🏠 总目录 📚 资料库智能体构建模式

规模化托管 Agent:让大脑与双手解耦

⏱ 14 分钟 | 🧠 决策和执行分开放

🎯 一句话

把控制循环、执行环境和会话日志分开,让它们可以分别替换与恢复。执行环境可以按需求连接,但这不自动保证数据不出内网;工具返回给托管模型的内容仍需审查。

本页先解决:会话、控制循环与执行环境分开后,怎样恢复和鉴权?

Claude 博客资料库 · 智能体构建模式

会话、控制循环与执行环境分开后,怎样恢复和鉴权?

先识别会话、控制循环和执行环境各自保存或执行什么,再看耦合为何妨碍恢复。

读完可以:在会话、控制循环和执行环境解耦后,核对状态恢复与权限责任。

可恢复记录与可替换执行分开

  • Session外部追加事件日志,保存可查询的会话记录
  • Harness调用模型、整理上下文并路由工具动作
  • Sandbox接受执行请求,完成代码或文件操作

恢复:从外部事件记录重建工作;鉴权:仍分别核对工具、数据、网络与凭据位置。

职责关系示意,不是处理流水线。可恢复存储不等于历史自动全部入窗;更换执行环境不证明权限已正确恢复或数据不会外传。
📄 来自 Claude 官方博客
原文标题
Scaling Managed Agents: Decoupling the Brain from the Hands(规模化托管 Agent:让大脑与双手解耦)
原文链接
https://www.anthropic.com/engineering/managed-agents
作者
Lance Martin、Gabe Cemaj、Michael Cohen(Anthropic)
发布日期
2026-04-08
⚠️ 本页是原文的中文结构化整理笔记(保留架构、数据、案例、结论),并非逐字翻译。版本、参数与案例数字属于原文所示条件,不是本资料库的实测结果;产品状态与接口以实施时官方文档为准。
📑 本页目录

Anthropic 构建的 Managed Agents 托管服务,把 Agent 的三个组件(session、harness、sandbox)拆成独立可替换的接口。这样 harness 中编码的假设不会随 Claude 变强而变成技术债——系统能容纳未来的发展而无需重新设计。

先识别会话、控制循环和执行环境各自保存或执行什么,再看耦合为何妨碍恢复。

要解决的核心问题

harness 会编码关于 Claude 能力局限的假设,而这些假设会过时。例如 Sonnet 4.5 有「上下文焦虑」,工程师为此加了上下文重置机制;到 Opus 4.5 这些变通就没必要了。「harness 编码假设」,因此需要不断修订。

架构:大脑与双手解耦

概念框架

类比操作系统通过「进程」「文件」这类抽象接口虚拟化硬件——read() 在千差万别的存储技术上行为一致。Managed Agents 用同样的思路虚拟化三个组件:

  1. Session(会话): 一个只追加的事件日志
  2. Harness: 调用 Claude 并路由工具调用的控制循环
  3. Sandbox(沙箱): 执行代码和文件操作的环境

耦合架构的问题:「别养宠物」

原文回顾了把组件放进同一个容器时的三个问题:

事件可恢复不等于全部历史自动进入窗口,执行环境可替换也不等于权限自动继承。

解耦后的架构

harness 移到容器外部:不再运行在容器内,而是通过 execute(name, input) → string 把容器当工具调用——容器从「宠物」变成可互换的「牲畜」。容器失败时 harness 捕获错误,Claude 可以用标准配方重新拉起一个新容器重试。

harness 自身也可替换:因为 session 日志存在 harness 之外。失败的 harness 通过 wake(sessionId) 重启、getSession(id) 取回事件日志、恢复运行;运行中持续通过 emitEvent(id, event) 记录事件。

安全边界要看凭据能否被生成代码读到。原文指出,代码与凭据共处一个容器会增加提示注入后的凭据窃取风险;不是任意提示注入都必然成功。

原文给出两种认证方式:

部署时还要单独核对:工具权限、返回数据和网络边界。以上是原文架构说明,不是数据绝不外传的证明。

Session 作为外部上下文对象

长周期任务可能超出上下文窗口。把事件持久化到窗口之外,可以在摘要或裁剪之后保留可查询记录;它不意味着所有历史都会自动进入模型上下文。

getEvents() 接口支持三类读取:

harness 还能在把事件送进 Claude 上下文前做变换,实现上下文组织和 prompt cache 优化。这把「可恢复的存储」与「上下文管理」分开了——未来的 harness 可以采用任何新出现的上下文工程技术。

扩展到多个控制循环或执行环境后,仍要核对状态、工具权限和返回数据边界。

规模化:多大脑,多双手

原文报告其自身系统的首 token 延迟改善。TTFT 指从接收任务到产生第一个响应 token 的等待时间:

这些是原文系统的测量结果,不是采用相同架构就能复现的通用加速比。

原因:过去每个大脑都要有自己的容器并承担完整启动成本(克隆仓库、拉起进程、拉取事件);现在容器只在工具调用需要时才配置,不需要沙箱交互的会话可以立即开始推理。

多大脑: 解耦让 harness 变成无状态可扩展——多大脑就是启动多个 harness,只在必要时连上双手。

多双手: execute(name, input) → string 接口支持无限种执行环境——容器、自定义工具、MCP server,或理论上任何系统。harness 不关心「手」是容器、手机还是别的什么。关键是大脑之间可以互相传递双手,从而支持协作式 Agent 场景。

设计原则

结论

Managed Agents 解决的是计算领域的经典问题——为「尚未被构想出来的程序」设计系统。通过用通用接口虚拟化 Agent 组件,系统能在 Claude 能力持续提升、新的 harness 需求不断涌现时同步演进,而不需要重新设计。


✅ 检查点

  1. 「大脑-双手」解耦解决了什么问题?
  2. 这种架构对数据边界意味着什么?
  3. 它引入了什么新的复杂度?
👀 答案
  1. 主要解决组件紧耦合带来的替换、恢复和扩展困难。执行环境不必总与控制循环在同一容器,但也不保证一定在用户本地。
  2. 凭据隔离与数据外传是两项检查。即使执行留在本地,工具返回的内容仍可能进入托管模型上下文;返回值不一定只是摘要,需要明确审查。
  3. ①网络往返变多(每次工具调用都要跨边界),延迟上升;②需要一套可靠的双向通道和鉴权;③故障排查跨了两个环境,日志要能对齐;④版本管理——本地工具的行为变了,云端的提示词可能要跟着改。

本节回顾

先记住这几件事

  • 决策与工具执行可以放在不同环境,但要有明确的通信与授权边界。
  • 本地执行不等于数据不外传,工具返回内容仍需审查。
  • 跨环境的日志、版本与故障恢复要能对齐。