De agent loop, gehost voor jou

Claude Managed Agents is een suite van APIs voor het bouwen en implementeren van agents op schaal. Je definieert agents met specifieke tools, persona's en mogelijkheden. Je configureert sandbox-omgevingen met de juiste pakketten en netwerkcontroles. Vervolgens start je sessies vanuit je eigen applicatie, en Claude doet het werk in een geïsoleerde container met volledige bestandssysteemtoegang, bash-uitvoering en webzoekopdrachten.

Onder de motorkap is dit een agent loop: Claude redeneert, roept een tool aan, leest het resultaat en herhaalt dit totdat de taak klaar is. Als je eerder agents hebt gebouwd, heb je waarschijnlijk zelf dit soort loop geschreven. Managed Agents neemt diezelfde loop en host deze op de infrastructuur van Anthropic, dus je hoeft deze niet zelf uit te voeren.

Je vindt Managed Agents in zijn eigen sectie van de Claude Console.

De beste manier om te begrijpen wat dit ontsluit, is door een paar voorbeelden door te lopen.

Voorbeeld 1: Een Kanban-bord dat het werk doet

Stel je een Kanban-bord voor dat bovenop managed agents zit. Je sleept een ticket naar de kolom "in progress" en dat start automatisch een sessie. Stel dat het ticket luidt "optimaliseer websiteprestaties. " Dit is wat er gebeurt:

Je back end maakt een sessie aan.
De sessie wijst naar een omgeving die je hebt geconfigureerd met Lighthouse en Puppeteer voorgeïnstalleerd.
Je GitHub-repo wordt in de container gemount.

Nu heeft Claude de codebase, de tools en een rubric die definieert wat "klaar" betekent:

Lighthouse-score boven de 90
Geen render-blocking resources
Alle afbeeldingen lazy loaded

Claude voert de audit uit en begint vervolgens afbeeldingen te comprimeren, CSS in te voegen en scripts uit te stellen. Elke tool call streamt in real time terug naar het bord via de event stream, zodat je het werk kunt zien terwijl het gebeurt.

Vervolgens komt de rubric in werking. Een aparte grader, die in zijn eigen context window draait, evalueert de output tegen je criteria. Claude leest die feedback, gaat terug naar binnen, corrigeert wat het heeft gemist en dient het opnieuw in. In de demo brengt die loop de Lighthouse-score tot 96.

Nog één ding: je kunt een tweede ticket erover slepen terwijl de eerste nog steeds draait. Twee sessies, twee containers, twee afzonderlijke taken die parallel draaien.

Een Kanban-ontwikkelingsbord met twee tickets in de kolom In Progress, elk met zijn eigen agent sessie en streaming tool call events

Voorbeeld 2: Een terugkerende research agent met geheugen

Hier is een ander type agent: een agent wiens taak het is om prijzen bij te houden en wijzigingen in alle SaaS-tools die je bedrijf gebruikt in te plannen, met een rapport klaar voor stand-up.

De Pricing Research-app met een Run Weekly Report-knop, een lege agent activity feed, een memory panel en een deliverables-lijst met een Excel-rapport en executive summary

Bij elke run:

Zoekt de agent op het web naar huidige prijspagina's, controleert op wijzigingen in plantiers en markeert nieuwe functies die je contracten kunnen beïnvloeden
Voert een kostenanalyse uit in Python in de sandbox
Gebruikt een Excel-spreadsheet skill en schrijft een executive summary
Plaatst een link op Slack en maakt een review-taak in Asana, beide via MCP servers

De agent leest ook van en schrijft naar een memory store. Voordat het begint, controleert het wat het vorige week heeft gevonden. Nadat het klaar is, slaat het op wat er is veranderd. Dus het rapport van volgende maandag kan zeggen "computekosten zijn 15% lager sinds vorige week" in plaats van elke keer dezelfde statische prijsgegevens op te sommen.

Het memory panel met de bevindingen van vorige week, inclusief wijzigingen in leveranciersprijzen en een totale maandelijkse uitgavenschatting die de agent voor de volgende run heeft opgeslagen

Voorbeeld 3: Incident response met meerdere agents

Stel je nu voor dat een waarschuwing van je monitoring stack afgaat. Een custom tool op je back end ontvangt de alert payload en stuurt deze naar een nieuwe sessie als tool result. Deze sessie gebruikt multi-agent coordination:

Een coordinator agent ontvangt de alert en delegeert aan drie specialisten.
Elke specialist draait in zijn eigen context window op hetzelfde gedeelde bestandssysteem.
De specialisten rapporteren terug en de coördinator synthetiseert hun bevindingen in één incident summary.

Een incident response dashboard voor een API latency spike alert, met Diagnostics, Log Analysis en Communications specialist panels in afwachting terwijl een Past Incidents panel het geheugen doorzoekt naar patronen

Voordat de summary naar Slack gaat, wordt het permissions policy geactiveerd. Je ziet het concept op het scherm, keurt het goed en het bericht gaat eruit. Gevoelige acties wachten op een mens.

Memory bindt dit alles samen. De coördinator controleert vorige incidents in de memory store en markeert een patroon: "dit lijkt op het DNS-resolutieprobleem van twee weken geleden dat werd veroorzaakt door een verkeerd geconfigureerde TTL. " De volgende keer dat een soortgelijke alert afgaat, begint de agent met die context in plaats van van nul af aan te diagnosticeren.

De bouwstenen

In deze voorbeelden geeft managed agents ontwikkelaars de tools om een volledig beheerde, stateful agent experience op te leveren, gebouwd op:

Agents — definities met specifieke tools, persona's en mogelijkheden
Sessions — individuele runs die je vanuit je eigen applicatie start
Environments — sandboxes met de juiste pakketten en netwerkcontroles
Tools — inclusief custom tools op je back end
MCP — verbindingen met services zoals Slack en Asana
Memory — een store die de agent leest voordat deze begint en schrijft wanneer deze klaar is
Outcomes — rubrics en graders die definiëren en controleren wat "klaar" betekent
Multi-agent coordination — coördinatoren die delegeren aan specialisten

Samenvatting

Claude Managed Agents is een suite van APIs voor het bouwen en implementeren van agents op schaal, gehost op de infrastructuur van Anthropic.
Het voert de vertrouwde agent loop uit — redeneren, een tool aanroepen, het resultaat lezen, herhalen — in een geïsoleerde container met bestandssysteemtoegang, bash-uitvoering en webzoekopdrachten.
Sessions draaien in omgevingen die je configureert, werken parallel en streamen tool calls in real time terug naar je app.
Rubrics en aparte graders laten je succeskriterium definiëren; Claude itereert totdat het aan deze voldoet.
Memory, MCP servers, custom tools, permissions policies en multi-agent coordination completeren de stateful agent experience.
Je definieert wat "klaar" betekent. Claude werkt totdat het daar is.