Claude Managed Agents：它是什麼、能做什麼，以及 Eigent 如何提供本地替代方案

2026 年 4 月 1 日，Anthropic 悄悄推出了 Claude 平台自模型本身以來最重要的新增功能之一：Claude Managed Agents。這不是一個新模型——而是一種全新的 Claude 運行方式。你不再只是透過 Messages API 發送提示並接收回應，而是可以把 Claude 部署成一個完全自主的代理，運行於託管雲端基礎架構中，具備持久化工作階段、內建工具，以及多代理編排能力。

對於正在建立 AI 驅動產品的開發者來說，這是一個很有意義的轉變。對於評估如何把自主代理整合進工作流程的團隊來說，這也帶來了關於控制、成本與供應商綁定的重要問題。

在這篇文章中，我們會拆解 Claude Managed Agents 到底是什麼、支援哪些功能、適合哪些人——最後還會介紹 Eigent 的 Add Worker 功能，如何配合 CAMEL-AI 的開源框架，提供一個不依賴雲端、但同樣具備類似能力的本地替代方案。

什麼是 Claude Managed Agents？

Claude Managed Agents 是一個完全託管的執行環境，用於建立和部署由 Claude 驅動的自主 AI 代理。你不需要自己搭建代理迴圈、工具執行層、沙箱和編排邏輯，Anthropic 會以服務形式提供全部這些基礎設施。

可以這樣理解：Messages API 給你的是一個可以對話的模型；Claude Managed Agents 給你的，則是一個可以執行動作的模型——它能讀取檔案、執行 shell 指令、搜尋網頁，並在 Anthropic 為你配置和管理的安全雲端容器中執行程式碼。

這項服務目前處於 beta 階段，所有 API 請求都需要加入 managed-agents-2026-04-01 header。預設情況下，所有 Anthropic API 帳戶都可使用；但部分進階功能（outcomes、multiagent 和 memory）仍處於研究預覽階段，並採取受限存取。

核心概念：它如何運作

Claude Managed Agents 建立在四個基礎元素之上，你可以透過組合它們來建立自主工作流程。

Agents

agent 是一個可重用的設定，用來定義模型（例如 claude-sonnet-4-6）、system prompt、可用工具、任何 MCP server 連線，以及 skills。你只需要建立一次 agent，之後便可在多個 session 中透過 ID 參照它。Agents 支援版本管理，因此你可以持續迭代設定，而不會破壞現有 session。

Environments

environment 是一個雲端容器樣板。你可以為它配置預先安裝的套件（Python、Node.js、Go 等）、網路存取規則，以及掛載檔案。當 session 開始時，Anthropic 會根據你的 environment 樣板配置一個全新的容器。這就是你的 agent 真正運行的地方——它的沙箱。

Sessions

session 是 agent 在某個 environment 中運行的一個實例。這是真正的執行上下文，Claude 會在其中採取行動、產生檔案、執行指令並輸出結果。Sessions 是有狀態的：檔案系統會在互動之間保留，而完整對話歷史也會儲存在伺服器端。

Events

events 是你的應用程式與正在運行的 agent 之間的通訊層。你以 event 的形式送出使用者訊息。Claude 會透過 server-sent events（SSE）串流回傳回應、工具呼叫和狀態更新。你也可以在執行中透過發送額外 event 來引導或中斷 agent——在不中止 session 的情況下重新調整它的工作方向。

它支援哪些工具？

Claude Managed Agents 內建了一套完整的工具組合，涵蓋最常見的 agent 動作。

預設工具組（agent_toolset_20260401）包括 Bash，用於在容器中執行 shell 指令；Read，用於讀取本機檔案系統中的檔案；Write，用於寫入檔案；Edit，用於在檔案中進行字串替換；Glob，用於檔案模式匹配；Grep，用於以 regex 為基礎的文字搜尋；Web Fetch，用於從 URL 擷取內容；以及 Web Search，用於搜尋網頁。

所有工具預設都是啟用的，但你可以細緻控制。你可以停用特定工具（例如，為純編碼 agent 關閉 web_fetch），或者把預設改為關閉，只啟用你需要的工具。這是透過 agent 定義中的 configs 陣列來完成的。

除了內建工具之外，Claude Managed Agents 也支援自訂工具——其模式與 Messages API 中的使用者自定義工具相同。你可以定義工具合約（名稱、描述、輸入 schema），當 Claude 想呼叫你的工具時，便會發出結構化請求。你的應用程式負責執行操作並把結果回傳。模型不會直接執行自訂工具；你仍然完全掌控實際執行的內容。

MCP（Model Context Protocol）servers 也受支援，讓 agent 可以透過標準化的 MCP 介面存取外部工具供應商和資料來源。

多代理編排

也許最強大的能力——目前仍在研究預覽階段——就是多代理 session。它允許一個協調 agent 將工作委派給其他專門 agent，而每個 agent 都會在同一個容器與檔案系統內、以各自獨立的執行線程運行。

實際上它是這樣運作的。你建立多個 agent——例如一個「Engineering Lead」協調者、一個「Code Reviewer」agent，以及一個「Test Writer」agent。當你定義協調者時，會把其他 agent 列為 callable_agents。當你以協調者啟動 session 並交付任務時，它可以自主為 reviewer 和 test writer 建立 thread，將特定子任務分派給各自處理。

每個 agent 都有自己的模型、system prompt 和工具。Thread 是持久化的——協調者可以向先前呼叫過的 agent 發送後續指令，而該 agent 會保留完整上下文。session 層級的事件串流會為你提供所有活動的濃縮視圖，而個別 thread 的串流則讓你深入查看某個特定 agent 的推理過程和工具呼叫。

有一項值得注意的限制：只支援一層委派。協調者可以呼叫其他 agent，但那些 agent 不能再進一步委派。這使編排圖保持扁平且可預測。

Claude Managed Agents 適合誰？

Claude Managed Agents 是為特定類型的開發者與工作負載設計的。

它是為將自主 Claude agent 整合到產品和服務中的開發者而打造。如果你正在建立一個需要 Claude 採取行動——而不只是回應——的產品，並且希望由 Anthropic 處理基礎架構（容器、工具執行、沙箱），那這就是適合你的服務。

它特別適合長時間執行的非同步任務。Sessions 可以運行數分鐘甚至數小時，並進行多次工具呼叫，因此很適合像程式碼生成、研究流程、資料處理和自動化分析這類複雜工作流程。

對於希望盡量減少基礎架構負擔的團隊，它也相當理想。你不需要自己建立 agent 迴圈、配置沙箱或處理工具執行，所有這些都開箱即用。代價是供應商依賴——你的 agent 會在 Anthropic 的雲端上運行，你的資料會經過他們的基礎架構，而你也被綁定在 Claude 模型上。

它也很適合已經在 Claude 生態系中工作的團隊。如果你已經在使用 Anthropic API，並希望在不額外管理基礎架構的前提下擴展到 agentic 工作流程，Managed Agents 就是自然的下一步。

它的費用

Claude Managed Agents 採用與 Messages API 相同的 token 計費方式，再加上託管容器的基礎架構成本。標準組織層級的支出上限與按級別的 rate limits 也同樣適用。create endpoints 的限制為每個組織每分鐘 60 個請求，而 read endpoints 則是每個組織每分鐘 600 個請求。

取捨：需要考慮什麼

Claude Managed Agents 是一項設計良好的服務，但它也帶有某些固有取捨，對特定團隊和應用場景來說非常重要。

雲端依賴。 你的 agent 會在 Anthropic 的基礎架構上運行。每個 prompt、檔案和工具執行都會經過他們的雲端。對於資料治理嚴格、需要合規審查，或處理專有資料的團隊來說，這可能是無法接受的。

模型綁定。 Managed Agents 只支援 Claude 模型。你無法混用 GPT 進行程式碼生成、Gemini 處理多模態任務，或透過 Ollama 使用本地模型。如果你的工作流程需要多模型彈性，就會受到限制。

規模化成本。 長時間、多代理 session 的 token 成本加上容器基礎架構費用，可能很快累積起來。這種成本模型更偏向低量、高價值任務，而不是高吞吐量自動化。

Beta 限制。 多代理編排、outcomes 和 memory 目前都還在研究預覽階段，並採取受限存取。核心產品已經相當穩定，但最強大的功能尚未正式全面開放。

沒有本地選項。 目前沒有自架或內部部署版本。Managed 就是 managed——你無法在自己的伺服器上執行。

Eigent 的 Add Worker：建立在 CAMEL-AI 上的本地優先替代方案

對於想要類似能力——建立、設定和編排自主 AI 代理——但又不想承受雲端依賴或供應商綁定的團隊來說，Eigent 提供了一種根本不同的做法。

Eigent 是一個開源（Apache 2.0）的多代理 AI cowork 平台，建立在 CAMEL-AI 之上；CAMEL-AI 是業界標準的開源多代理框架。Claude Managed Agents 將代理基礎架構作為雲端服務提供，而 Eigent 則把它做成一個完全在你電腦上運行的桌面應用程式。

Add Worker 功能

Eigent 的 Add Worker 功能，相當於在 Claude Managed Agents 中建立一個 agent 的本地版本。運作方式如下：

你在 Eigent 中進入 Workforce 畫面，然後點擊「Add Worker」。接著為你的 worker 命名、提供描述，並指派一個 Agent Tool——通常是定義該 worker 能力的 MCP server。儲存後，你就會得到一個可立即執行任務的專門 AI agent。

例如，你可以建立一個由 GitHub MCP server 支援的「GitHub Worker」、連接到 PostgreSQL instance 的「Database Worker」，或具備瀏覽網頁能力的「Research Worker」。每個 worker 都是一個專門的 agent persona，可以單獨呼叫，或作為協調型多代理工作流程的一部分進行編排。

與 Claude Managed Agents 的關鍵差異在於：一切都在本地執行。你的檔案永遠不會離開你的機器。你的 prompts 不會送到第三方編排服務。agent 執行、工具呼叫和檔案操作，全都發生在你的桌面上。

CAMEL-AI：多代理引擎

Anthropic 建立的是專有的編排執行環境，而 Eigent 則採用 CAMEL-AI——一個為可靠性與可擴展性而設計的開源多代理框架。CAMEL-AI 負責多代理協作中的難點：任務拆解、子任務路由、相依性管理，以及平行執行。

當你把一個複雜任務交給 Eigent 時，CAMEL-AI 引擎會將其拆分成多個子任務，並分派給你已配置的 workers。Developer worker 負責寫程式碼，Browser worker 負責蒐集研究資料，Document worker 負責格式化輸出——全部平行運行，並自動協調。

從架構上看，這與 Claude Managed Agents 的多代理 sessions 類似，但有三個關鍵差異：它在你的基礎架構上本地運行；它支援任何 LLM provider（Claude、GPT、Gemini、Ollama 等）；而且編排框架本身是開源且完全可稽核的。

並排比較：Claude Managed Agents vs Eigent Add Worker

什麼情況下 Eigent 更適合

如果你的團隊需要資料主權——例如受監管行業、專有程式碼庫、敏感商業資料——使用 Eigent 在本地執行 agent 可以直接消除合規方面的顧慮。

如果你想要模型彈性，Eigent 的模型無關架構意味著你可以為不同 worker 指定不同模型。可以用 Claude Opus 處理複雜推理任務、用 GPT 生成程式碼、用本地 Ollama 模型處理注重私隱的操作——全部都能在同一個多代理工作流程中完成。

如果你偏好掌握自己的基礎架構，Eigent 的開源技術棧（FastAPI、Electron、CAMEL-AI）代表你可以檢視、修改並擴展每一層。無需等待供應商推出新功能，也不必受限於 beta 存取門檻。

而且如果成本是關鍵因素，Eigent 是免費的。你只需要為 workers 向模型供應商發出的 API 呼叫付費——如果你透過 Ollama 使用本地模型，那就完全不用付費。

結論

Claude Managed Agents 是一個很強的產品，適合希望由 Anthropic 代管自主 agent 執行基礎架構的開發者。它把原本最棘手的部分——沙箱、工具執行、session 管理，以及多代理協調——簡化成一個開箱即用的乾淨 API。

但託管基礎架構也意味著託管取捨：雲端依賴、模型綁定，以及資料會經過第三方。對需要控制權、私隱和彈性的團隊來說，這些取捨非常重要。

由 CAMEL-AI 開源多代理框架支援的 Eigent Add Worker 功能，在沒有這些限制的情況下，提供了同樣的核心能力——建立、設定和編排自主 AI 代理。你可以在本機、用自己的機器、搭配任何模型供應商，並且完整掌握原始碼透明度。

這兩種做法各有其位置。如果你想要最快速的雲端 Claude agent 上線路徑，Managed Agents 非常出色。如果你想掌握自己的 agent 基礎架構並把資料保留在本地，Eigent 就是值得評估的開源替代方案。