Claude Managed Agents Cookbook

Anthropic 官方 Cookbook 实践：构建基于 Claude Managed Agents 的数据分析师和 Slack Bot。

核心概念

Claude Managed Agents 基于四个核心概念：

• Agent：模型、系统提示词、工具、MCP servers 和 skills
• Environment：配置的容器模板（包、网络访问）
• Session：在环境中运行的 agent 实例，执行特定任务
• Events：应用与 agent 之间交换的消息

Agent + Environment = Session。Anthropic 处理沙盒、工具执行和上下文管理。

Cookbook 1：Data Analyst Agent

将 CSV 转换为带交互式图表的叙事 HTML 报告。

关键实现步骤

1. 创建 Environment：声明 pandas 和 plotly 为预装包
2. 创建 Agent：使用 agent_toolset_20260401（八工具：bash/read/write/edit/glob/grep/web_fetch/web_search）
3. 上传数据集 → Files API
4. 创建 Session 并发送分析任务
5. 流式监控运行过程
6. 获取报告：/mnt/session/outputs/ 下的文件通过 Files API 获取

系统提示词要点

• 专业精确风格，使用具体数字
• 图表之间短段落（2-3 句）
• 以最具行动力的发现开头
• 输出到 /mnt/session/outputs/report.html

Cookbook 2：Slack Data Analyst Bot

用 Bolt for Python 包装数据分析师 agent，@bot + CSV 附件即可获得线程内分析报告。

架构

user: @databot what's driving Q1 revenue? [sales.csv]
    |
    bot uploads CSV and starts agent session
    |
    bot streams progress back to thread
    |
    bot posts finished report to thread

关键设计

• Thread-to-Session 映射：thread_sessions: dict[str, str] 维持多轮对话上下文
• 后台线程：Slack 3 秒 ack 窗口要求慢操作必须在后台线程执行
• Socket Mode：WebSocket 交付，无需公网 URL
• Follow-ups：线程内回复继续同一会话

生产考虑

• 将 thread_sessions 持久化到数据库，确保 bot 重启后对话不丢失
• 线程过期时归档会话释放容器
• 在数据分析师 notebook 中修改 agent 系统提示词即可改变分析风格

最佳实践

• Agent 和 Environment 创建一次，跨运行复用
• 每个对话创建新 Session
• 完成后归档 Session 释放容器
• 将 agent/environment ID 保存到 .env 供其他应用复用

2026-05-14 更新：三项新功能

来源：AI 简报 2026-05-14 Afternoon

Claude Managed Agents 新增三项能力：

Dreaming（自动记忆提取）

自动从对话历史中提取记忆，无需用户手动标记。这是 Memory Backend 范式的官方实现——agent 自主判断什么值得记住，而非依赖用户显式输入。

Outcomes（用户定义成功标准）

用户可为任务定义成功标准，系统内置评分器自动评判 Agent 工作质量。将验证从"人工检查"推向"结构化自动评估"，与 自我验证循环 形成呼应。

Multi-agent orchestration（子 Agent 委派）

主 Agent 自动拆解任务并委派给专业子 Agent。这是 多 Agent 协调模式 的官方实现：不再依赖单一全能 Agent，而是利用专业化分工。

实际应用案例

Skillet：浏览器端的 Claude Code 体验

Skillet 利用 Claude Managed Agents 将 Claude Code 的能力带入浏览器，让非技术人员无需终端即可使用 AI agent。

• 基于 Claude Agent SDK 构建，skills 安装方式与 Claude Code 一致
• gstack 的 /office-hours skill 可以在浏览器中直接运行
• 消除了终端门槛，扩大了 AI agent 的受众范围
• 代表了 agent 工具从开发者工具向大众工具的演进趋势