以往系统必须等待沙箱容器(Sandbox Container)完全启动才能开始响应,而解耦后系统能够直接发起推理调用。“由于我们能够立即开始推理调用,我们成功将首字返回时间(Time to First Token)降低了约 90%。”Claude 仅在确实需要执行工具时才会去拉起沙箱,而无需让用户在容器冷启动期间干等,整体交互体验变得极其迅捷流畅。 --- ### [10:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=649s) “一个大脑,多只巧手”与接口持久化 架构演进的核心思想被概括为“一个大脑可以触及多只手(One brain can reach many hands)”。Agent 循环或外壳(Harness)作为“大脑”,所连接的工具端则是可任意插拔替换的“双手”:它可以调用沙箱容器执行脚本,可以穿透进入客户的企业私有云(VPC),也可以与 MCP(Model Context Protocol)服务器进行标准通信。这种插件式的抽象让整体系统具备了前所未有的通用性与扩展能力。 Priyanka 向现场开发者强调了这一架构演进中最核心的工程哲学:“如果你们今天只能从这场演讲中带走一件事,那就是:运行外壳总是编码了假设,而假设终究会过时。因此我们设计出寿命超越这些假设的接口,让架构更加灵活。”无论未来是更换压缩策略,还是彻底重构底层 Harness,三层核心接口与整体架构都将保持稳定不变。 在面对台下观众对架构细节的提问时,Priyanka 再次梳理了经受住迭代检验的三大核心接口组件: - **仅追加会话日志(Append-only Session Log)**:完整记录所有发生过的事件,保证状态可追溯且不可篡改。 - **可替换的外壳(Interchangeable Harness)**:承载 Agent 循环与提示词决策,可随时随模型升级而整体换代。 - **可插拔的双手(Hands)**:连接沙箱环境、定制工具调用或外部 MCP 服务,按需挂载。 --- ### [11:43](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=703s) 现场申领测试额度与动手准备 演讲进入动手实操环节。为了让现场所有参会者能跟着一起在云端构建 Agent,团队为每位参会者准备了免费的 API 测试额度(Complimentary API credits)。Priyanka 提示台下观众用手机扫描大屏幕上的二维码,登录已有的 Claude 平台账户或注册新账号,通常在注册完成后的 1 到 2 分钟内额度就会自动到账。 现场由于网络波动出现了一点小插曲。部分参会者举手示意连不上网,Priyanka 笑着安抚大家多停留了 30 秒,同时协调现场工作人员提供流动麦克风:“Gabe,我们有麦克风吗?因为我有点听不清台下提的问题。”随后工作人员 Travis 带着麦克风穿梭在会场通道,协助参会者解决配额和网络问题,为接下来的实战编码扫清障碍。 --- ### [13:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=829s) 讲笑话 Agent 的三步构建法 Priyanka 带领观众在 `platform.claude.com` 控制台上从零搭建一个能讲笑话的简单 Agent(Joke-Teller Agent)。她系统性地拆解了托管 Agent API 的三大核心构建实体与调用步骤: ```mermaid flowchart LR accTitle: Claude Managed Agents 三步构建流程 accDescr: 从定义运行环境,到配置 Agent 元数据与提示词,再到实例化会话。 subgraph Step1["步骤一:定义环境"] ENV["/v1/environments<br/>• 网络访问控制<br/>• 预装依赖包"] end subgraph Step2["步骤二:配置 Agent"] AGT["Agent 实体<br/>• 模型版本<br/>• 角色设定 Prompt<br/>• 基础工具集"] end subgraph Step3["步骤三:创建会话"] SES["Session 实体<br/>• 绑定 Agent 与 Environment<br/>• 初始呈 Idle 状态"] end ENV --> AGT --> SES ``` 1. **步骤一:调用环境接口(`/v1/environments`)** 创建沙箱运行的环境模板。开发者可以在此定义容器的网络拓扑(是允许不受限制的外网访问,还是仅白名单放行特定域名或 MCP 服务器),并配置沙箱镜像中需要预装的系统软件包。 2. **步骤二:创建 Agent 实体(Create Agent)** 为 Agent 命名(例如命名为 `joke-teller`),并指定所使用的模型底座(可选 Opus、Haiku 或 Sonnet)。接着输入系统提示词(System Prompt),例如:“你是一名喜剧演员。请针对给定主题找一个新鲜的笑话,并精彩地表演出来。”最后挂载工具集,这里分配了开箱即用的 Agent Toolset,其中包含了执行 Bash 命令、文件读写、Grep 搜索等底层基础工具。 3. **步骤三:实例化会话(Create Session)** 将会话视为一个具体的工作任务单元(Unit of work)。调用时只需传入前面生成的 `agent_id` 与 `environment_id`。会话创建成功后,初始状态保持为 `idle`(空闲),不会做任何多余消耗,直到接收到底层事件触发。 --- ### [15:18](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=918s) 会话事件流交互机制与控制台快速入门 Priyanka 详细拆解了 Session 内部事件流(Event Stream)的双向通信机制。用户与 Agent 之间所有交互均表现为不同类型的事件载荷: | 事件名称 | 产生方 | 行为说明 | |:--- |:--- |:--- | | `user_message` | 用户端 | 发送任务指令,例如输入:“给我讲一个关于分布式系统的笑话。” | | `custom_tool_use` | Agent 端 | 模型触发开发者自定义的外部工具,向事件流抛出调用申请。 | | `claim_tool_result` | 用户端 / 业务层 | 外部业务系统监听到工具调用事件并处理后,将执行结果回传给会话。 | | `status: idle` | 系统 / Agent | 会话处于空闲状态,等待下一步输入,此时通常不占用沙箱计算资源。 | | `interrupt` | 用户端 | 强制终止或销毁当前会话,立即停止未完成的任务。 | | `session_error` | 系统 | 会话执行遭遇异常或崩溃时抛出的报错事件。 | 在高级特性方面,Priyanka 提到平台还支持多 Agent 协作(Multi-agent)与长期记忆管理(Memory),这部分深水区内容将由随后登场的 Gabe Cemaj 展开深度剖析。 随后,Priyanka 引导大家切入实操界面:“我们现在跳转到 platform.claude.com。”在控制台的“Managed Agents”板块中,官方内置了快速入门指南(Quick Start)。该功能以手把手的引导式流程,带领现场开发者快速完成第一个 Agent 的部署、事件监听与调试运行。 ## Notable quotes > [10:49](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=649s) 运行外壳总是编码了假设,而假设终究会过时。因此我们设计出寿命超越这些假设的接口,让架构更加灵活。 — Priyanka Phatak > [10:00](https://www.youtube.com/watch?v=Uv0nAf_7tyU&t=600s) 我们不会压缩并更改你的事件流。我们始终会存储发生的每一个事件。 — Priyanka Phatak ## Mentioned Priyanka Phatak, Gabe Cemaj, Travis, Anthropic, Claude, Claude 3.5 Sonnet, Claude Opus, Claude Haiku, Claude Code, Claude Managed Agents, MCP (Model Context Protocol), AI Engineer World's Fair 2026 ## Video description The first version of Claude Managed Agents put everything in one container. Here's why Anthropic split it apart. NEXT UP: AI ENGINEER CODE SUMMIT Join us in SF for the second annual AIE CODE Summit, Nov 10–12, our last flagship summit of 2026. Applications live now: https://aie.codes Priyanka Phatak, who leads the Claude Managed Agents engineering team at Anthropic, defines an agent as a model in a loop with tools, plus a harness and a sandbox, and explains why harnesses encode assumptions that go stale with each new model. She walks through the first architecture, where the session, harness and sandbox shared one hard-to-debug 'pet' container, and the redesign into an append-only session log, a brain (harness plus Claude) and hands (sandboxes and tools). Credentials stay out of the sandbox and time to first token dropped about 90%. Then she introduces the core APIs with a simple joke-teller agent. This is part 1 of 4 of the Claude Managed Agents workshop from Anthropic. In this video: • Why harnesses carry model-specific assumptions • Decoupling session, harness and sandbox into replaceable parts • Injecting credentials at an egress proxy so Claude never sees them • The core flow: environment, agent, session, events SPEAKERS Priyanka Phatak, Member of Technical Staff, Anthropic (leads the Claude Managed Agents engineering team) Gabe Cemaj, Member of Technical Staff, Anthropic GitHub: https://github.com/gcemaj LINKS Claude Managed Agents docs: https://platform.claude.com/docs/en/managed-agents/overview Scaling Managed Agents: Decoupling the brain from the hands: https://www.anthropic.com/engineering/managed-agents CHAPTERS 0:00 Welcome and intros 0:58 Workshop agenda 2:05 What makes an agent work 3:06 Harnesses and model assumptions 4:16 Sandboxes and limiting blast radius 5:10 First architecture: all in one container 6:05 The pet vs cattle problem 7:45 Decoupling the brain from the hands 9:05 Keeping credentials out of the sandbox 9:49 Flexible compaction, faster first token 10:49 One brain, many hands 11:09 Interfaces outlast assumptions 11:39 Claiming API credits 12:24 Q&A: the three core interfaces 13:49 Building a joke-teller agent 15:18 Sessions and the event stream 16:33 Console quick start Recorded at the AI Engineer World's Fair 2026 in San Francisco. Subscribe for more talks from the engineers building with AI. AI Engineer: https://ai.engineer YouTube: https://www.youtube.com/@aiDotEngineer X: https://x.com/aiDotEngineer LinkedIn: https://www.linkedin.com/company/aidotengineer/ #Claude #AIAgents #AIEngineer [Source](https://www.youtube.com/watch?v=Uv0nAf_7tyU)

Source quotes

[10:49] Priyanka Phatak: 运行外壳总是编码了假设,而假设终究会过时。因此我们设计出寿命超越这些假设的接口,让架构更加灵活。 [10:00] Priyanka Phatak: 我们不会压缩并更改你的事件流。我们始终会存储发生的每一个事件。