AIエージェントの開発現場で、ある問いが繰り返されてきました。「なぜ、エージェント本体よりもインフラの構築に時間がかかるのか」。サンドボックス、セッション管理、権限制御、トレーシング——ユーザーには見えないこれらの土台を整えるだけで、数ヶ月が消えていく。AnthropicはこのボトルネックをManaged Agentsで解消しようとしています。開発者が「何を作るか」に集中できる環境を、クラウドインフラごと提供する。AIエージェントの開発体験が、構造から変わろうとしています。
2026年4月8日に明らかになったClaude Managed Agentsは、クラウドホスト型エージェントを大規模に構築・デプロイするためのAPIスイートだ。Anthropicが提供するインフラ上でエージェントを実行することで、本番環境への移行を「数ヶ月から数日へ」短縮することを目標としている。
提供機能は4つ。セキュアなサンドボックス実行環境と認証を備えた本番グレードのエージェント実行基盤、接続断にも対応した長時間セッション（数時間規模の自律稼働）、他エージェントを起動・指示できるマルチエージェント協調（リサーチプレビュー）、そしてスコープ付き権限とIDと実行トレーシングを内蔵したガバナンス機能だ。
内部テストでは、標準的なプロンプティングループと比較してタスク成功率が最大10ポイント向上した。Claude Consoleにはセッションのトレーシングや障害モードの検査機能が統合されている。
採用企業にはNotion、楽天、Asana、Sentry、Atlassianなどが名を連ねる。楽天は各専門エージェントを1週間以内でデプロイし、Sentryは数ヶ月ではなく数週間での統合を実現したという。
料金は標準のClaudeプラットフォームのトークン課金に加え、アクティブな実行時間に対して1セッション時間あたり0.08ドルが加算される。現在パブリックベータとして提供中だ。
From: 
Claude Managed Agents
【編集部解説】
「インフラ抽象化」の12年史——開発者は何から解放されてきたか
Managed Agentsの本質を理解するには、クラウドコンピューティングが12年かけて繰り返してきた「抽象化の階段」を振り返ることが有効です。
2006年、AWSがEC2をリリースし、物理サーバーを所有する時代が終わりました（IaaS）。2011年前後にはHerokuやElastic BeanstalkなどのPaaSが普及し、OSやミドルウェアの管理から解放されました。そして2014年、AWS Lambdaが登場し、サーバーの存在そのものが意識の外に追いやられました。開発者が「関数」という最小単位のコードを書けば、スケーリングも高可用性もプラットフォームが引き受ける。いわゆるFaaS（Function as a Service）の始まりです。
各段階で、開発者が手放したものと得たものは明確です。IaaSではハードウェア調達から解放された代わりにOS管理が残りました。PaaSではOS管理から解放された代わりにスケーリング設計が残りました。FaaSではスケーリングからも解放された代わりに、実行時間の制限やステートレスという制約を受け入れる必要がありました。
Managed Agentsが位置する場所は、この階段のさらに一段上です。
エージェントPaaS——「関数」から「自律的な作業者」へ
AWS Lambdaが抽象化したのは「関数の実行環境」でした。Managed Agentsが抽象化しようとしているのは「自律的に判断し、ツールを使い、長時間にわたって作業を続けるエージェントの実行環境」です。
ここには質的な飛躍があります。Lambdaの関数はステートレスで、一つのイベントに反応して一つの結果を返すだけでした。エージェントは違います。コンテキストを保持し、複数のツールを呼び出し、エラーに遭遇すれば自ら回復を試み、成功基準に達するまで反復する。Anthropicの表現を借りれば「開発者が成果と成功基準を定義すると、Claudeが自己評価と反復を繰り返しながらその達成を目指す」という動作です（マルチエージェント協調および自己評価はいずれもリサーチプレビュー段階）。
この「自律的な作業者」を本番環境で安全に動かすために必要なインフラは、Lambdaの比ではありません。Anthropicの公式ドキュメントによると、Managed Agentsのアーキテクチャは4つの中核概念で構成されています。エージェント定義、環境設定、セッション、そしてEvents（ツール呼び出し・意思決定・出力をすべて記録するイベントログ）です。開発者がエージェント定義と環境を設定しセッションを起動すれば、サンドボックス化、チェックポイント、認証、ツール実行、エラー回復、コンテキスト管理といった「運用の重労働」はすべてAnthropicが引き受けます。
従来、この重労働を自前で構築するのに3〜6ヶ月かかっていたと複数の分析記事が指摘しています。それがManaged Agentsの導入によって「数日」に短縮されるというのが、Anthropicの主張です。Sentryの事例では数ヶ月が数週間に、楽天の事例では各専門エージェントが1週間以内にデプロイされました。「10倍速い」はマーケティング的な表現ですが、方向性として桁が変わるという見立ては、複数の採用企業の証言と概ね一致しています。
開発者は何を手放し、何を得るのか
ただし、抽象化には常にトレードオフがあります。
最も明確なのはベンダーロックインです。Managed AgentsはClaude専用に設計されており、他のモデルプロバイダー（OpenAI、Google）のモデルは使用できません。LangGraphやCrewAIのようなオープンソースフレームワークがモデルの選択自由を提供しているのとは対照的です。
この構造は、AWS LambdaがAWSエコシステムに依存するのと同じパターンですが、影響の深さが異なります。Lambdaのロックインは主に実行環境とイベントソースの依存でした。Managed Agentsのロックインは、エージェントの「頭脳」そのものを含みます。モデルの乗り換えは、関数のリライトより遥かに大きな移行コストを伴うでしょう。
一方、Claude専用であることのメリットも無視できません。AnthropicはオーケストレーションハーネスをClaudeの特性に最適化しており、内部テストでは汎用的なプロンプティングループと比較してタスク成功率が向上したと報告しています。「最も難易度の高い課題において改善幅が最大」という点は注目に値します。汎用フレームワークでは難しかったエッジケースの処理を、モデルとインフラの一体設計で改善できている可能性があります。
もう一つのトレードオフは制御の粒度です。オーケストレーションハーネスが「ツールを呼び出すタイミング、コンテキストの管理方法、エラーからの復旧方法を自律的に判断する」ということは、その判断ロジックへの介入余地が限られることを意味します。高度にカスタマイズされたエージェント動作が必要な場合、LangGraphのようにエージェントのステートグラフを細かく制御できるフレームワークの方が適切かもしれません。
Anthropicはこの点について「従来のプロンプト＆レスポンス形式のワークフローもサポートする」と述べており、自律的な反復モードと細かい制御モードの両方を提供する構えです。ただし、自律モードはリサーチプレビュー段階であり、本番環境での実力はまだ広く検証されていません。
競合地図——各社が描く「エージェントの動かし方」
2026年4月時点で、AIエージェントの実行基盤は急速に競争が激化しています。大きく分けると、フルマネージド型（自社クラウドとモデルに最適化された統合環境）とオープンフレームワーク型（モデルを自由に選択でき、自前インフラで運用する）の二極に分かれつつあります。
フルマネージド型には、MicrosoftのAgent Framework 1.0（Azure AI Foundryと統合、MCPとA2Aの両プロトコル対応）、GoogleのVertex AI Agent Builder（Geminiモデル＋BigQuery・Cloud Storage統合）、OpenAIのAgentKit（ビジュアルビルダーとコネクタを備えたマルチエージェント環境）、そしてAnthropicのManaged Agentsが属します。いずれも開発者体験の良さでエコシステムへの囲い込みを図る戦略です。
オープンフレームワーク型では、LangGraph、CrewAI、Multicaが存在感を示しています。マルチモデル構成でコスト削減が可能で、ベンダーロックインを回避できる点が強みです。
Managed Agentsの差別化ポイントは「Claude専用の最適化」と「インフラの完全抽象化」の組み合わせにあります。フレームワークを選んで自分でインフラを組む必要がない代わりに、Claudeエコシステムにコミットすることになる。この判断は、チームの技術力、既存のクラウド環境、そしてモデル選択の自由をどこまで重視するかで変わってきます。
料金設計から見える思想
料金体系にも設計思想が表れています。標準のトークン課金に加えて、セッション時間あたり0.08ドル。24時間365日稼働させた場合の実行基盤コストは月額約58ドル程度で、これにトークンコストが加算されます。
この「トークン＋ランタイム」の二層構造は、AWS Lambdaの「リクエスト数＋実行時間」課金に似ています。エージェントが何もしていない時間には課金されないため、バッチ処理型のユースケース（深夜のコードレビュー、定期的なドキュメント処理など）では、常時稼働のサーバーを維持するよりコスト効率が良くなる可能性があります。
一方で、長時間セッションを多数並行させるユースケースでは、ランタイムコストとトークンコストの両方が積み上がります。企業が本格導入する際には、エージェントの稼働パターンとコスト構造の見極めが重要になるでしょう。
見えていないもの——本番運用のリアリティ
Managed Agentsはパブリックベータの段階であり、いくつかの重要な問いにはまだ答えが出ていません。
マルチエージェント協調と自己評価はいずれもリサーチプレビュー段階です。つまり、Anthropicが最も意欲的に提示している機能（エージェントが他のエージェントを起動する、成功基準に向けて自己反復する）は、まだ広く利用できる状態ではありません。公開されている採用事例も、これらの機能を活用したものかどうかは明示されていません。
SLA（サービスレベル合意）やダウンタイム対応の情報も、現時点では限定的です。ミッションクリティカルな業務にエージェントを組み込む企業にとって、「接続断でもセッションが保持される」のは心強い設計ですが、Anthropic側のインフラ障害時にどうなるかは別の問題です。
データ主権の問題もあります。Anthropicのクラウド上でエージェントが実行されるということは、処理されるデータがAnthropicのインフラを経由するということです。金融や医療など規制の厳しい業界では、この点が導入の障壁になりえます。オンプレミスでの運用が必要な場合、Multicaのようなセルフホスト型のオープンソース代替が選択肢に入ってきます。
Anthropicの戦略的意図
最後に、Managed AgentsをAnthropicの全体戦略の中に位置づけてみます。
2025年にAnthropicはClaude Agent SDKでエージェントの「ハーネス設計思想」を公開し、長時間稼働エージェントの失敗パターンと対処法を示しました。2025年末にはClaude CodeのSlack統合で「開発者が最も時間を費やす場所」にAIを組み込む戦略を見せました。そして今回のManaged Agentsで、その上流——エージェントを動かすインフラそのもの——を自社プラットフォームに取り込みました。
この動きは、Claudeを「賢いAPI」から「開発者が依存するプラットフォーム」へと転換させる明確な意図を示しています。モデルの性能競争ではOpenAIやGoogleとの差別化が難しくなる中、「モデル＋インフラ＋開発者体験」をパッケージにすることで、より深いエコシステムの堀を築こうとしています。
MCPが業界標準として普及しつつある今、ツール接続層はオープンになる一方で、エージェントの実行基盤という層で差別化を図る。この戦略が奏功するかどうかは、開発者が「便利さ」と「自由度」のどちらを優先するかにかかっています。
【用語解説】
AIエージェント
特定の目標を達成するために、ツールを自律的に呼び出し、結果を評価しながら繰り返し行動するAIシステム。人間が手順をすべて指定するのではなく、成果と制約を定義すればエージェントが判断・実行する。
サンドボックス（サンドボックス化）
プログラムやプロセスを隔離された実行環境に閉じ込め、ホストシステムや外部ネットワークへの影響を制限する技術。エージェントが意図せず本番データを書き換えたり、外部に情報を漏洩したりするリスクを抑制するための基本的な安全対策。
オーケストレーションハーネス
エージェントが目標を達成するために、ツールを呼び出す順序・タイミング・方法を管理するソフトウェア層。どのツールをいつ使うか、エラーが起きたときにどう回復するか、コンテキストをどう管理するかを自律的に判断する制御機構。
MCP（Model Context Protocol）
Anthropicが提唱し、業界標準として普及しつつあるオープンプロトコル。AIモデルと外部ツール・データソースを接続するための共通インターフェース仕様。Managed AgentsはMCPサーバーをエージェントのツールとして組み込める。
マルチエージェント協調
一つの親エージェントが複数の子エージェントを起動・指示し、複雑なタスクを並列に処理する仕組み。例えばリサーチ、コーディング、検証をそれぞれ別のエージェントに分担させ、同時進行で完了を目指す。
IaaS / PaaS / FaaS
クラウドサービスの提供形態の区分。IaaS（Infrastructure as a Service）はサーバーやネットワークのインフラを提供、PaaS（Platform as a Service）はアプリ実行環境まで提供、FaaS（Function as a Service）は関数単位のコード実行環境を提供する。インフラ管理の負担がこの順に小さくなる。
【参考リンク】
Claudeプラットフォーム（外部）
Anthropicが提供するClaude APIの起点。Managed Agentsはこのプラットフォーム上でパブリックベータとして提供中。
Claude Managed Agents 公式ドキュメント（外部）
アーキテクチャの4概念（Agent / Environment / Session / Events）、API仕様、料金体系を確認できる一次資料。
Claude Console（外部）
Managed Agentsのセッショントレーシング、インテグレーション分析、デバッグを行うAnthropicの開発者向け管理画面。
Scaling Managed Agents: Decoupling the brain from the hands（外部）
Anthropicエンジニアリングチームによる技術解説。ハーネスとモデルを分離した設計思想とスケーラビリティの詳細。
LangGraph（LangChain AI）（外部）
グラフ構造でエージェントのステートを細かく制御できるオープンソースフレームワーク。モデルを自由に選択可能。
Multica（外部）
セルフホスト型のオープンソース管理エージェント基盤。Claude CodeやCodexと連携し、ベンダー非依存で運用できる。
【参考記事】
Claude Managed Agents Guide 2026（外部）
開発インフラ構築に3〜6ヶ月を要するという業界推定、月額ランタイムコスト試算、Claude Codeとの関係を詳述。
Claude Managed Agents: What It Actually Offers（外部）
リサーチプレビュー機能の制限、セルフホスト型代替、ベンダーロックインのリスクを率直に論じた批評的レビュー。
Best Multi-Agent Frameworks 2026（外部）
LangGraph、CrewAI、OpenAI SDK、Google ADKとManaged Agentsの比較。Claudeロックインの位置づけを整理。
AI Tools Race Heats Up: Week of April 3–9, 2026（外部）
MCPの普及状況、Microsoft Agent Framework 1.0など競合動向の週次まとめ。競合地図セクションに参照。
With Claude Managed Agents, Anthropic wants to run your AI agents for you（外部）
自然言語またはYAMLでエージェントを定義できる操作性の詳細、インフラ構成の技術的背景、企業導入の文脈を網羅。
【編集部後記】
インフラを抽象化し、開発者を「作るべきもの」に集中させる。この動きはAWSがEC2でサーバーを仮想化し、Lambdaでサーバーの存在そのものを消した流れの延長線上にあります。Managed Agentsが抽象化しようとしているのは、自律的に考えて動く「作業者」そのものの実行環境です。
その先にあるのは、働き方の静かな地殻変動かもしれません。エージェントが24時間コードを書き、デバッグし、リサーチを走らせる世界では、「人間がやるべき仕事」の輪郭が否応なく描き直されます。私たちの価値は、手を動かす速さではなく、何を作るべきかを見定める目と、エージェントの出力を評価し軌道修正する判断力に移っていく。それは解放であると同時に、これまで「手を動かすこと」にアイデンティティを見出してきた人にとっては、足元が揺らぐ感覚でもあるはずです。
便利さとベンダーロックインのトレードオフを、私たちはどこで引き受けるのか。そしてエージェントと並走する日常のなかで、自分自身の役割をどう再定義していくのか——その問いは、開発者だけでなく、エージェントを導入する企業、そしてエージェントと働くことになる私たち全員に向けられています。
