Claude Managed Agents: 그 정의, 기능, 그리고 Eigent가 제공하는 로컬 대안

2026년 4월 1일, Anthropic은 Claude 플랫폼에 모델 자체 이후 가장 의미 있는 추가 기능 중 하나인 Claude Managed Agents를 조용히 출시했습니다. 이는 새로운 모델이 아니라 Claude를 실행하는 새로운 방식입니다. Messages API로 프롬프트를 보내고 응답을 받는 대신, 이제는 지속적인 세션, 내장 도구, 그리고 multi-agent orchestration을 갖춘 완전 자율 에이전트로서 관리형 클라우드 인프라 안에서 Claude를 배포할 수 있습니다.

AI 기반 제품을 구축하는 개발자에게 이는 중요한 변화입니다. 자율 에이전트를 워크플로에 통합하려는 팀에게는 제어, 비용, 벤더 종속성에 대한 중요한 질문을 던집니다.

이 글에서는 Claude Managed Agents가 실제로 무엇인지, 무엇을 지원하는지, 누구를 위해 만들어졌는지, 그리고 마지막으로 Eigent의 Add Worker 기능이 CAMEL-AI의 오픈소스 프레임워크와 결합되어 클라우드 의존성 없이 유사한 기능을 제공하는 로컬 우선 대안인 이유를 살펴봅니다.

Claude Managed Agents란 무엇인가요?

Claude Managed Agents는 Claude로 구동되는 자율 AI 에이전트를 구축하고 배포하기 위한 완전 관리형 런타임입니다. 직접 agent loop, tool execution layer, sandbox, orchestration 로직을 만드는 대신 Anthropic이 이 모든 인프라를 서비스로 제공합니다.

이렇게 생각해 보세요. Messages API는 대화할 수 있는 모델을 제공합니다. 반면 Claude Managed Agents는 파일을 읽고, 셸 명령을 실행하고, 웹을 검색하고, Anthropic이 대신 프로비저닝하고 관리하는 보안 클라우드 컨테이너 안에서 코드를 실행할 수 있는 모델을 제공합니다.

이 서비스는 현재 베타이며, 모든 API 요청에 managed-agents-2026-04-01 헤더가 필요합니다. 기본적으로 모든 Anthropic API 계정에서 사용할 수 있으며, 일부 고급 기능(outcomes, multiagent, memory)은 제한된 액세스가 적용되는 research preview 상태입니다.

핵심 개념: 작동 방식

Claude Managed Agents는 자율 워크플로를 생성하기 위해 조합하는 네 가지 기본 요소를 기반으로 구축됩니다.

Agents

agent는 모델(예: claude-sonnet-4-6), system prompt, 사용 가능한 도구, MCP server 연결, skills를 정의하는 재사용 가능한 구성입니다. 한 번 agent를 생성한 뒤 여러 세션에서 ID로 참조할 수 있습니다. agent는 버전 관리되므로 기존 세션을 깨지 않고 구성을 반복 개선할 수 있습니다.

Environments

environment는 클라우드 컨테이너 템플릿입니다. Python, Node.js, Go 등 사전 설치 패키지, 네트워크 접근 규칙, 마운트된 파일을 포함하도록 구성합니다. 세션이 시작되면 Anthropic이 environment 템플릿에서 새 컨테이너를 프로비저닝합니다. 이것이 agent가 실제로 실행되는 곳이며, 바로 그 sandbox입니다.

Sessions

session은 environment 안에서 실행 중인 agent 인스턴스입니다. Claude가 작업을 수행하고, 파일을 생성하고, 명령을 실행하고, 출력을 만들어내는 실제 execution context입니다. session은 상태를 유지합니다. 파일 시스템은 상호작용 간에도 지속되며, 전체 대화 기록은 서버 측에 보관됩니다.

Events

event는 애플리케이션과 실행 중인 agent 사이의 communication layer입니다. 사용자 메시지를 event로 보냅니다. Claude는 server-sent events(SSE)를 통해 응답, tool invocation, 상태 업데이트를 스트리밍합니다. 추가 event를 보내 실행 중인 agent를 중간에 조정하거나 중단할 수 있으며, session을 종료하지 않고도 작업 방향을 바꿀 수 있습니다.

어떤 도구를 지원하나요?

Claude Managed Agents는 가장 일반적인 agent 작업을 포괄하는 종합적인 기본 도구 세트를 제공합니다.

기본 도구 세트(agent_toolset_20260401)에는 컨테이너에서 셸 명령을 실행하기 위한 Bash, 로컬 파일 시스템에서 파일을 읽기 위한 Read, 파일을 쓰기 위한 Write, 파일 내 문자열 치환을 위한 Edit, 파일 패턴 매칭을 위한 Glob, 정규식 기반 텍스트 검색을 위한 Grep, URL에서 콘텐츠를 가져오기 위한 Web Fetch, 웹 검색을 위한 Web Search가 포함됩니다.

모든 도구는 기본적으로 활성화되어 있지만, 세부적으로 제어할 수 있습니다. 특정 도구를 비활성화하거나(예: 코딩 전용 agent에서 web_fetch 끄기), 기본값을 꺼짐으로 바꾸고 필요한 도구만 활성화할 수 있습니다. 이는 agent 정의의 configs 배열을 통해 설정합니다.

기본 제공 도구 외에도 Claude Managed Agents는 custom tool도 지원합니다. 이는 Messages API의 사용자 정의 도구와 동일한 패턴입니다. 도구 계약(name, description, input schema)을 정의하면, Claude가 해당 도구를 호출하고 싶을 때 구조화된 요청을 생성합니다. 애플리케이션이 작업을 실행하고 결과를 다시 전송합니다. 모델이 custom tool을 직접 실행하는 일은 없으며, 어떤 작업이 실행될지에 대한 완전한 제어권은 여전히 사용자에게 있습니다.

MCP(Model Context Protocol) server도 지원되어, 표준화된 MCP 인터페이스를 통해 에이전트가 외부 tool provider와 데이터 소스에 접근할 수 있습니다.

Multi-Agent Orchestration

아마도 가장 강력한 기능이자 현재 research preview 상태인 것은 multi-agent session입니다. 이를 통해 하나의 coordinator agent가 동일한 컨테이너와 파일 시스템 내에서 각기 분리된 thread로 실행되는 특수화된 다른 agent들에게 작업을 위임할 수 있습니다.

실제로는 이렇게 작동합니다. "Engineering Lead" coordinator, "Code Reviewer" agent, "Test Writer" agent 등 여러 agent를 생성합니다. coordinator를 정의할 때 다른 agent들을 callable_agents로 지정합니다. coordinator로 session을 시작하고 작업을 주면, reviewer와 test writer용 thread를 자율적으로 생성해 각 agent에 특정 하위 작업을 위임할 수 있습니다.

각 agent는 고유한 model, system prompt, tool 세트를 사용해 실행됩니다. thread는 지속적입니다. coordinator는 이전에 호출한 agent에게 후속 요청을 보낼 수 있고, 해당 agent는 전체 context를 유지합니다. session 수준의 event stream은 모든 활동을 압축해 보여주고, 개별 thread stream은 특정 agent의 reasoning과 tool call을 세부적으로 확인할 수 있게 해줍니다.

한 가지 유의할 점은 위임이 한 단계까지만 지원된다는 것입니다. coordinator는 다른 agent를 호출할 수 있지만, 그 agent가 다시 다른 agent에게 위임할 수는 없습니다. 이렇게 해서 orchestration graph가 평면적이고 예측 가능하게 유지됩니다.

Claude Managed Agents는 누구를 위한 것인가요?

Claude Managed Agents는 특정 유형의 빌더와 워크로드를 위해 설계되었습니다.

이 제품은 자율 Claude agent를 제품과 서비스에 통합하는 개발자를 위해 만들어졌습니다. 단순히 응답하는 것이 아니라 실제로 행동해야 하는 Claude가 필요한 제품을 만들고 있고, 인프라(container, tool execution, sandboxing)를 Anthropic에 맡기고 싶다면 이 서비스가 적합합니다.

또한 장시간 실행되는 비동기 작업에 강합니다. 세션은 여러 tool call과 함께 수분에서 수시간 동안 실행될 수 있어, 코드 생성, 연구 파이프라인, 데이터 처리, 자동화된 분석 같은 복잡한 워크플로에 적합합니다.

인프라 오버헤드를 최소화하고 싶은 팀에도 이상적입니다. 자체 agent loop를 만들고, sandbox를 프로비저닝하고, tool execution을 처리하는 대신 이 모든 기능을 기본 제공으로 얻을 수 있습니다. 그 대신 vendor dependency라는 대가가 따릅니다. 에이전트는 Anthropic의 클라우드에서 실행되고, 데이터는 그들의 인프라를 통과하며, Claude 모델에 종속됩니다.

이미 Claude 생태계에서 구축 중인 팀에도 잘 맞습니다. Anthropic API를 이미 사용 중이고 추가 인프라 관리 없이 agentic workflow로 확장하고 싶다면, Managed Agents는 자연스러운 다음 단계입니다.

비용은 얼마인가요?

Claude Managed Agents는 Messages API와 동일한 토큰 기반 가격 책정에 더해, 관리형 컨테이너에 대한 인프라 비용이 추가됩니다. 조직 수준의 표준 사용 한도와 계층별 rate limit이 적용됩니다. create endpoint는 조직당 분당 60 요청으로 제한되고, read endpoint는 조직당 분당 600 요청으로 제한됩니다.

트레이드오프: 고려할 점

Claude Managed Agents는 잘 설계된 서비스이지만, 특정 팀과 사용 사례에서는 중요한 본질적 트레이드오프가 있습니다.

클라우드 의존성. 에이전트는 Anthropic의 인프라에서 실행됩니다. 모든 프롬프트, 파일, tool execution이 그들의 클라우드를 통과합니다. 엄격한 데이터 거버넌스, 컴플라이언스 요구사항, 또는 독점 데이터를 다루는 팀에게는 치명적일 수 있습니다.

모델 종속성. Managed Agents는 Claude 모델만 지원합니다. 코드 생성에 GPT를 섞거나, 멀티모달 작업에 Gemini를 사용하거나, Ollama를 통한 로컬 모델을 사용할 수 없습니다. 워크플로에 모델 다양성이 중요하다면 제약이 생깁니다.

대규모 비용. 토큰 비용과 컨테이너 인프라 비용은 장시간 실행되는 multi-agent session에서 빠르게 누적될 수 있습니다. 이 비용 구조는 대량 처리 자동화보다는 저빈도·고가치 작업에 유리합니다.

베타 제한. multi-agent orchestration, outcomes, memory는 모두 제한된 접근이 적용되는 research preview 상태입니다. 핵심 제품은 안정적이지만, 가장 강력한 기능은 아직 일반 공개되지 않았습니다.

로컬 옵션 부재. 자체 호스팅이나 온프레미스 배포는 제공되지 않습니다. managed는 정말로 managed를 의미합니다. 자체 서버에서 실행할 수는 없습니다.

Eigent의 Add Worker: CAMEL-AI로 구축된 로컬 우선 대안

클라우드 의존성이나 벤더 종속성 없이 유사한 기능 — 자율 AI 에이전트의 생성, 구성, orchestration — 을 원하는 팀에게 Eigent는 근본적으로 다른 접근 방식을 제공합니다.

Eigent는 CAMEL-AI 위에 구축된 오픈소스(Apache 2.0) multi-agent AI cowork platform으로, 업계 표준 오픈소스 multi-agent framework입니다. Claude Managed Agents가 agent 인프라를 클라우드 서비스로 제공하는 반면, Eigent는 이를 여러분의 기기에서 완전히 실행되는 데스크톱 애플리케이션으로 제공합니다.

Add Worker 기능

Eigent의 Add Worker 기능은 Claude Managed Agents에서 agent를 생성하는 로컬 버전입니다. 작동 방식은 다음과 같습니다.

Eigent의 Workforce 화면으로 이동해 "Add Worker"를 클릭합니다. worker 이름을 지정하고, 설명을 입력하고, Agent Tool을 할당합니다. 일반적으로는 worker의 기능을 정의하는 MCP server입니다. 저장하면 해당 toolset을 사용해 작업을 실행할 준비가 된 특화된 AI agent가 만들어집니다.

예를 들어 GitHub MCP server를 기반으로 하는 "GitHub Worker", PostgreSQL 인스턴스에 연결된 "Database Worker", 웹 브라우징 기능을 갖춘 "Research Worker"를 만들 수 있습니다. 각 worker는 개별적으로 호출되거나, 조정된 multi-agent workflow의 일부로 orchestrate될 수 있는 특화된 agent persona입니다.

Claude Managed Agents와의 핵심 차이점은 모든 것이 로컬에서 실행된다는 점입니다. 파일은 절대 기기를 떠나지 않습니다. 프롬프트는 제3자 orchestration 서비스로 전송되지 않습니다. agent execution, tool call, 파일 작업이 모두 데스크톱에서 이뤄집니다.

CAMEL-AI: Multi-Agent 엔진

Anthropic이 독점 orchestration runtime을 구축한 반면, Eigent는 신뢰성과 확장성을 위해 설계된 오픈소스 multi-agent framework인 CAMEL-AI를 활용합니다. CAMEL-AI는 task decomposition, subtask routing, dependency management, parallel execution 등 multi-agent coordination의 어려운 부분을 처리합니다.

Eigent에 복잡한 작업을 주면 CAMEL-AI 엔진이 이를 하위 작업으로 분해하고 구성된 worker들에 분배합니다. Developer worker는 코드를 작성하고, Browser worker는 리서치를 수집하고, Document worker는 출력을 정리하며 — 이 모든 작업이 자동으로 조율된 상태에서 병렬로 실행됩니다.

아키텍처적으로는 Claude Managed Agents의 multi-agent session과 유사하지만, 세 가지 중요한 차이가 있습니다. 첫째, 로컬 인프라에서 실행됩니다. 둘째, 모든 LLM provider(Claude, GPT, Gemini, Ollama 등)를 지원합니다. 셋째, orchestration framework 자체가 오픈소스이며 완전히 감사 가능합니다.

Claude Managed Agents vs Eigent Add Worker 비교

Eigent가 더 적합한 경우

규제 산업, 독점 코드베이스, 민감한 비즈니스 데이터처럼 데이터 주권이 필요한 팀이라면, Eigent로 에이전트를 로컬에서 실행하면 컴플라이언스 논의를 아예 없앨 수 있습니다.

모델 유연성이 필요하다면, Eigent의 모델-agnostic 아키텍처를 통해 worker별로 다른 모델을 지정할 수 있습니다. 복잡한 reasoning 작업에는 Claude Opus를, 코드 생성에는 GPT를, 프라이버시가 중요한 작업에는 로컬 Ollama 모델을 사용하는 식으로 — 모두 동일한 multi-agent workflow 안에서 가능합니다.

인프라를 직접 소유하고 싶다면, Eigent의 오픈소스 스택(FastAPI, Electron, CAMEL-AI)을 통해 모든 계층을 확인, 수정, 확장할 수 있습니다. 벤더가 기능을 출시해주길 기다릴 필요도, beta access gate를 통과할 필요도 없습니다.

그리고 대규모 비용이 중요하다면, Eigent는 무료입니다. worker가 모델 provider에 호출하는 API 비용만 지불하면 되며, Ollama를 통해 로컬 모델을 사용하면 아예 비용이 들지 않습니다.

결론

Claude Managed Agents는 Anthropic이 자율 agent 실행 인프라를 처리해주길 원하는 개발자에게 강력한 제품입니다. sandboxing, tool execution, session management, multi-agent coordination 같은 어려운 부분을 깔끔한 API 하나로 단순화해 기본적으로 바로 사용할 수 있게 합니다.

하지만 managed infrastructure에는 managed tradeoff가 따릅니다. 클라우드 의존성, 모델 종속성, 그리고 제3자를 통한 데이터 흐름입니다. 제어, 프라이버시, 유연성이 필요한 팀에게는 이러한 트레이드오프가 중요합니다.

CAMEL-AI의 오픈소스 multi-agent framework로 구동되는 Eigent의 Add Worker 기능은 동일한 핵심 역량 — 자율 AI 에이전트의 생성, 구성, orchestration — 을 이러한 제약 없이 제공합니다. 여러분은 자신의 기기에서, 원하는 모델 provider로, 완전한 소스 코드 투명성과 함께 에이전트를 로컬에서 구축하고 관리할 수 있습니다.

두 접근 방식 모두 각자의 자리가 있습니다. 클라우드 호스팅 Claude agent로 가장 빠르게 가고 싶다면 Managed Agents가 훌륭합니다. 에이전트 인프라를 직접 소유하고 데이터를 로컬에 유지하고 싶다면, Eigent는 검토해볼 가치가 있는 오픈소스 대안입니다.