Claude Managed Agents : ce que c’est, ce qu’ils font, et comment Eigent propose une alternative locale

Le 1er avril 2026, Anthropic a discrètement lancé l’un des ajouts les plus importants à la plateforme Claude depuis le modèle lui-même : Claude Managed Agents. Il ne s’agit pas d’un nouveau modèle — mais d’une nouvelle manière d’exécuter Claude. Au lieu d’envoyer des prompts et de recevoir des réponses via l’API Messages, vous pouvez désormais déployer Claude comme un agent entièrement autonome dans une infrastructure cloud gérée, avec des sessions persistantes, des outils intégrés et une orchestration multi-agent.

Pour les développeurs qui créent des produits basés sur l’IA, c’est un changement significatif. Pour les équipes qui évaluent comment intégrer des agents autonomes dans leurs workflows, cela soulève des questions importantes sur le contrôle, le coût et le verrouillage fournisseur.

Dans cet article, nous expliquons ce qu’est réellement Claude Managed Agents, ce qu’il prend en charge, à qui il est destiné, et — à la fin — comment la fonctionnalité Add Worker d’Eigent, associée au framework open source CAMEL-AI, propose une alternative locale offrant des capacités similaires sans dépendance au cloud.

Qu’est-ce que Claude Managed Agents ?

Claude Managed Agents est un runtime entièrement géré pour créer et déployer des agents IA autonomes propulsés par Claude. Au lieu de construire vous-même la boucle d’agent, la couche d’exécution des outils, le sandbox et la logique d’orchestration, Anthropic fournit toute cette infrastructure en tant que service.

Voyez les choses ainsi : l’API Messages vous donne un modèle avec lequel dialoguer. Claude Managed Agents vous donne un modèle capable d’agir — lire des fichiers, exécuter des commandes shell, rechercher sur le web et exécuter du code dans un conteneur cloud sécurisé qu’Anthropic provisionne et gère pour vous.

Le service est actuellement en bêta et nécessite l’en-tête managed-agents-2026-04-01 pour toutes les requêtes API. Il est disponible par défaut pour tous les comptes API Anthropic, avec certaines fonctionnalités avancées (outcomes, multiagent et memory) en aperçu de recherche avec accès restreint.

Concepts clés : comment ça fonctionne

Claude Managed Agents repose sur quatre primitives que vous combinez pour créer des workflows autonomes.

Agents

Un agent est une configuration réutilisable qui définit le modèle (par ex. claude-sonnet-4-6), le system prompt, les outils disponibles, les connexions à des serveurs MCP et les skills. Vous créez un agent une fois et le référez par son ID dans plusieurs sessions. Les agents sont versionnés, ce qui vous permet de faire évoluer votre configuration sans casser les sessions existantes.

Environnements

Un environnement est un modèle de conteneur cloud. Vous le configurez avec des paquets préinstallés (Python, Node.js, Go, et plus), des règles d’accès réseau et des fichiers montés. Lorsqu’une session démarre, Anthropic provisionne un nouveau conteneur à partir de votre modèle d’environnement. C’est là que votre agent s’exécute réellement — son sandbox.

Sessions

Une session est une instance en cours d’exécution d’un agent dans un environnement. C’est le véritable contexte d’exécution où Claude agit, génère des fichiers, exécute des commandes et produit des résultats. Les sessions sont stateful : le système de fichiers persiste entre les interactions, et l’historique complet de la conversation est conservé côté serveur.

Événements

Les événements sont la couche de communication entre votre application et l’agent en cours d’exécution. Vous envoyez les messages utilisateur sous forme d’événements. Claude renvoie en streaming les réponses, les appels d’outils et les mises à jour d’état via des server-sent events (SSE). Vous pouvez orienter ou interrompre l’agent en plein exécution en envoyant des événements supplémentaires — en redirigeant son travail sans arrêter la session.

Quels outils sont pris en charge ?

Claude Managed Agents est livré avec un ensemble complet d’outils intégrés qui couvre les actions d’agent les plus courantes.

L’ensemble d’outils par défaut (agent_toolset_20260401) inclut Bash pour exécuter des commandes shell dans le conteneur, Read pour lire des fichiers depuis le système de fichiers local, Write pour écrire des fichiers, Edit pour effectuer des remplacements de chaînes dans les fichiers, Glob pour la correspondance de motifs de fichiers, Grep pour la recherche de texte basée sur les expressions régulières, Web Fetch pour récupérer du contenu depuis des URL, et Web Search pour rechercher sur le web.

Tous les outils sont activés par défaut, mais vous disposez d’un contrôle granulaire. Vous pouvez désactiver certains outils (par exemple, désactiver web_fetch pour un agent dédié au code) ou inverser la valeur par défaut pour tout désactiver et n’activer que les outils dont vous avez besoin. Cela se fait via le tableau configs dans la définition de votre agent.

Au-delà des outils intégrés, Claude Managed Agents prend en charge les outils personnalisés — selon le même principe que les outils définis par l’utilisateur dans l’API Messages. Vous définissez le contrat de l’outil (nom, description, schéma d’entrée), puis Claude émet des requêtes structurées lorsqu’il souhaite appeler votre outil. Votre application exécute l’opération et renvoie le résultat. Le modèle n’exécute jamais directement les outils personnalisés ; vous conservez un contrôle total sur ce qui s’exécute.

Les serveurs MCP (Model Context Protocol) sont également pris en charge, donnant aux agents accès à des fournisseurs d’outils externes et à des sources de données via l’interface MCP standardisée.

Orchestration multi-agent

La capacité sans doute la plus puissante — actuellement en aperçu de recherche — est la prise en charge des sessions multi-agent. Elle permet à un agent coordinateur de déléguer du travail à d’autres agents spécialisés, chacun fonctionnant dans son propre thread isolé au sein du même conteneur et du même système de fichiers.

Voici comment cela fonctionne en pratique. Vous créez plusieurs agents — par exemple un coordinateur « Engineering Lead », un agent « Code Reviewer » et un agent « Test Writer ». Lors de la définition du coordinateur, vous listez les autres agents comme callable_agents. Lorsque vous lancez une session avec le coordinateur et lui donnez une tâche, il peut créer de manière autonome des threads pour le reviewer et le test writer, en leur déléguant des sous-tâches spécifiques.

Chaque agent fonctionne avec son propre modèle, son propre system prompt et ses propres outils. Les threads sont persistants — le coordinateur peut relancer un agent qu’il a appelé plus tôt, et cet agent conserve l’intégralité de son contexte. Le flux d’événements au niveau de la session vous donne une vue condensée de toute l’activité, tandis que les flux individuels des threads vous permettent d’explorer le raisonnement et les appels d’outils d’un agent spécifique.

Il y a une contrainte importante à noter : un seul niveau de délégation est pris en charge. Le coordinateur peut appeler d’autres agents, mais ces agents ne peuvent pas déléguer davantage. Cela maintient le graphe d’orchestration plat et prévisible.

Pour qui Claude Managed Agents est-il conçu ?

Claude Managed Agents est conçu pour un profil précis de créateur et de charge de travail.

Il est destiné aux développeurs qui intègrent des agents Claude autonomes dans des produits et services. Si vous construisez un produit dans lequel Claude doit agir — et pas seulement répondre — et que vous souhaitez qu’Anthropic gère l’infrastructure (conteneurs, exécution des outils, sandboxing), c’est le service qu’il vous faut.

Il excelle dans les tâches asynchrones de longue durée. Les sessions peuvent durer des minutes ou des heures avec plusieurs appels d’outils, ce qui le rend adapté à des workflows complexes comme la génération de code, les pipelines de recherche, le traitement de données et l’analyse automatisée.

Il est idéal pour les équipes qui veulent un minimum de charge d’infrastructure. Au lieu de construire votre propre boucle d’agent, de provisionner des sandboxes et de gérer l’exécution des outils, tout cela est fourni prêt à l’emploi. Le compromis, c’est la dépendance au fournisseur — vos agents s’exécutent sur le cloud d’Anthropic, vos données transitent par leur infrastructure, et vous êtes verrouillé sur les modèles Claude.

Il convient aux équipes qui construisent sur l’écosystème Claude. Si vous utilisez déjà l’API Anthropic et souhaitez évoluer vers des workflows agentiques sans gérer d’infrastructure supplémentaire, Managed Agents est l’étape naturelle suivante.

Quel est le coût ?

Claude Managed Agents utilise la même tarification basée sur les tokens que l’API Messages, à laquelle s’ajoutent les coûts d’infrastructure pour les conteneurs gérés. Les limites standard de dépenses au niveau de l’organisation et les limites de débit par palier s’appliquent. Les endpoints de création sont limités à 60 requêtes par minute, et les endpoints de lecture à 600 requêtes par minute et par organisation.

Les compromis : ce qu’il faut considérer

Claude Managed Agents est un service bien conçu, mais il comporte des compromis inhérents qui comptent pour certaines équipes et certains cas d’usage.

Dépendance au cloud. Vos agents s’exécutent sur l’infrastructure d’Anthropic. Chaque prompt, fichier et exécution d’outil transite par leur cloud. Pour les équipes soumises à des exigences strictes de gouvernance des données, de conformité ou de données propriétaires, cela peut être rédhibitoire.

Verrouillage modèle. Managed Agents ne prend en charge que les modèles Claude. Vous ne pouvez pas mélanger GPT pour la génération de code, Gemini pour les tâches multimodales, ou des modèles locaux via Ollama. Si la diversité des modèles est importante pour votre workflow, vous êtes limité.

Tarification à grande échelle. Les coûts en tokens, ajoutés aux coûts d’infrastructure des conteneurs, peuvent augmenter rapidement pour les sessions longues et multi-agent. Le modèle de coût favorise les tâches à faible volume et à forte valeur plutôt que l’automatisation à haut débit.

Limites de la bêta. L’orchestration multi-agent, outcomes et memory sont tous en aperçu de recherche avec accès restreint. Le produit de base est solide, mais les fonctionnalités les plus puissantes ne sont pas encore généralement disponibles.

Pas d’option locale. Il n’existe pas de déploiement auto-hébergé ni on-premises. Géré signifie géré — vous ne pouvez pas l’exécuter sur vos propres serveurs.

Add Worker d’Eigent : une alternative local-first basée sur CAMEL-AI

Pour les équipes qui veulent des capacités similaires — créer, configurer et orchestrer des agents IA autonomes — sans dépendance au cloud ni verrouillage fournisseur, Eigent propose une approche fondamentalement différente.

Eigent est une plateforme de coworking IA multi-agent open source (Apache 2.0) construite sur CAMEL-AI, le framework open source multi-agent de référence du secteur. Là où Claude Managed Agents fournit une infrastructure d’agents sous forme de service cloud, Eigent la fournit sous forme d’application desktop qui s’exécute entièrement sur votre machine.

La fonctionnalité Add Worker

La fonctionnalité Add Worker d’Eigent est l’équivalent local de la création d’un agent dans Claude Managed Agents. Voici comment cela fonctionne :

Vous allez sur l’écran Workforce dans Eigent et cliquez sur « Add Worker ». Vous nommez votre worker, fournissez une description et attribuez un Agent Tool — généralement un serveur MCP qui définit les capacités du worker. Enregistrez-le, et vous disposez d’un agent IA spécialisé prêt à exécuter des tâches à l’aide de cet ensemble d’outils.

Par exemple, vous pourriez créer un « GitHub Worker » alimenté par un serveur MCP GitHub, un « Database Worker » connecté à votre instance PostgreSQL, ou un « Research Worker » avec des capacités de navigation web. Chaque worker est une persona d’agent spécialisée qui peut être invoquée individuellement ou orchestrée dans le cadre d’un workflow multi-agent coordonné.

La différence clé avec Claude Managed Agents : tout s’exécute localement. Vos fichiers ne quittent jamais votre machine. Vos prompts ne sont pas envoyés à un service d’orchestration tiers. L’exécution de l’agent, les appels d’outils et les opérations sur les fichiers se déroulent tous sur votre poste.

CAMEL-AI : le moteur multi-agent

Là où Anthropic a construit un runtime d’orchestration propriétaire, Eigent s’appuie sur CAMEL-AI — un framework open source multi-agent conçu pour la fiabilité et l’extensibilité. CAMEL-AI gère les aspects les plus difficiles de la coordination multi-agent : décomposition des tâches, routage des sous-tâches, gestion des dépendances et exécution parallèle.

Lorsque vous donnez une tâche complexe à Eigent, le moteur CAMEL-AI la découpe en sous-tâches et les distribue entre vos workers configurés. Un worker Developer écrit du code pendant qu’un worker Browser collecte des recherches pendant qu’un worker Document formate les résultats — le tout exécuté en parallèle, coordonné automatiquement.

C’est architecturalement similaire aux sessions multi-agent de Claude Managed Agents, mais avec trois différences critiques : cela s’exécute localement sur votre infrastructure, cela prend en charge n’importe quel fournisseur de LLM (Claude, GPT, Gemini, Ollama, et plus), et le framework d’orchestration lui-même est open source et entièrement auditable.

Comparatif : Claude Managed Agents vs Eigent Add Worker

Quand Eigent est plus pertinent

Si votre équipe a besoin de souveraineté des données — secteurs réglementés, bases de code propriétaires, données métier sensibles — exécuter des agents localement avec Eigent élimine entièrement la discussion sur la conformité.

Si vous voulez de la flexibilité modèle, l’architecture agnostique d’Eigent vous permet d’assigner différents modèles à différents workers. Utilisez Claude Opus pour les tâches de raisonnement complexes, GPT pour la génération de code, et un modèle local Ollama pour les opérations sensibles à la confidentialité — le tout dans le même workflow multi-agent.

Si vous préférez maîtriser votre infrastructure, la stack open source d’Eigent (FastAPI, Electron, CAMEL-AI) signifie que vous pouvez inspecter, modifier et étendre chaque couche. Pas d’attente qu’un fournisseur livre une fonctionnalité. Pas de barrières d’accès à la bêta.

Et si le coût compte à grande échelle, Eigent est gratuit. Vous ne payez que les appels API effectués par vos workers auprès des fournisseurs de modèles — et si vous exécutez des modèles locaux via Ollama, vous ne payez rien du tout.

Conclusion

Claude Managed Agents est un produit solide pour les développeurs qui souhaitent qu’Anthropic gère l’infrastructure d’exécution des agents autonomes. Il simplifie les parties les plus complexes — sandboxing, exécution des outils, gestion des sessions et coordination multi-agent — dans une API claire qui fonctionne immédiatement.

Mais une infrastructure gérée implique des compromis gérés : dépendance au cloud, verrouillage modèle, et circulation des données via un tiers. Pour les équipes qui ont besoin de contrôle, de confidentialité et de flexibilité, ces compromis comptent.

La fonctionnalité Add Worker d’Eigent, propulsée par le framework open source multi-agent CAMEL-AI, offre la même capacité de base — créer, configurer et orchestrer des agents IA autonomes — sans ces contraintes. Vous construisez et gérez vos agents localement, sur votre propre machine, avec n’importe quel fournisseur de modèles, et avec une transparence totale du code source.

Les deux approches ont leur place. Si vous voulez le chemin le plus rapide vers un agent Claude hébergé dans le cloud, Managed Agents est excellent. Si vous voulez posséder votre infrastructure d’agents et garder vos données en local, Eigent est l’alternative open source qui mérite d’être évaluée.