development·

Claude Managed Agents 完全ガイド｜長時間稼働AIエージェントを「インフラなし」で本番投入する

2026年4月8日に公開ベータになったClaude Managed Agentsを徹底解説。サンドボックス・状態管理・MCP・Agent Skillsを全部Anthropicに任せて、数日でプロダクションエージェントを立ち上げる手順と、Routines・Agent SDKとの棲み分け、$0.08/session-hour + 検索課金のコスト試算まで整理します。

#Claude Managed Agents#Anthropic#AIエージェント#プロダクション#MCP
Claude Managed Agents 完全ガイド｜長時間稼働AIエージェントを「インフラなし」で本番投入する

AI エージェントを本番で数時間〜数日走らせたい、でもサンドボックス・状態永続化・エラー復旧・MCP ブリッジを自前で整えるのはコストが見合わない ── そんな悩みに対して Anthropic が用意した答えが Claude Managed Agents です。2026 年 4 月 8 日に公開ベータとなり、**「エージェントループを丸ごと Anthropic に任せる」**というシンプルな提案をしています。

本記事では、REST API の 3 エンドポイント（/v1/agents / /v1/environments / /v1/sessions）、ベータヘッダー managed-agents-2026-04-01、$0.08 / session-hour + Web 検索 $10 / 1,000 回 の課金体系、Routines・Agent SDK との棲み分けまで、一次情報ベースで整理します。基礎はClaude Code完全ガイド、自前実装はClaude Agent SDK実装ガイド、軽量自動化はClaude Code Routines完全ガイドを参照してください。

この記事を読むとわかること

  • Managed Agents の公開ベータ開始日（2026-04-08）とアーキテクチャ概要
  • 3 つの REST API（/v1/agents / /v1/environments / /v1/sessions）の役割
  • ベータヘッダー managed-agents-2026-04-01 の使い方
  • 料金（トークン + $0.08 / session-hour + Web 検索 $10 / 1,000 回）の内訳とコスト試算
  • Routines / 自前 Agent SDK / Managed Agents の使い分けマトリクス
  • MCP + Agent Skills の再利用と OAuth トークンの安全な取り扱い

結論 ── 「エージェントループ + サンドボックス + 状態永続化」を丸ごと任せるプラットフォーム

Claude Managed Agents は、Anthropic が 2026 年 4 月 8 日に公開ベータで提供開始した、長時間稼働・ステートフルな AI エージェントを Anthropic のインフラ上で実行するマネージドプラットフォームです。 サンドボックスコンテナ、状態永続化、ツール実行、エラー復旧を Anthropic が管理するため、開発者はエージェントループを自前実装することなく、REST API 経由で数日でプロダクションエージェントを立ち上げられます。

料金は通常の Claude トークン料金に加え、アクティブ実行時間（session status=running の期間、ミリ秒単位計測）1 時間あたり $0.08、および Web 検索ツール利用時は 1,000 回あたり $10 です。

Managed Agents の公開ベータと位置付け

項目値出典
公開ベータ日2026 年 4 月 8 日公式ブログ
実行場所Anthropic 管理のクラウドインフラ公式ドキュメント
必須ベータヘッダーmanaged-agents-2026-04-01同上
session-hour 課金$0.08 / session-hour（status=running のみ、ミリ秒単位）公式料金
Web 検索追加課金$10 / 1,000 回（= $0.01 / 回）同上
マルチエージェント協調・自己評価research preview（別途申請）公式ドキュメント

Anthropic が Routines（トリガー駆動の軽量自動実行）、Agent SDK（自前インフラで動かす）、Managed Agents（本番エージェント運用基盤）の 3 層で提供している点に注目してください。

アーキテクチャ

Managed Agent Harness（エージェントループ + ツール実行 + サンドボックス + 状態）

Managed Agent Harness は以下 4 つを 1 セットにまとめた実行基盤です。

  • Agent Loop: Claude Code と同じ推論・ツール呼び出しループ
  • Tool Execution: MCP ツール・Agent Skill の実行
  • Sandbox Container: プリインストール済みパッケージとネットワークアクセス付きの安全な実行環境
  • State Persistence: セッション間での状態保持

従来、本番エージェントを動かすには上記 4 つを全て自前で実装する必要がありましたが、Managed Agents はこれを REST API として提供します。

3 つの REST API

エンドポイント役割
/v1/agentsエージェント定義（prompt / tool / skill / MCP）の管理
/v1/environmentsサンドボックス環境の作成・管理
/v1/sessions実行セッションの起動・監視・停止

これらを呼び出すだけで、エージェントループを自前で実装することなくプロダクション運用が始められます。全エンドポイントは managed-agents-2026-04-01 ベータヘッダーが必須です（SDK 利用時は自動付与、raw cURL では手動）。

MCP と Agent Skills の再利用

Managed Agents は 2025 年 10 月に公開された Agent Skills Beta プロトコルと互換性があり、既存の Skill パッケージを無改修で利用できます。エージェント定義内で MCP サーバーと Skill を直接宣言します。

{
  "agent_name": "doc-indexer",
  "mcp_servers": [
    {"name": "vector_db", "url": "https://mcp.example.com/vector"}
  ],
  "skills": ["file_reader", "summarizer"],
  "system_prompt": "ドキュメントをベクトル DB にインデックスしてください。"
}

OAuth トークン管理

外部 SaaS（Google Workspace、Slack、GitHub 等）への接続は MCP 経由で行われ、OAuth トークンは Anthropic のセキュアボルトで管理されます。Claude は専用プロキシを経由してトークンを取得し、MCP ツールを呼び出します。

  • 暗号化方式・鍵ローテーション頻度・アクセスログ保管期間の詳細はエンタープライズ契約と公式 SLAで確認してください
  • トークンはセッション単位で紐付けられ、セッション終了後のトークン扱いも公式ドキュメントで確認

セットアップ手順

ベータヘッダーの付与

全リクエストに必須です。

curl -X POST https://api.anthropic.com/v1/agents \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-beta: managed-agents-2026-04-01" \
  -H "Content-Type: application/json" \
  -d @agent.json

エージェント定義の宣言

{
  "name": "customer-support-agent",
  "model": "claude-opus-4-7",
  "system_prompt": "FAQ・過去チケット・マニュアルを参照して顧客対応します。個人情報は返信に含めないでください。",
  "mcp_servers": [
    {"name": "zendesk", "url": "https://mcp.example.com/zendesk"},
    {"name": "faq_vector", "url": "https://mcp.example.com/faq-vector"}
  ],
  "skills": ["escalate_to_human"],
  "permissions": {
    "mode": "default"
  },
  "limits": {
    "max_tokens_per_session": 500000,
    "max_session_duration_minutes": 120
  }
}

limits を設定することで、session-hour 課金の暴走を予防できます。

環境の作成とセッション起動

# 1. 環境作成
curl -X POST https://api.anthropic.com/v1/environments \
  -H "anthropic-beta: managed-agents-2026-04-01" \
  -d '{"agent_id": "<agent_id>", "env_vars": {"TIMEZONE": "Asia/Tokyo"}}'

# 2. セッション起動
curl -X POST https://api.anthropic.com/v1/sessions \
  -H "anthropic-beta: managed-agents-2026-04-01" \
  -d '{"environment_id": "<env_id>", "input": "チケット #123 を解決して"}'

以後、エージェントはサンドボックス内で自律的にツールを呼び出し、完了または上限到達まで動きます。

ユースケース

データ解析パイプラインの自動化

毎朝 1 時間ほど、複数データソースからデータを収集 → クリーニング → 異常検知 → Slack に結果通知、というパイプラインをエージェントに任せる。session-hour が 1 時間なら課金は $0.08 と、人間のオペレーターと比べて圧倒的に安価です。

カスタマーサポート（長時間会話）

1 つのチケットについて、顧客との複数往復・社内 DB 参照・他部門エスカレーションまでを 1 セッションで継続。セッションが 30 分なら課金は $0.04 + 消費トークン + Web 検索分です。

複雑な調査タスク（web + DB + API を跨ぐ）

市場調査・競合分析など、Web 検索と社内 DB、外部 API を組み合わせる長時間タスクで力を発揮します。session-hour × 数時間の課金と、Web 検索 $0.01 × 検索回数を合算して試算します。

料金とコスト試算

トークン料金 + $0.08 / session-hour + Web 検索

Opus 4.7 を前提にした試算例です。

シナリオトークン計算式（30 日）session-hourWeb 検索月額合計
短時間タスク×多数（15 分×1 日 4 回）($5×0.5M + $25×0.1M) × 30 = $15030 h × $0.08 = $2.41,500 回 × $0.01 = $15$167.4
長時間タスク×少数（2 時間×1 日 2 回）($5×2M + $25×0.4M) × 30 = $600120 h × $0.08 = $9.66,000 回 × $0.01 = $60$669.6
終日常駐（22 時間 / 日）($5×5M + $25×1M) × 30 = $1,500660 h × $0.08 = $52.830,000 回 × $0.01 = $300$1,852.8

※トークン計算式は Opus 4.7 の素の価格（入 $5 / 出 $25 per M）を適用した概算。実運用では 新 tokenizer による +35% 増（詳細はClaude Opus 4.7 × Claude Code）、プロンプトキャッシュ（cache hit で最大 90% 削減）、Batch API（50% 割引）を考慮してください。

エージェント無限ループで session-hour 課金が暴走すると、$0.08 × 24 × 30 = $57.6 / 月 / セッションの固定費に加え、トークン消費が青天井になります。仮に Opus 4.7 で 24 時間稼働し、1 時間あたり入力 500K + 出力 100K トークンを消費するケースでは、月額トークン課金だけで ($5×0.5 + $25×0.1) × 24 × 30 = $2,520、session-hour と合わせて 月額 $2,578 / セッションに達します。limits を設定しないまま本番投入することは、事実上の予算事故と同義です。

既存の自動化手段との比較

Managed Agents vs Routines

観点RoutinesManaged Agents
実行モデルトリガー駆動・単発長時間稼働・状態永続化
課金軸プラン内トークン枠トークン + session-hour + 検索
状態管理セッション単位長期永続化（セッション跨ぎ）
典型タスクPR レビュー、日次監査カスタマーサポート、長時間調査

Managed Agents vs 自前 Agent SDK

観点自前 Agent SDKManaged Agents
インフラ自前（EC2/GKE等）Anthropic 管理
サンドボックス自前実装提供
状態管理自前実装提供
運用コストインフラ + 人件費$0.08/h の従量
カスタマイズ性極めて高いAPI 範囲内

Managed Agents vs AWS Bedrock Agents / Google Vertex AI Agent Builder

Managed Agents は Claude ネイティブのエージェントループと Agent Skills プロトコル互換が強みです。Bedrock Agents / Vertex AI Agent Builder はそれぞれ AWS / GCP エコシステムとの統合が強みで、使っているクラウドとの親和性で選ぶのが実際的です。

Gotcha ── 本番移行前に確認すべきこと

エージェント無限ループで session-hour 課金が暴走するリスク

必ず以下を設定してください。

  • limits.max_session_duration_minutes で上限時間
  • limits.max_tokens_per_session で上限トークン
  • 異常検知時の自動停止（モニタリング + kill API）

セッション停止用のエンドポイントおよびリクエスト仕様は、導入前に必ず公式ドキュメントの最新版で確認し、テスト環境で停止フローをリハーサルしてから本番投入してください。本記事では停止 API の具体的パスは公式確定記述に委ね、本文では意図的に断定を避けます。

Web 検索課金（$10 / 1,000 回）の見積り

エージェントが自律的に Web 検索を多用するユースケースでは、トークン課金以上に検索課金が効いてきます。1 セッション 200 回の検索なら $2、1,000 セッション / 月なら $2,000 の追加コストです。

マルチエージェント機能は research preview

現状、マルチエージェント協調・自己評価は research preview で別途申請が必要です。本番で即座に使える機能ではない点に注意してください。

レートリミットと同時実行上限

public beta のためレートリミット・同時実行上限が存在します。数値は公式ドキュメントの最新情報を確認し、スパイク時の動作をテスト環境で検証してください。

ログ・トレースの取得方法

エージェントの実行ログ・ツール呼び出しトレースは、REST API または Anthropic コンソールで取得します。外部 SaaS（Datadog 等）への連携が必要な場合は、エンタープライズ契約で明示的に要件を伝えてください。

エージェントの誤動作時の kill コマンド

セッション暴走時に即停止できることを、テスト環境で必ず確認してください。運用手順書に「停止 API の呼び出し手順」を明記します。

セキュリティ・コンプライアンス観点

サンドボックス仕様

  • ネットワーク egress 制限: プリセットされたホスト以外へのアクセスは原則不可（要公式ドキュメント確認）
  • ファイルシステム隔離: セッション間で FS は分離
  • CPU / メモリ上限: 公式ドキュメントの最新情報を確認

OAuth トークンのセキュアボルト

  • 暗号化方式 / 鍵ローテーション頻度 / アクセスログ保管期間 → エンタープライズ契約と SLA で確認

データ所在地・準拠

  • データレジデンシー: 実行中データの処理リージョン
  • GDPR / HIPAA 対応: Anthropic の取得状況と Managed Agents への適用範囲は最新公式情報を確認

監査ログ

  • 実行ログの保管期間・取得 API・外部 SIEM への連携可否はエンタープライズ契約で確認

よくある質問

よくある質問

まとめと次のステップ

Claude Managed Agents は、本番エージェントに必要なインフラを Anthropic に丸ごと任せるという、今までありそうでなかった選択肢を提供します。「AI エージェントを PoC で終わらせず、本番で運用する」という次のステップに進むチームにとって、自前で Kubernetes やサンドボックスを整える工数を大幅に削減できる意味は大きいはずです。

一方で、session-hour 課金・Web 検索追加課金・無限ループリスクなど、従量課金独特の運用設計が必要です。まずは小さなユースケース（内部向けのチケット自動仕分けなど）でコスト感と停止フローを検証し、自信を持ってから本番トラフィックに展開するのが堅実です。

次のステップ:

関連記事

koromo からの提案

AIツールの導入判断は、突き詰めると「投資対効果が合うか」「リスクを管理できるか」「事業にどう効くか」の3点に帰着します。koromo では、この判断に必要な材料を整理するところからご支援しています。

以下のような状況にある方は、まず現状の整理だけでも前に進むきっかけになります。

  • AIで開発や業務を効率化したいが、自社に合う方法がわからない
  • 社内にエンジニアがいない / 少人数で、AI導入の進め方に見当がつかない
  • 外注先の開発会社にAI活用を提案したいが、何を求めればいいか整理できていない
  • 「AIを使えばコスト削減できるはず」と感じているが、具体的な試算ができていない
無料ツールAI導入 準備度チェック19項目で自社の準備状況を診断 →無料ツールROI 試算ツール業務削減コストを即時スコアで確認 →

ツールを使った上で相談したい方はお問い合わせフォームから「AI活用の相談」とご記載ください。初回の壁打ち（30分）は無料で対応しています。

本記事の更新方針: 本記事は定期的に内容を見直しています。記事内の判断軸・運用パターンは執筆時点での koromo の実務的知見に基づくものであり、個別環境での効果を保証するものではありません。仕様の最新情報は必ず Claude Managed Agents 公式ドキュメント をご確認ください。

Related Articles

Claude Agent SDK 実装ガイド｜Claude Codeのエージェントループを自社プロダクトに組み込む（Python・TypeScript対応）
development

Claude Agent SDK 実装ガイド｜Claude Codeのエージェントループを自社プロダクトに組み込む（Python・TypeScript対応）

Claude Opus 4.7 × Claude Code 徹底解説｜SWE-bench 87.6%・xhigh effort・Task Budgets を読み解く
development

Claude Opus 4.7 × Claude Code 徹底解説｜SWE-bench 87.6%・xhigh effort・Task Budgets を読み解く

MCPサーバーとは？業務システムとAIをつなぐ次世代プロトコル解説
development

MCPサーバーとは？業務システムとAIをつなぐ次世代プロトコル解説