Конспект доклада Anthropic: как собрать первого ИИ-агента

Anthropic выложила запись воркшопа с конференции Code w/ Claude (Лондон, май 2026): «Ship your first Managed Agent». Ведёт Изабелла Хе из команды Applied AI, это люди, которые внутри Anthropic собирают Claude Code и помогают компаниям строить агентов. За 37 минут они с залом собирают с нуля рабочего ИИ-агента, который сам разбирает сбой на сервере и находит причину.

Ниже конспект на русском: что такое Claude Managed Agents, из каких трёх кирпичей собирается любой агент, как прошёл живой пример и что из этого можно забрать себе, даже если ты не программист.

Смотреть доклад на YouTube (англ.)

Проверь: это про тебя?

• Ты слышишь «ИИ-агенты» каждый день, но не понимаешь, чем агент отличается от обычного чата.
• Хочется, чтобы ИИ не советовал, а сам делал работу: проверял данные, искал причину, предлагал решение.
• Попытки собрать что-то на API упираются в серверы, хранение и «а что будет, если закрыть ноутбук».

1. Откуда взялись Managed Agents

Изабелла начинает с короткой истории, и она многое объясняет:

1. 2023, Messages API. Чистый доступ к модели: отправил текст, получил текст. Всё остальное (цикл агента, память, сжатие контекста) разработчик писал сам.
2. Agent SDK. Возможность встроить в свой продукт «движок» Claude Code: агент получает компьютер и файлы. Но хостинг, масштабирование и безопасность всё ещё на тебе.
3. Claude Managed Agents (CMA). Anthropic берёт на себя инфраструктуру: песочницу, наблюдаемость, запуск инструментов, сжатие и кэш. Разработчику остаются задача агента, его инструменты и данные.

По словам Anthropic, команды выходят в продакшн в 10–15 раз быстрее. И важная мысль: «обвязку» агента приходится постоянно переделывать под новые модели. Пример из доклада: Sonnet 4.5 страдал «тревогой контекста» и сворачивал задачи раньше времени, под это писали костыли, а с выходом Opus 4.5 проблема исчезла сама. В CMA такие вещи Anthropic поддерживает за тебя.

2. Три кирпича любого агента

• Agent — мозг. Модель, системный промпт, подключённые инструменты, MCP-серверы и скиллы. Это «кто он и что умеет».
• Environment — руки. Контейнер, где агент реально выполняет действия. Можно ограничить, куда ему разрешено ходить в сети (белый список), а с мая 2026 можно подключить собственные серверы вместо облака Anthropic.
• Session — связка. Конкретный запуск агента в конкретной среде. Сессия живёт на стороне Anthropic: закрыл ноутбук, обновил страницу, а всё сохранилось.

Главное архитектурное решение: мозг отделён от рук. Агент думает в одном месте, а инструменты выполняются в другом. Это даёт две вещи: ключи и пароли можно держать в зашифрованном хранилище, куда модель не заглядывает, а время до первого ответа (P95) сократилось больше чем на 90%, потому что не нужно поднимать контейнер на каждую сессию.

3. Живой пример: агент, который разбирает сбой

Сценарий знаком любому разработчику: три часа ночи, лёг сервис, ты на дежурстве. Обычно человек лезет в метрики, логи и последние выкладки. В воркшопе это отдали агенту. Собрали его в шесть шагов:

1. Создали агента: модель Claude Opus 4.7, очень простой системный промпт («ты дежурный инженер, разбираешь инциденты») и три инструмента: метрики, последние выкладки кода, изменения в коде.
2. Создали среду: облако Anthropic, доступ в сеть.
3. Дали данные: загрузили файл с логами через Files API. Изабелла отдельно подчёркивает: больше всего времени у команд уходит именно сюда, на «инженерию контекста», то есть какие данные и в каком виде дать агенту.
4. Открыли сессию: связали агента, среду и файлы.
5. Включили поток событий: агент отвечает событиями (вызвал инструмент, получил данные, написал вывод), и пользователь видит его работу в реальном времени, а не через минуту тишины.
6. Подключили локальные инструменты и кнопку удаления сессий (это ещё и про безопасность: удалённое пропадает из всех логов).

Результат: агент сам прошёлся по логам, выкладкам и метрикам, нашёл, что задержка выросла в 10 раз из-за исчерпания пула подключений к базе, указал конкретный коммит, который это вызвал, отбросил другие версии и выдал план действий. Следующий шаг, о котором говорит Изабелла: дать агенту доступ к коду, чтобы он сам готовил исправление, а человек только проверял.

4. Что ещё есть «в коробке»

• Субагенты: главный агент раздаёт подзадачи помощникам, у каждого свой контекст.
• Память и «dreaming»: агент сам пересматривает свои заметки и решает, что запомнить о твоих предпочтениях и правках.
• Outcomes: ты задаёшь критерии хорошего результата, агент сам решает, как к нему прийти.
• Vaults: хранилище ключей по пользователю и сессии, без своего сервера секретов.
• Webhooks: агент просыпается по внешнему событию, например по алерту мониторинга.
• Состояния сессии: ожидание, работа, повтор, завершение. На этом строится надёжность: упал контейнер, его подняли, агент продолжил с того же места.

Что забрать себе, если ты не программист

Модель «мозг + руки + данные» работает и в обычной жизни. Любой процесс вида «посмотри данные → найди причину → предложи действие» можно отдать агенту: почему упали продажи на этой неделе, какие заявки горячие, какая реклама сливает бюджет. Принципы из доклада переносятся один в один:

1. Простой промпт и понятная роль работают лучше длинной простыни.
2. Качество агента решают данные: дай ему то же, что дал бы сотруднику.
3. Записывай, как ты решал задачу раньше (в докладе это «ранбуки»), и отдавай агенту как инструкцию.
4. Человек остаётся контролёром, а рутину делает агент.

Ты мой аналитик. Я дам тебе выгрузку [продаж / заявок / рекламы] за последние две недели. Найди, что изменилось сильнее всего, назови 2–3 вероятные причины с цифрами из данных, отбрось версии, которые данные не подтверждают, и предложи по одному конкретному действию на каждую причину. Если данных не хватает, скажи, каких именно.

Что дальше

Агенты перестают быть темой для разработчиков: их собирают для контента, продаж и рутины. Чтобы это заработало у тебя, нужно понимать основы: как устроен контекст, что такое скиллы, MCP и агенты в Claude. Этому я учу с нуля и по шагам.

Отправить статью в Telegram