Scaling Managed Agents: Decoupling the Brain from the Hands（规模化托管 Agent：让大脑与双手解耦）

📄 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。具体参数与功能名更新很快，落地前请点击上方链接核对原文。

⏱ 14 分钟 ｜ 🧠 决策和执行分开放

🎯 一句话

把「决定做什么」和「实际去做」拆成两层：大脑在托管环境里推理，双手在你自己的环境里执行。⭐ 好处是敏感数据和凭证不必离开你的边界。

📑 本页目录

🎯 一句话
要解决的核心问题
架构：大脑与双手解耦
耦合架构的问题：「别养宠物」
解耦后的架构
Session 作为外部上下文对象
规模化：多大脑，多双手
设计原则
结论
✅ 检查点
🛑 可以停在这里

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。

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：

Session（会话）： 一个只追加的事件日志
Harness： 调用 Claude 并路由工具调用的控制循环
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」

最初的设计把所有组件塞进单个容器，带来一系列问题： - 宠物问题： 容器挂了会话就永久丢失；容器无响应要人工「护理康复」 - 调试困难： 唯一的观察窗口是 WebSocket 事件流，无法定位故障来源；工程师需要 shell 访问装着用户数据的容器，造成安全和隐私障碍 - 网络假设： harness 假设所有资源都在自己的容器内，客户想接自己的私有 VPC 就要做网络对等

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。

安全架构——耦合设计会把凭据暴露给同容器内 Claude 生成的代码（提示词注入即可窃取 token）。解耦后用两种模式： - 资源绑定认证： 凭据在初始化时完成资源认证。git 仓库在沙箱搭建阶段就用内嵌 token 克隆好，后续 git 操作无需暴露凭据 - 保险库认证（Vault-Based）： OAuth token 和自定义工具凭据留在外部安全保险库；Claude 通过 MCP 代理服务器用会话关联的令牌取用，凭据从不暴露给 harness

Session 作为外部上下文对象

长周期任务常常超出上下文窗口。与其做不可逆的取舍（摘要、选择性裁剪），不如让 session 在窗口之外提供一个持久的上下文对象。getEvents() 接口让 harness 可以： - 选取事件流的位置切片 - 回退到某个时刻之前以理解上下文 - 从上次停止的位置继续

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。

规模化：多大脑，多双手

性能提升（不再要求每个会话都配容器后，首 token 延迟 TTFT 大幅改善）： - p50 TTFT 下降约 60% - p95 TTFT 下降超过 90%

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

接口有主见，实现不设限： 对 Claude 需要什么接口（会话操作和计算）有强主张，但不对具体实现做任何假设
通过分离实现故障安全： 没有单点故障会级联——容器故障、harness 崩溃、沙箱问题都表现为 Claude 能自行处理的工具调用错误
面向未来： 无需架构改动就能容纳未来的 harness；不同的任务专用 harness（如 Claude Code）在系统内工作方式相同

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

「大脑-双手」解耦解决了什么问题？
这种架构对数据边界意味着什么？
它引入了什么新的复杂度？

👀 答案

⭐ 解决「想用托管的强模型，但数据和系统不能出内网」这个矛盾。解耦之后，推理在云端进行，而工具执行留在本地，云端只看到工具的调用请求和返回摘要。
数据和凭证可以完全留在你的边界内。⚠️ 但要注意：工具的返回值仍然会回到云端模型的上下文——所以返回值里包含什么，需要专门审查和裁剪，否则敏感数据还是会流出去。⭐ 「执行在本地」不等于「数据不出去」。
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。

🛑 可以停在这里

⚡ 走神救援
⭐把「决定做什么」和「实际去做」拆开：大脑在托管环境推理，双手在你自己的环境执行，解决「想用托管的强模型，但数据和系统不能出内网」的矛盾。⚠️⭐⭐最容易误解的一点：「执行在本地」不等于「数据不出去」——工具的返回值仍会回到云端模型的上下文，所以返回值里包含什么需要专门审查和裁剪。新增复杂度：网络往返变多（延迟上升）、需要可靠的双向通道和鉴权、故障排查跨两个环境（日志要能对齐）、版本管理（本地工具行为变了云端提示词可能要跟着改）。