Guida Claude Managed Agents

Guida Claude Managed Agents

Una guida pratica per sviluppatori e AI engineer su come costruire agenti AI autonomi con l’infrastruttura gestita di Anthropic

Indice dei contenuti Guida Claude Managed Agents

1. Cosa sono i Claude Managed Agents
2. Architettura e concetti fondamentali
3. Quando usare Managed Agents (e quando no)
4. Come funziona: il flusso operativo
5. Primi passi: setup e quickstart
6. Esempio pratico con codice
7. Tool disponibili e integrazione MCP
8. Prezzi e accesso beta
9. Casi d’uso reali in produzione
10. Conclusioni e formazione continua

1. Cosa sono i Claude Managed Agents

Lanciati in public beta l’8 aprile 2026, i Claude Managed Agents sono una suite di API composabili progettate per costruire e distribuire agenti AI cloud-hosted su scala. In pratica, si tratta di un harness (un’impalcatura) pre-costruita e configurabile che gira su infrastruttura gestita da Anthropic, eliminando la necessità di costruire da zero il proprio agent loop, il sandboxing, la gestione dello stato e l’esecuzione degli strumenti.

Il problema che risolvono è molto concreto: fino ad oggi, chi voleva portare un agente AI in produzione doveva investire settimane o mesi in lavoro infrastrutturale, sandbox sicure, checkpointing, gestione delle credenziali, permissioning granulare e tracing end-to-end, prima ancora di scrivere una riga di logica applicativa. Managed Agents comprime questo percorso da mesi a giorni, secondo i dati di Anthropic e le testimonianze dei partner.

2. Architettura e concetti fondamentali – Guida Claude Managed Agents

Il sistema ruota attorno a quattro concetti chiave, che è bene interiorizzare prima di scrivere codice:

• Agent: è la configurazione dell’agente, composta dal modello (es. claude-sonnet-4-6), il system prompt, gli strumenti disponibili, gli MCP server e le Skills. Si crea una volta sola e si referenzia tramite ID in tutte le sessioni successive.
• Environment: è il container cloud configurato in cui l’agente opera. Definisce i pacchetti pre-installati (Python, Node.js, Go, ecc.), le regole di accesso alla rete e i file montati. Anche questo si crea una volta e si riusa.
• Session: è l’istanza in esecuzione di un agente in un dato environment, legata a un task specifico. Ogni sessione produce output e mantiene la propria cronologia.
• Events: sono i messaggi scambiati tra la tua applicazione e l’agente — turni utente, risultati dei tool, aggiornamenti di stato. Lo streaming avviene tramite SSE (Server-Sent Events).

Questa separazione tra definizione (Agent + Environment) ed esecuzione (Session + Events) è un design pattern potente: permette di riusare configurazioni validate su task diversi senza duplicare la logica di setup.

3. Quando usare Managed Agents (e quando no)

Managed Agents è la scelta corretta per workload che richiedono esecuzione lunga (da minuti a ore, con numerose chiamate ai tool), infrastruttura cloud sicura senza doverla gestire direttamente, e sessioni stateful con filesystem persistente e cronologia delle conversazioni.

Se invece il tuo caso d’uso richiede controllo granulare sul loop dell’agente, latenza minima su prompt-response singoli, o logica altamente personalizzata per ogni chiamata al modello, la Messages API diretta rimane la scelta più appropriata. Non è un “o l’uno o l’altro”: le due soluzioni coesistono e si complementano a seconda dello scenario.

4. Come funziona: il flusso operativo

Il ciclo di vita di una sessione segue cinque fasi:

Prima si crea l’agente con modello, system prompt e tool abilitati. Poi si configura l’environment con le specifiche del container. Si avvia quindi la session collegando agent e environment. A questo punto si inviano eventi (messaggi utente) e si riceve lo stream SSE in tempo reale mentre Claude esegue autonomamente i tool. Infine si può pilotare o interrompere l’agente a metà esecuzione inviando nuovi eventi, senza dover riavviare da zero.

Un dettaglio tecnico rilevante: lo storico degli eventi è persistito lato server e recuperabile in qualsiasi momento, anche dopo disconnessioni. Le sessioni possono sopravvivere a interruzioni di rete senza perdere lo stato.

5. Primi passi: setup e quickstart

I prerequisiti sono semplici: un account su Claude Platform (platform.claude.com), una API key e il pacchetto SDK installato. Tutte le richieste verso gli endpoint Managed Agents richiedono l’header beta managed-agents-2026-04-01, impostato automaticamente dall’SDK ufficiale.

# Installazione SDK Python
pip install anthropic

# Impostare la chiave API
export ANTHROPIC_API_KEY="sk-ant-..."

Esiste anche una CLI dedicata (ant) installabile via Homebrew su macOS o via curl su Linux/WSL, utile per il deploy rapido dalla riga di comando.

6. Esempio pratico con codice

Vediamo il flusso completo per creare un agente che scrive e testa uno script Python. Utilizzando curl (adattabile a qualsiasi SDK):

Passo 1 — Creare l’agente:

curl -sS https://api.anthropic.com/v1/agents \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: managed-agents-2026-04-01" \
  -H "content-type: application/json" \
  -d '{
    "name": "Coding Assistant",
    "model": "claude-sonnet-4-6",
    "system": "Sei un assistente di coding. Scrivi codice pulito e documentato.",
    "tools": [{"type": "agent_toolset_20260401"}]
  }'

Il tipo agent_toolset_20260401 abilita l’intero set di tool pre-costruiti (bash, operazioni su file, web search, ecc.). La risposta restituisce un agent.id da salvare.

Passo 2 — Creare l’environment:

curl -sS https://api.anthropic.com/v1/environments \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: managed-agents-2026-04-01" \
  -H "content-type: application/json" \
  -d '{"name": "my-env", "config": {"type": "cloud", "networking": {"type": "unrestricted"}}}'

Passo 3 — Avviare la sessione e inviare un task:

# Creare la sessione
curl -sS https://api.anthropic.com/v1/sessions \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: managed-agents-2026-04-01" \
  -H "content-type: application/json" \
  -d '{"agent": "<AGENT_ID>", "environment_id": "<ENV_ID>", "title": "Test session"}'

# Inviare il task all'agente
curl -sS "https://api.anthropic.com/v1/sessions/<SESSION_ID>/events" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: managed-agents-2026-04-01" \
  -H "content-type: application/json" \
  -d '{"events": [{"type": "user.message", "content": [{"type": "text", "text": "Scrivi uno script Python per i primi 20 numeri di Fibonacci e salvalo in fibonacci.txt"}]}]}'

L’agente risponde in streaming: scrive il file, esegue lo script con bash, verifica l’output e invia l’evento session.status_idle quando ha terminato. Zero infrastruttura gestita dal developer.

7. Tool disponibili e integrazione MCP

L’agent_toolset include nativamente: Bash (esecuzione comandi shell nel container), operazioni su file (read, write, edit, glob, grep), web search e web fetch, e connessione a MCP server esterni. Il protocollo MCP (Model Context Protocol) è particolarmente rilevante per chi vuole collegare l’agente a sistemi aziendali esistenti come CRM, database, o piattaforme di project management, senza dover riscrivere integrazioni custom. Basta configurare l’URL del server MCP nella definizione dell’agente.

Per chi è già familiare con Claude Code, è possibile usare la versione più recente di Claude Code con la skill claude-api integrata per fare onboarding su Managed Agents direttamente dalla CLI, chiedendo semplicemente “start onboarding for managed agents in Claude API”.

8. Prezzi e accesso beta

Il pricing è a consumo: si applicano le tariffe standard dei token Claude Platform, più 0,08 dollari per session-hour di runtime attivo. Per task brevi il costo è trascurabile; per sessioni lunghe (analisi di codebase, pipeline di dati) il costo va pianificato nel budget di progetto.

Managed Agents è disponibile per tutti gli account API senza richiesta aggiuntiva. Alcune funzionalità avanzate, outcomes (auto-valutazione iterativa del risultato), multi-agent (coordinamento tra agenti paralleli) e memory persistente, sono in research preview e richiedono richiesta di accesso separata tramite il form ufficiale.

I rate limit sono 60 richieste/minuto per gli endpoint di creazione e 600 richieste/minuto per gli endpoint di lettura, a livello di organizzazione.

9. Casi d’uso reali in produzione

I partner di lancio hanno dimostrato concretamente il valore della piattaforma. Asana ha integrato agenti AI collaborativi (AI Teammates) nelle proprie board di progetto, con tempi di sviluppo drasticamente ridotti. Sentry ha collegato il proprio agente di debug Seer a un agente Claude che scrive la patch e apre la PR automaticamente, portando il ciclo da “bug rilevato” a “fix in review” in un unico flusso, con un’integrazione costruita in settimane anziché mesi. Rakuten ha deployato agenti specializzati per aree aziendali diverse (product, sales, marketing, finance), ciascuno distribuito in meno di una settimana. General Legal ha eliminato la necessità di anticipare ogni possibile query degli utenti, lasciando che l’agente costruisca i tool necessari al volo, riducendo il tempo di sviluppo di un fattore 10.

10. Conclusioni e formazione continua

Claude Managed Agents rappresenta un cambio di paradigma nello sviluppo di applicazioni AI agentiche: l’infrastruttura diventa un commodity gestita da Anthropic, e il team di sviluppo può concentrare tutto il proprio effort sulla logica di business e sull’esperienza utente. Per un AI engineer laureato in informatica, padroneggiare questo layer significa poter portare in produzione pipeline agentiche complesse in giorni anziché mesi, con sandboxing, stato persistente, tracing e governance già risolti.

Eppure, come dimostra la storia di questi strumenti, lanciati in beta pubblica nell’aprile 2026 e già adottati da player come Asana, Rakuten e Sentry, il mondo AI si muove a una velocità spaventosa. Tecnologie che oggi sembrano all’avanguardia diventano in pochi mesi lo standard minimo richiesto. In questo contesto, la formazione continua del team IT non è un’opzione: è l’unica strategia sostenibile per restare competitivi.

Se stai valutando come aggiornare le competenze del tuo team su AI Generativa, agenti, prompt engineering e integrazione di modelli LLM in produzione, Innovaformazione offre un catalogo completo di corsi specifici, attivabili su richiesta con calendario da concordare e modalità online in classe virtuale. È possibile accedere ai fondi Fondimpresa per la formazione gratuita dei dipendenti, abbattendo i costi di aggiornamento professionale.

Scopri il catalogo Corsi AI Generativa.

Per informazioni sui programmi formativi e sull’accesso ai fondi, contatta:

📧 info@innovaformazione.net 📞 347 101 2275 — Dario Carrassi

Per altri articoli tecnici consigliamo di navigare sul nostro blog QUI.

(fonte) (fonte) (fonte)