Claude Managed Agents kann jetzt ein Workflow-Programm schreiben, das Teile einer großen Aufgabe mehreren Agenten zuweist, ihre Ergebnisse sammelt und zusammenführt. Die Funktion befindet sich in der Beta. Hier finden Sie eine dokumentierte Einrichtung für Softwareentwickler, die einen Dokumentenordner prüfen und eine überprüfte Ergebnisdatei erstellen möchten.

Hierfür werden die Claude-Platform-API und die CLI von Anthropic verwendet. BIG CHANGE hat die aktuelle Dokumentation geprüft; wir haben die Einrichtung nicht ausgeführt und keinen Workflow getestet.

Was der Workflow tut

Ein dynamischer Workflow ist ein Programm für einen einzelnen Lauf. Das Programm kann die Arbeit in Phasen aufteilen, Agent-Threads parallel starten, ihre Ergebnisse zwischen Phasen weitergeben, einen fehlgeschlagenen Zweig erneut versuchen oder behandeln und die Ergebnisse zusammenführen. Beispielsweise könnte eine erste Phase einzelne Dateien prüfen, während eine spätere Phase die Ergebnisse abgleicht. Der primäre Agent startet den Lauf; der Server führt ihn im Hintergrund aus.

Das unterscheidet sich davon, den Hauptagenten separate Läufe erstellen zu lassen. Ein Workflow-Lauf koordiniert untergeordnete Threads innerhalb eines einzigen Laufs und gibt sein Ergebnis an den Agenten zurück, der ihn gestartet hat. Eine gewöhnliche Sitzungsnachricht startet für sich genommen keinen Lauf; der Agent entscheidet anhand der Aufgabe und seines System-Prompts, wann er einen startet. Anthropic zufolge kann eine Sitzung mehrere offene Läufe haben, doch jeder Lauf hat seine eigenen Phasen und sein eigenes Ergebnis.

Vor dem Start

Sie benötigen ein Claude-Console-Konto, einen API-Schlüssel und Zugriff auf Claude Managed Agents, das laut Anthropic für API-Konten standardmäßig aktiviert ist. Für die Agent- und Workflow-Endpunkte ist der managed-agents-2026-04-01 Beta-Header erforderlich. Das SDK von Anthropic setzt diesen Header automatisch; wenn Sie die API ohne SDK aufrufen, müssen Sie ihn selbst hinzufügen.

Managed Agents ist in der aktuellen Dokumentation weiterhin als Beta gekennzeichnet. Anthropics Versionshinweise datieren die öffentliche Beta auf den 9. April 2026, die Multiagent-Orchestrierung auf den 11. Mai und dynamische Workflows auf den 9. Oktober. Auch dynamische Workflows befinden sich in der Beta. Das Datum ist wichtig: Die Zahl „1.000 Agenten“ ist eine aktuelle Grenze pro Workflow-Lauf und bedeutet nicht, dass neu 1.000 Agenten gleichzeitig gestartet werden können.

Die Plattform speichert den Gesprächsverlauf der Sitzung, den Sandbox-Zustand und die Ausgaben serverseitig. Laut Anthropic fällt Managed Agents derzeit nicht unter Zero Data Retention oder die HIPAA-Business-Associate-Agreement-Abdeckung. Legen Sie keine regulierten oder vertraulichen Inhalte in einer Sitzung ab, es sei denn, Ihre Organisation hat die geltenden Datenregeln und die Einrichtung bestätigt.

1. CLI und SDK installieren

Installieren Sie Anthropics ant CLI mit der Methode für Ihr Betriebssystem aus dem Managed-Agents-Schnellstart. Der dokumentierte macOS-Befehl lautet zum Beispiel:

Terminal
brew install anthropics/tap/ant

Installieren Sie für Python das SDK und stellen Sie den API-Schlüssel über Ihre Umgebung bereit, statt ihn in eine Quelldatei einzutragen:

Terminal
pip install anthropic
export ANTHROPIC_API_KEY="your-api-key"

Der Schlüssel oben ist ein Platzhalter. Bewahren Sie den echten Wert in Ihrem üblichen Geheimnismanager oder in einer geschützten Umgebungskonfiguration auf.

2. Einen Agenten definieren, der Workflows nutzen kann

Erstellen Sie document-reviewer.md. Der multiagent -Block aktiviert den Workflow-Typ vom Oktober. Wenn Sie Subagenten deaktivieren, ist der Delegationsweg ausdrücklich festgelegt: Dieser Agent verwendet dynamische Workflows statt einer einmaligen Delegation an Subagenten.

YAML
---
name: document-reviewer
model: claude-sonnet-5-5
tools:
  - type: agent_toolset_20260401
multiagent:
  type: multiagent_20261001
  subagents:
    type: disabled
  workflows:
    type: enabled
---

You review documents for a user-defined checklist.

When a request contains more than 20 independent files, use a dynamic workflow.
Make one phase that checks the files independently and a later phase that
reconciles duplicate findings. Do not infer missing facts. Save the final
machine-readable results to report.json and a concise explanation to summary.md.
Include the source filename and a short evidence excerpt for every finding.
If a file cannot be read or a worker fails, record that file as unresolved;
do not silently omit it. The final response must report the number of files
reviewed, unresolved files, and whether every output file was written.

Der Schwellenwert und die Prüfanweisungen sind Ihre Richtlinienentscheidungen, keine Anthropic-Standards. Passen Sie sie an die Arbeit und die Fehlerkosten an. claude-sonnet-5-5 ist eine Beispiel-Modell-ID; wählen Sie ein Modell, das derzeit für Ihr Konto verfügbar ist und in Ihr Budget passt.

Erstellen Sie den Agenten und bewahren Sie seine zurückgegebene ID auf:

Terminal
ant apply document-reviewer.md

Die CLI gibt die Agenten-ID aus und speichert sie in claude-lock.json. Managed Agents trennt die wiederverwendbare Agentendefinition (Modell, Anweisungen und Tools) von der Umgebung, in der eine Sitzung läuft.

3. Die Sandbox konfigurieren

Eine Umgebung legt fest, wo Sitzungen ausgeführt werden: in einer von Anthropic verwalteten Cloud-Sandbox oder in einer selbst gehosteten Sandbox auf Ihrer Infrastruktur. Das Cloud-Beispiel im Schnellstart verwendet eingeschränkte Netzwerke und erlaubt Paketmanager:

YAML
# environment.yaml
name: document-review
config:
  type: cloud
  networking:
    type: limited
    allow_package_managers: true

Wenden Sie die Konfiguration mit ant apply environment.yamlan; ihre ID wird ebenfalls in claude-lock.json. Wenn der Agent Netzwerkzugriff benötigt, tragen Sie nur die erforderlichen Hosts in allowed_hostsein. Bei eingeschränktem Netzwerk begrenzt diese Hostliste auch die Websuche und die Abruf-Tools von Managed Agents. Eine Einstellung, die Paketmanager erlaubt, ergänzt keine Websites zur Zulassungsliste.

Verwenden Sie für den ersten Lauf einen kleinen, nicht sensiblen Ordner und nur die benötigten Tools. Zum integrierten Agent-Toolset gehören Shell- und Dateioperationen; zusätzliche Tools können die Möglichkeiten des Agenten erweitern. Prüfen Sie die dokumentierten Berechtigungsrichtlinien und Sandbox-Kontrollen, bevor Sie Zugriff auf externe Systeme oder Zugangsdaten gewähren.

4. Eine Sitzung starten und eine klar begrenzte Aufgabe senden

Verwenden Sie die Agent- und Umgebungs-IDs, um mit dem Python-SDK eine Sitzung zu erstellen:

Python
import anthropic

client = anthropic.Anthropic()
session = client.beta.sessions.create(
    agent="AGENT_ID_FROM_CLAUDE_LOCK",
    environment_id="ENVIRONMENT_ID_FROM_CLAUDE_LOCK",
    title="Small document review",
)
print(session.id)

Ersetzen Sie die beiden ID-Platzhalter durch die Werte in claude-lock.json. Senden Sie dann über den Sitzungsereignisstrom eine konkrete Aufgabe. Starten Sie den Stream, bevor Sie das Ereignis senden, damit Sie den Lauf und seinen Fortschritt sofort sehen:

Python
with client.beta.sessions.events.stream(session.id) as stream:
    client.beta.sessions.events.send(
        session.id,
        events=[{
            "type": "user.message",
            "content": [{
                "type": "text",
                "text": (
                    "Review each Markdown file in /review-set for a missing "
                    "owner, deadline, or acceptance criterion. Quote evidence; "
                    "do not infer missing details. Reconcile duplicate findings "
                    "and write /mnt/session/outputs/report.json plus "
                    "/mnt/session/outputs/summary.md. In report.json, use "
                    "a files array with one record per input: path, status "
                    "(reviewed or unresolved), and findings; each finding has "
                    "a check, evidence excerpt, and source location. Include "
                    "input, reviewed, and unresolved counts."
                ),
            }],
        }],
    )
    open_runs = {}
    run_results = {}
    for event in stream:
        if event.type == "workflow_run.created":
            open_runs[event.workflow_run_id] = event.name
            print(f"Run started: {event.name}")
        elif event.type == "workflow_run.status_ended":
            run_results[event.workflow_run_id] = event.result.type
            open_runs.pop(event.workflow_run_id, None)
            print(f"Run ended: {event.result.type}")
        elif event.type == "workflow_run.error":
            print(f"Run error: {event.error}")
        elif event.type == "agent.message":
            for block in event.content:
                if block.type == "text":
                    print(block.text)
        elif event.type == "session.status_idle":
            if event.stop_reason.type == "end_turn" and not open_runs:
                break

    # Inspect the child threads associated with completed workflow runs.
    for thread in client.beta.sessions.threads.list(session.id):
        if thread.workflow_run_id in run_results:
            print(f"Thread {thread.id}: {thread.status}")
            for thread_event in client.beta.sessions.threads.events.list(
                thread.id, session_id=session.id
            ):
                if thread_event.type == "session.error":
                    print(f"Thread error: {thread_event}")

In diesem Beispiel wird angenommen, dass Ihre konfigurierte Sitzungseingabemethode die Dateien unter /review-setbereitstellt. Legen Sie die Dateien mit der dokumentierten Eingabemethode in der Sandbox der Sitzung ab, bevor Sie den Agenten mit ihrer Prüfung beauftragen. Lassen Sie den Agenten Ausgaben unter /mnt/session/outputs/speichern; die Dokumentation zu Managed-Agents-Dateien beschreibt, wie Sie sitzungsbezogene Dateien auflisten und herunterladen. Für das Python-SDK ist folgende dokumentierte Form zum Auslesen vorgesehen:

Python
files = client.beta.files.list(
    scope_id=session.id,
    betas=["managed-agents-2026-04-01"],
)
for report in files:
    if report.filename == "report.json":
        content = client.files.download(report.id)
        content.write_to_file("report.json")
        break

Es kann einige Sekunden dauern, bis eine Datei erscheint, nachdem die Sitzung inaktiv geworden ist. Wenn sie fehlt, listen Sie nach kurzer Wartezeit erneut auf. Erstellen Sie für einen sicheren ersten Durchlauf einen Testordner mit einigen Dokumenten, deren erwartete Ergebnisse Sie manuell prüfen können. Der Beispiel-Prompt definiert die Prüfaufgabe; er garantiert nicht, dass der Agent jedes Problem findet.

Der Ausgabevertrag sollte streng genug sein, um ihn prüfen zu können. Zum Beispiel:

JSON
{
  "files": [
    {
      "path": "requirements.md",
      "status": "reviewed",
      "findings": [
        {
          "check": "deadline",
          "evidence_excerpt": "...",
          "source_location": "requirements.md, section 2"
        }
      ]
    }
  ],
  "input_count": 1,
  "reviewed_count": 1,
  "unresolved_count": 0
}

Dies ist ein vorgeschlagenes Schema für Ihren Workflow und kein von Anthropic bereitgestelltes Schema. Führen Sie ungelöste oder nicht lesbare Dateien als Datensätze auf, damit ein fehlendes Ergebnis nicht wie eine einwandfreie Prüfung aussieht.

5. Lauf und Ausgabe prüfen

Wenn ein Workflow startet, meldet der Ereignisstrom workflow_run.created, einschließlich einer Lauf-ID und der vom Workflow festgelegten Phasen. Das Beispiel hält jede Lauf-ID offen, bis das passende workflow_run.status_endedeintrifft; eine inaktive primäre Sitzung allein beweist nicht, dass der Hintergrund-Workflow beendet ist. Der primäre Stream fasst den Status der untergeordneten Threads zusammen, während die eigene Ereignisliste eines Threads dessen Nachrichten und Fehler enthält. Das Beispiel listet Threads nach workflow_run_id auf und zeigt session.error -Ereignisse an. Prüfen Sie diese Ereignisse auf ausgeschöpfte Wiederholungsversuche (einschließlich retry_status.type == "exhausted") oder andere Fehler von untergeordneten Threads und markieren Sie betroffene Dateien als ungelöst.

Betrachten Sie die Ausgabedatei als Ergebnis, nicht das Wort „abgeschlossen“. Anthropic warnt ausdrücklich, dass ein Lauf mit completed enden kann, selbst wenn ein Thread fehlgeschlagen ist oder nicht erstellt werden konnte. Öffnen Sie report.json und prüfen Sie, ob jede Eingabedatei entweder Ergebnisse oder einen ausdrücklichen Status „ungelöst“ hat, Belegauszüge auf die richtige Quelldatei verweisen und die Anzahlen mit den bereitgestellten Dateien übereinstimmen. Vergleichen Sie den kleinen Testordner mit Ihren eigenen erwarteten Ergebnissen, bevor Sie den Workflow auf einen größeren Bestand anwenden.

Wenn die Verbindung Ihres Clients abbricht, sendet ein neuer Ereignisstream nur Ereignisse, die nach seinem Öffnen ausgegeben wurden. Rekonstruieren Sie den Laufstatus, indem Sie vergangene Sitzungsereignisse mit den dokumentierten Ereignistypfiltern und der Paginierung auflisten. Leiten Sie nicht aus einem inaktiven primären Agenten ab, dass ein Lauf beendet ist, solange untergeordnete Threads noch arbeiten könnten. Nachdem alle beobachteten Läufe beendet sind, listen Sie sitzungsbezogene Dateien auf und laden Sie /mnt/session/outputs/report.json und summary.md über die dokumentierte Files API herunter. Prüfen Sie, ob für jede bereitgestellte Datei ein geprüfter oder ungelöster Datensatz vorhanden ist und die Anzahlen aufgehen. Die Beispiel-Ereignisschleife lädt den Bericht weder herunter noch validiert sie ihn.

Grenzen, die das Design beeinflussen

Anthropics Grenzwerte für Workflow-Läufe dokumentieren derzeit bis zu 64 gleichzeitig arbeitende Workflow-Threads in einem Lauf. Die API garantiert diese Parallelität jedoch nicht, und der Wert kann sich ändern. Das Limit von 1.000 Agenten zählt alle während der gesamten Laufzeit gestarteten Agenten, nicht gleichzeitig aktive Threads. Wenn ein Workflow nach Erreichen dieser Gesamtzahl einen weiteren Agenten starten soll, endet der Lauf mit thread_limit_error; Wiederholungen fehlgeschlagener Agenten können zusätzliche Threads erzeugen.

Ein Lauf dauert standardmäßig 24 Stunden oder kürzer, wenn sein Agent eine kürzere Laufzeit festlegt. Auch die Wartezeit auf Ihren Client zählt; ein pausierter Lauf kann ebenfalls ablaufen. Eine Sitzung hat standardmäßig 10 offene Läufe, einschließlich inaktiver. Das Nutzungsbudget einer Sitzung gilt für alle Workflow-Agenten; wenn es ausgeschöpft ist, pausieren offene Läufe, bis das Budget erhöht oder entfernt wird. Planen Sie kleinere Arbeitseinheiten, speichern Sie Zwischenstände in Dateien und lassen Sie die Abgleichphase offene Punkte melden, statt vorzugeben, sie seien geprüft worden.

Bei Fehlern prüfen Sie das workflow_run.error und den betroffenen Thread. program_error kann bedeuten, dass Workflow-Code oder ein Kindthread fehlgeschlagen ist; thread_limit_error kennzeichnet die Obergrenze von 1.000 Agenten; timeout_error kennzeichnet die Laufzeitgrenze. Erhöhen oder entfernen Sie das Sitzungsbudget, wenn ein Lauf es erreicht, damit er fortgesetzt werden kann. Bitten Sie zum Beenden eines Workflows den primären Agenten, seine Läufe zu stoppen; das Unterbrechen eines Sitzungsturns ist selbst kein Befehl zum Abbrechen eines Laufs.

Kosten

Anthropics Preisdokumentation berechnet Managed Agents nach den Tokenpreisen des ausgewählten Modells sowie nach der Sitzungs-Laufzeit mit $0.08 pro laufender Sitzungsstunde. Die Laufzeit wird berechnet, solange der Sitzungsstatus runninglautet; inaktive, neu angesetzte und beendete Zeit wird nicht berechnet. Für einen Workflow-Lauf fällt keine separate Gebühr an, doch die Token-Nutzung der Threads wird der Sitzung zugerechnet. Eine innerhalb einer Sitzung gestartete Websuche wird mit 10 $ pro 1.000 Suchanfragen ausgewiesen. Die genaue Summe hängt von Modell, Ein- und Ausgabetokens, Tools und Sitzungsdauer ab; prüfen Sie die Nutzung in der Console, statt sie anhand der Grenze von 1.000 Agenten zu schätzen.

Die praktische Vorgehensweise: Beginnen Sie mit einer Handvoll Dateien, prüfen Sie, ob die Workflow-Ausgabe jede einzelne berücksichtigt, kontrollieren Sie fehlgeschlagene Threads und erweitern Sie die Eingabe erst, wenn Prüfrichtlinie und Kosten akzeptabel sind. Verwaltete Workflows koordinieren asynchrone parallele Arbeit, bestätigen aber nicht die Richtigkeit der Ergebnisse.

Die große Veränderung

Seit dem 9. Oktober kann ein Managed-Agents-Agent ein Workflow-Programm schreiben, das der Server über mehrere Agent-Threads und Phasen hinweg ausführt. Entwickler können diesen Weg für begrenzte, prüfbare Parallelisierung nutzen, während die Hauptsitzung den Fortschritt verfolgt. Die Funktion bleibt in der Beta, und die veröffentlichten Grenzen garantieren weder die maximale Parallelität jedes Laufs noch korrekte Ergebnisse.

Quellen und weiterführende Informationen