封杀第三方与Harness升维，Claude Managed Agents的平台化逻辑

4月4日，Peter Steinberger 在推特上爆了。

这位 OpenClaw 的创建者刚收到 Anthropic 的通知：他的开源 Agent 框架被切断了 Claude Pro 订阅访问权，理由是违反使用政策，缓冲时间只有一周。

就在被封杀之前，OpenClaw 已成为 GitHub 历史上增长最快的项目之一。Steinberger 拉上投资人 Dave Morin 直接找 Anthropic 谈判，结果只争取到一周延期。

四天后，4月8日，Anthropic 发布 Claude Managed Agents 公开测试版。

沙盒执行、会话管理、工具调用、权限控制，几乎把 OpenClaw 的核心功能全部覆盖。只不过，这次得在 Anthropic 自己的基础设施上跑，按他们的规则付费。

四天。先关第三方的门，再开自家的窗。

如果只把这件事读成一个"商业阴谋"故事，就低估了它真正值得讨论的部分。Claude Managed Agents 的出现，是 Agent 这个赛道从"原型阶段"走向"工程化阶段"的一个高度浓缩的截面，里面有产品逻辑、行业规律，也有对从业者非常重要的判断信号。

我们来拆开说。

$200 订阅跑 $5000 计算量，那个漏洞必须堵

Anthropic 封杀第三方 Agent 框架，直接原因不是技术，是商业模式被打穿了。 OpenClaw 这类工具的逻辑很简单：用户花 月 买 一 个 订 阅 ， 然 后 用 这 个 账 号 运 行 ， 持 续 调 用 的 推 理 能 力 ， 执 行 多 步 骤 任 务 ， 运 行 时 间 可 能 长 达 数 小 时 。

正 常 应 该 消 耗 几 千 美 元 的 费 用 ， 但 因 为 走 的 是 订 阅 渠 道 ， 只 收 到 了 那 200美元。 PYMNTS 的报道显示，部分重度用户用一个订阅账号跑出了价值 到 5,000美元的计算量。不是个别现象，是系统性套利。

扩展阅读：https://www.pymnts.com/artificial-intelligence-2/2026/third-party-agents-lose-access-as-anthropic-tightens-claude-usage-rules/

传统 SaaS 订阅能成立，是因为用户使用量相对可预测且有天然上限。你用 Word 写文档，不管写多少页，微软的服务器成本变化不大。但 AI Agent 完全不同，疯狂消耗 token、频繁调用外部工具、一个任务就能跑几个小时，使用量极其弹性，固定月费根本撑不住。

更关键的背景是，Agent 的企业渗透速度正在加快。2025 年 8 月，还有 52% 的公司停留在"探索 Agentic AI"阶段；到 2025 年 11 月，这个比例降到 30%，约四分之一的首席产品官开始报告真实的生产部署。三个月之内，Agent 从 PoC 进入生产，Anthropic 的订阅压力成指数级上升。

堵漏洞是必然的。封杀第三方框架，是这个决定的第一步。第二步，就是推出能在商业上跑通的替代品。

Claude Managed Agents：从卖铲子到卖矿场

要理解 Claude Managed Agents 的产品本质，先要把它解决的核心矛盾说清楚。

企业把 AI Agent 推向生产环境，面临的工程障碍远比想象中复杂。以下这些问题，在原型阶段根本不存在，到了生产阶段个个都是拦路虎：

• 沙盒执行：Agent 调用外部工具时得确保不会把生产系统搞崩；

• 会话持久化：Agent 可能运行几分钟到几小时，状态怎么保存，中断了怎么恢复；

• 凭证管理：Agent 需要访问数据库和第三方 API，敏感凭证怎么安全存储；

• 作用域权限：哪些操作 Agent 可以自主执行，哪些必须等人工审批；

• 端到端追踪：Agent 执行了什么操作、为什么出错、日志在哪。

正如 Anthropic 官方所说，这是"数月的基础设施工作，才能推出用户能看到的任何东西"。对三五个工程师的团队来说，搭建这套基础设施的成本，很可能比开发 Agent 业务逻辑本身还要高。

官方对Claude Managed Agents的定义，如下：

Claude Managed Agents提供了一套运行Claude作为自主agent（autonomous agent）的框架和基础设施。用户无需自行构建agent循环、工具执行和运行时环境，即可获得一个完全托管的运行环境，让Claude能够安全地读取文件、运行命令、浏览网页和执行代码。该框架支持内置的提示缓存、压缩和其他性能优化功能，以确保高质量、高效的代理输出。

这就是 Claude Managed Agents 的价值主张：把所有脏活累活全部托管，开发者只管写业务逻辑。

具体而言，Anthropic 构建了一个通过一小组稳定接口代表用户运行长周期 Agent 的托管服务，这组接口被设计为跨越任何特定实现的变化而保持稳定。开发者可以用自然语言描述 Agent 行为，或者写 YAML 配置文件定义任务、工具和护栏，然后在 Anthropic 的基础设施上直接运行，所有并发管理、故障恢复、上下文压缩，全部被抽象在平台层面。

从产品形态看，Claude Managed Agents 目前提供如下能力矩阵：

能力模块

功能描述

当前状态

沙盒代码执行

隔离的代码运行环境，支持文件读写、命令执行

正式可用

会话管理与检查点

持久化长时会话，支持断点续传和状态恢复

正式可用

工具编排与凭证管理

内置工具调用路由，统一管理第三方 API 凭证

正式可用

端到端追踪

Claude Console 内置会话追踪和日志工具

正式可用

多 Agent 协调

多个 Agent 并行执行、互相协作

研究预览

自评估与迭代

开发者定义成功标准，Claude 自主迭代达成目标

研究预览

记忆管理

跨会话的信息持久化和检索

研究预览

研究预览阶段的功能，是 Anthropic 下一阶段产品路线图的透明预告。特别是"自评估"能力，对于"足够好"需要判断而非二元通过/失败检查的任务场景，潜在价值相当深远。

如果用更直白的比喻来解释这次产品定位的转变：Anthropic 之前是卖铲子的，现在开始卖矿场了。

Harness 没有死，Anthropic 只是在给它定价

这是目前讨论中最容易被误读的一个点，有声音说，Claude Managed Agents 杀死了 harness。

Harness，在 AI Agent 语境里，指的是将大模型与工具调用、状态管理、错误处理等执行层封装在一起的运行框架，是 Agent 大脑和四肢之间的连接系统。它决定了 Agent 怎么接收任务、调用工具、处理中间状态、返回结果。

Anthropic 工程博客里有一段话值得反复读：

构建 Managed Agents 意味着解决计算领域一个古老的问题：如何为尚未被思考的程序设计系统。几十年前，操作系统通过将硬件虚拟化为足够通用的抽象（进程、文件）解决了这个问题。read() 命令对访问 1970 年代的磁盘组还是现代 SSD 是无感知的，上层抽象保持稳定，底层实现可以自由变化。Managed Agents 遵循同样的模式。

这段话的意思是：harness 里编码了大量随着模型迭代而会过时的假设，而 Managed Agents 在 harness 变化时，提供了一层保持稳定的接口抽象。

这不是在杀死 harness，恰恰相反，是在给 harness 所代表的一整套工程实践建立更稳固的基础。

更准确的理解是，Anthropic 比说的做得更好：它是通过实践来证明，Agent 就是需要一套安全、稳定、高效的生产运行环境。这更像是一次行业认知的有效普及。

真实情况是，harness 所代表的东西，从来都不是新发明的。大型企业在部署任何复杂系统时，都有自己的基础设施管控机制：沙盒环境、权限分级、审计日志、灾难恢复。

不管 Anthropic 有没有提出"managed agents"这个概念，真正走向生产的大企业都是按照这套逻辑在搭 AI Agent。有没有 harness 这个词，管控机制就在那里。

Claude Managed Agents 做的事，是把大企业本来就要自己搭的东西，打包成标准服务，让中小企业也能用得起。这是平台化的经典路径，不是什么概念的生死裁决。

目标用户：更像是为中小企业量身定制的

这是一个容易被忽略但非常重要的产品定位判断。

定价结构本身就透露了目标市场的信息：$0.08/活跃会话小时，加上标准 API Token 费用，这个组合对大型企业来说是可接受的运营成本；但对工程资源有限的中小公司来说，才是真正省下了最大的一块成本，即基础设施搭建和维护的工程人力。

早期客户案例侧面印证了这个判断。

Sentry：原本预计需要"数月"完成 Agent 集成，实际在"数周"内搞定，核心是把 bug 检测到 PR 提交的工作流自动化。他们的诉求很典型，没有多少工程资源去建一套完整的 Agent 运行基础设施，但又想快速验证 Agent 场景的价值。

Rakuten：每个专项 Agent 的部署周期控制在一周内，快速在产品、销售、市场、财务和 HR 等部门上线了垂直 Agent。这种快速迭代的节奏，更像是中等规模企业的数字化方式，而不是超大型企业的 IT 实施节奏。

Atlassian：声称能在数周而非数月内，将面向开发者的 Agent 直接构建进 Jira 等工具的工作流。关键词仍然是"数周"，说明他们优先看重的是开发速度，而不是极致的定制控制权。

反观有能力也有动力自建 Agent 基础设施的大型企业，它们更可能选择 Azure AI Foundry 或 AWS Bedrock AgentCore，因为这些平台能与已有的企业 IT 架构深度整合，在合规、数据驻留、私有化部署方面有更多选项。

这不是说 Claude Managed Agents 不适合大企业，而是它的价值主张在中小企业面前更清晰，说服力更强。

定价逻辑：透明，但成本需要算清楚

Managed Agents 的定价模型值得仔细看，它是一个三层结构：

• 基础层是标准API的token费，输入和输出分开计价，不管走哪个渠道都跑不掉。

• 第二层是"活跃会话运行时费"：每活跃会话小时额外收0.08美元，按毫秒计算。这里"活跃"的定义很关键，Agent等待用户输入或等工具响应时不算，只有Agent真正在"思考和执行"时才计时。

• 第三层是工具调用费，执行网页搜索时每1000次额外收10美元。

扩展阅读：https://thenewstack.io/with-claude-managed-agents-anthropic-wants-to-run-your-ai-agents-for-you/

第二层中的“活跃”定义很关键。Agent 等待用户输入或等待工具响应的空闲时间不计费，只有 Agent 真正在推理和执行时才计入运行时。这个设计相对合理，避免了为等待时间埋单。

以一个典型的客户服务 Agent 场景估算：处理一次请求消耗约 10,000 输入 Token + 5,000 输出 Token，Token 费用约 $0.50； 活 跃 推 理 时 间 分 钟 ， 运 行 时 费 用 $0.04 ；调用 3 次网络搜索，$0.03； 单 次 请 求 合 计 约 $0.57。

如果每天处理 10,000 次这样的请求，月成本接近 17 万美元。这个数字不便宜。

但这个成本必须与替代方案对比着看。自建同等能力的 Agent 基础设施，至少需要云服务器和数据库的持续运维、至少 0.5 到 1 个全职工程师的维护成本，以及每次大模型版本升级后的 Agent 循环适配工作。

对小团队来说，Claude Managed Agents 在合理使用量下，性价比是明确的。对于日处理量达到百万级的大公司，则需要认真做 TCO（总拥有成本）分析，简单对比表面价格会得出错误结论。

大模型公司始终在走的两条路

Claude Managed Agents 的推出，不是孤立事件，是一个更长周期趋势的显性节点。

大模型爆发以来，头部大模型公司始终在走两条平行的路线，从未偏离过。

第一条：模型即应用。 从 ChatGPT 横空出世到 Claude.ai、Gemini Advanced，大模型本身就是产品，直接面向 C 端用户。这是大模型技术突破的必然结果。当一个模型足够强大，能独立完成对话、写作、分析、代码等高价值任务时，应用层就自然附着在模型上了。

第二条：Agent 企业级。 从 OpenAI 的 Assistants API、Enterprise 服务，到 Anthropic 这次推出的 Claude Managed Agents，大模型公司都在试图把 AI 能力以平台服务的形式嵌入企业的生产工作流。这是大模型应用深入企业级生产环境的产物。

这两条路的逻辑是自洽且互相强化的。模型越强，消费级应用越好用，用户基数越大，品牌积累越厚；企业级平台越完善，企业客户越多，收入越稳定，反哺模型研发投入。两条腿走路，互相支撑。

Claude Managed Agents 是第二条路上的一个重要里程碑：从卖 API，到卖平台，从"给你原材料自己建房子"，到"我帮你建好房子你来住"。这个转变不只是 Anthropic 一家在走，是整个赛道头部玩家的共同选择。

又一批创业者的项目 Game Over 了

每次大模型公司把平台能力往上推一层，都会有一批创业者的项目失去立足点。这几乎是行业进化的必然代价，不值得意外，但值得正视。

2023 年 OpenAI 推出 GPTs 的时候，一批基于 GPT-3.5/4 做"AI 套壳"工具的早期创业者集体失声。他们的产品本质上是把 OpenAI 的能力包上一层自定义 UI 和系统提示，当 GPTs 直接把这个能力开放给普通用户，差异化瞬间消失。

这一次，Claude Managed Agents 做的事类似：把"基于 Claude 搭建 Agent 运行时"这件事，从开发者的定制化工程工作，变成了平台标准服务。受影响最直接的，是那些以"帮企业搭 Claude Agent 运行基础设施"为核心价值主张的创业公司。

OpenClaw 是最具代表性的案例。它的核心价值恰好是通过订阅 Claude 提供一套更易用的 Agent 运行框架，当 Anthropic 直接把这个框架做进了平台，商业逻辑就断了。

Steinberger 本人已于 2 月加入 OpenAI，Sam Altman 称其将"推动下一代个人 Agent"。一代开源项目的落幕，另一段旅程的开始。

这不是 Anthropic 的原创策略，也不会是最后一次。大模型公司的产品路线图，天然就是一台不断"往上层建楼"的机器。今天还是基础 API，明天是 SDK，后天是平台，大后天可能是垂直应用。

对创业者来说，这个规律传递出的信号只有一条：如果你的核心价值是对某个大模型能力的包装，而不是基于真实用户场景和数据积累建立的差异化，随时可能被平台化进程收割。

往下走，贴近业务场景，积累专属数据，建立真正的客户关系，才是能在平台化浪潮中生存的正确路径。

Claude Code 源码和 Managed Agents

最近网上对 Claude Code 代码泄露事件的讨论不少，有人把这件事和Claude Managed Agents联系到一起。事实上，这两件事的竞争逻辑完全不同。

Claude Code 是面向开发者的 AI 编程工具，其竞争壁垒主要来自模型能力在代码理解和生成上的深度整合，以及开发者在日常编程工作流中的习惯粘性。这是一个能力层面的竞争，关键变量是好不好用。

Claude Managed Agents 的壁垒则完全不同。它的护城河建立在：已建立的企业级基础设施信任、嵌入生产工作流后的高切换成本、跨工具的编排能力，以及数据管道与监控系统的整合深度。这是一个关系层面的竞争，关键变量是依赖多深。

两者的护城河来源不同，受损逻辑自然也完全不同。Claude Code 层面的技术信息泄露，不会对 Claude Managed Agents 的企业级平台价值产生什么实质影响。

把这两件事混在一起分析，是信息噪音，不是有效判断。

竞争格局：科技巨头角逐 Agent 基础设施

Claude Managed Agents 进入的，是一个已经有多位玩家深度布局的赛道。AI Agent 市场规模预计 2028 年将达到 500 亿美元，这个量级决定了竞争不会只有一个赢家。

目前在企业 Agent 基础设施领域有实质产品布局的，以海外几个科技巨头为例，主要是四个方向，

平台

代表产品

核心优势

主要局限

Anthropic

Claude Managed Agents

Claude 模型能力口碑、安全合规声誉、快速上线体验

单模型依赖、企业 IT 整合深度有限

Microsoft Azure

Azure AI Foundry + Agent Framework

企业 IT 生态整合深度、GPT 与 Claude 双模型、合规体系成熟

配置复杂度高，中小企业上手门槛较高

Google Cloud

Vertex AI Agent Builder + ADK

Gemini 原生整合、多模态能力、Google Search 工具优势

企业客户拓展和关系积累相对较弱

AWS

Bedrock AgentCore

深度 AWS 生态整合、最丰富的云服务调用能力

Agent专项能力相对后发,模型选择需额外配置

各家的差异化逻辑清晰：

Anthropic 押的是 Claude 在逻辑推理和代码理解上的能力口碑，加上品牌上的"安全 AI"定位。对那些在把 AI 引入关键业务工作流时特别看重安全性的企业，以及想快速上线的中小企业，这个组合有真实吸引力。

Azure 的护城河是无可比拟的企业 IT 生态整合深度。2026 年 2 月，微软让 Claude 进入了 Azure AI Foundry，一个平台同时调用 GPT 和 Claude 已经成为现实。这种"超市货架"逻辑，对有成熟云战略的大型企业极具吸引力。

真正值得警惕的是一个结构性问题：Hacker News 上的开发者指出，"最佳性能来自混合不同公司的 Agent，某些 Agent 在特定任务上就是更擅长"。这个判断直指 Claude Managed Agents 的单模型依赖局限，也说明在多模型编排成为标准配置的未来，平台的开放性将是关键胜负手之一。

优劣势框架：给企业决策者的参考清单

长篇分析说完，来一个简洁直接的判断框架。

核心优势：

上线速度是实打实的。Sentry"数周而非数月"的案例不是营销话术，Anthropic 官方数据显示开发周期整体可缩短 10 倍。对想快速验证 Agent 场景 ROI 的企业，这是货真价实的优势。

工程门槛真的降低了。生产级基础设施全部托管，不需要专职工程师维护 Agent 运行时，对技术资源有限的中小企业尤其有价值。

模型与基础设施协同优化是差异化。因为 harness 和 Claude 模型由同一家公司维护，内置的 Prompt Caching 和 Context Compaction 能做到自建基础设施很难达到的深度优化，Anthropic 内部测试显示结构化文件生成成功率提升最高 10 个百分点。

安全合规框架是标准配置而非额外选项。作用域权限、人工审批环节、凭证管理，对受监管行业来说是刚需，Managed Agents 把它们标准化了。

主要局限：

单模型锁定是结构性缺陷。整个平台只能跑 Claude，在需要多模型协同的场景，无解。

成本可预测性弱。按活跃会话时间和工具调用次数计费，高吞吐场景下月度账单难以精确预算，对财务管控严格的企业是风险因素。

企业 IT 整合深度有限。与 Azure 在 Active Directory、私有云部署、合规体系方面的深度整合相比，Anthropic 目前的企业级 IT 整合能力相对初级。

供应商依赖风险不可忽视。一旦 Agent 工作流深度嵌入 Anthropic 平台，迁移成本极高。如果 Anthropic 提价或在产品方向上做出不符合你需求的调整，腾挪空间会非常小。

当然，对于何时使用Claude Managed Agents，官方也给除了答案。Claude托管代理最适合需要以下功能的工作负载：

• 长时间运行执行：通过多次工具调用运行数分钟或数小时的任务

• 云基础设施：具备预安装包和网络访问权限的安全容器

• 最小化基础设施：无需构建自己的代理循环、沙箱或工具执行层

• 有状态会话：跨多次交互的持久文件系统和对话历史记录

再来说说Claude Managed Agents带来的行业影响，它的推出至少放出了3个信号：

信号一：中小企业的 Agent 平权窗口正在打开。

此前，AI Agent 的生产化部署是大公司的专利，因为只有大公司才有工程资源搭建完整的运行基础设施。Claude Managed Agents 这类平台产品的出现，正在把这个能力下放给更广泛的企业群体。当越来越多中小企业能把 Agent 推向生产，整个行业的渗透率曲线将会陡峭得多。

信号二：大模型公司的收入结构正在发生质变。

从按 Token 计费，到按运行时+Token+工具调用的复合计费，不仅是定价模型的调整，更是收入构成从"用量驱动"向"价值驱动"的演进。平台级产品能带来更稳定的经常性收入，也让大模型公司与客户的关系从"工具供应商"升级为"基础设施合作伙伴"。这个身份变化的长期商业价值，远超定价本身。

信号三：Agent 生态的分化正在加速。

平台化浪潮之下，Agent 生态会沿两个方向分化：一是贴近大模型公司的平台型基础设施，被 Anthropic、OpenAI、Google 等大厂收编；二是深耕垂直行业和具体业务场景的专业化应用，这些应用有真实的行业数据壁垒和客户关系积累，平台化浪潮很难直接替代它们。

创业者和从业者需要判断清楚自己在这个分化中处于哪个位置，然后做出对应的战略选择。这比讨论 Anthropic 是否"过河拆桥"更有实际价值。

结语：平台化是手段，不是终局

Claude Managed Agents 是 Anthropic 在 Agent 基础设施争夺战中迈出的重要一步。四天的节奏，让这一步的战略意图格外清晰。

但这件事最值得关注的地方，不是 Anthropic 的策略手腕，而是它所揭示的行业规律：当模型能力足够强，当 Agent 场景足够成熟，围绕 Agent 的工程基础设施就必然会被系统化、标准化、平台化。这个过程不是某一家公司的单边决定，而是整个行业演进的内在逻辑。

不管哪家公司来做这件事，安全、稳定、高效的企业级 Agent 运行环境都是必然的需求。有没有"managed agents"这个词，大型企业都一直在这么做。Anthropic 只是把它产品化了，让这个需求有了市场上的明确供给，让更多中小企业也能触达这层能力。

这个市场的最终格局，现在还远不是终局。平台化是手段，真正的护城河是企业客户的信任积累和生产工作流的深度整合。这两件事，都需要用时间来验证。

故事已经开始，但最精彩的部分还没到来。

[Anthropic Engineering Blog：Scaling Managed ]：Agentshttps://www.anthropic.com/engineering/managed-agents
[Claude 官方博客：get to production 10x faster]：https://claude.com/blog/claude-managed-agents
[Claude 官方文档 Overview]：https://platform.claude.com/docs/en/managed-agents/overview
[The New Stack：With Claude Managed Agents, Anthropic wants to run your AI agents for you]：https://thenewstack.io/with-claude-managed-agents-anthropic-wants-to-run-your-ai-agents-for-you/
[SiliconANGLE：Anthropic launches Claude Managed Agents]：https://siliconangle.com/2026/04/08/anthropic-launches-claude-managed-agents-speed-ai-agent-development/
[PYMNTS：Third-Party Agents Lose Access]：https://www.pymnts.com/artificial-intelligence-2/2026/third-party-agents-lose-access-as-anthropic-tightens-claude-usage-rules/
[BigGo Finance：Anthropic Cuts Off Third-Party AI Agents]：https://finance.biggo.com/news/202604050055_Anthropic-Claude-blocks-third-party-AI-agents-subscription
[Blockchain News：Enterprise AI Deployment]：https://blockchain.news/news/anthropic-claude-managed-agents-enterprise-ai-deployment
[TechBuzz AI：Anthropic Launches Managed Agents to Simplify AI Deployment]：https://www.techbuzz.ai/articles/anthropic-launches-managed-agents-to-simplify-ai-deployment
[Startup Fortune：Anthropic Unveils Managed Agents for Claude]：https://startupfortune.com/anthropic-unveils-managed-agents-for-claude-eyeing-enterprise-ai-workflows/
[Hacker News：Claude Managed Agents 讨论帖]：https://news.ycombinator.com/item?id=47693047

全文完

【文末福利1】：后台发消息研报2026，获取15篇2026年AI Agent研报。

【文末福利2】： 后台发消息Workflow，获取 Agentic Workflow 相关25篇论文。

【文末福利3】：后 台发消息agentic，获取Agentic AI相关资源 。

【文末福利4】：后台发消息RPA Agent，获取 相关论文和研报。

1、

2、

3、

4、

5、

6、

7、

8、

8、

10、