Anthropic lanserte Claude Managed Agents 8. april 2026 – en ferdig infrastruktur for å kjøre Claude som autonom agent i skyen, uten at du trenger å bygge agent-loop, sandbox eller verktøyeksekusjon selv. Tjenesten er nå i offentlig beta og tilgjengelig for alle med en Claude API-nøkkel.

Å bygge produksjonsklare AI-agenter har til nå vært smertefullt. Du trengte å sette opp containerinfrastruktur, håndtere autentisering, logge alt, sikre at langvarige sesjoner ikke krasjet ved nettverksproblemer – og sørge for at credentials ikke lå i same sandbox som den AI-genererte koden. Alt dette er borte med Managed Agents. Anthropic tar over den biten, og du fokuserer på hva agenten faktisk skal gjøre.

Resultatet er at Anthropic hevder utviklingstiden fra idé til produksjon kan kuttes med en faktor på ti. Det er et stort tall – og etter å ha sett arkitekturen, er det ikke umulig å tro på.

Hva er egentlig forskjellen fra vanlig Messages API?

Anthropic tilbyr nå to veier inn til Claude. Messages API er det du kjenner fra før – direkte modell-tilgang, full kontroll, bygg alt selv. Claude Managed Agents er noe annet: en ferdigbygd, konfigurerbar agent-harness som kjører i Anthropics sky.

Forskjellen er ikke liten. Med Messages API er du ansvarlig for hele agent-løkken: kall modellen, parse verktøykall, eksekver dem, send resultater tilbake, gjenta. Feil håndterer du selv. Langvarige sesjoner? Din jobb. Sandboxing? Ditt problem. Med Managed Agents er alt dette ferdiglagd.

Det betyr ikke at du mister kontroll – det betyr at du slipper å bruke måneder på infrastruktur før du kan begynne å teste selve agentatferden.

De fire kjernekonceptene du trenger å forstå

Systemet er bygget rundt fire konsepter som henger tett sammen:

  • Agent – Selve konfigurasjonen: modell, systemprompt, verktøy, MCP-servere og skills. Du definerer agenten én gang og refererer til den via ID.
  • Environment – En konfigurert container med forhåndsinstallerte pakker (Python, Node.js, Go etc.), nettverkstilgangsregler og monterte filer.
  • Session – En kjørende agentinstans innenfor et environment. Én agent kan ha mange parallelle sesjoner.
  • Events – Meldingsutvekslingen mellom applikasjonen din og agenten: brukerturns, verktøyresultater, statusoppdateringer. Streames tilbake via server-sent events (SSE).

Flyten er dermed: definer agenten én gang, sett opp et environment, start en sesjon, send events, og styr agenten underveis om nødvendig. Du kan til og med avbryte den midt i kjøringen og endre retning – noe som er nyttig når du oppdager at agenten er på vei feil sted.

Diagram over Claude Managed Agents fire kjernekonsepter: Agent, Miljø, Sesjon og Hendelser
De fire kjernekonceptene i Claude Managed Agents: Agent, Miljø, Sesjon og Hendelser – og hvordan de henger sammen.

Hvilke verktøy har agenten tilgang til?

Managed Agents gir Claude tilgang til et sett innebygde verktøy som er ganske kraftfullt:

  • Bash – Kjør shell-kommandoer i containeren
  • Filoperasjoner – Les, skriv, rediger, søk i filer i containeren
  • Nettsøk og henting – Søk på nett og hent innhold fra URLer
  • MCP-servere – Koble til eksterne verktøyleverandører

Dette er det samme settet Claude Code bruker – bash, filer, web. Forskjellen er at her kjører det i Anthropics sky, i en sikker sandbox, med credentials lagret i en vault utenfor selve sandboxen. Det siste er viktig: tidligere var det et reelt sikkerhetsproblem at credentials lå tilgjengelig i den samme containeren som AI-generert kode kunne lese. Det problemet er nå løst.

Arkitekturen bak: Hva betyr «decoupling the brain from the hands»?

Anthropics ingeniørblogg publiserte et interessant teknisk innlegg om arkitekturen bak Managed Agents, med tittelen «Decoupling the brain from the hands». Det er en god beskrivelse av hva de faktisk har gjort.

Systemet separerer tre komponenter som tidligere var tett koblet:

  • Session – En append-only logg over alle hendelser (uforanderlig, ligger utenfor alt annet)
  • Harness – Løkken som kaller Claude og ruter verktøykall
  • Sandbox – Kjøremiljøet for faktisk kodeeksekusjon

Tidligere delte disse tre en container – en «kjæledyrserver» som måtte håndteres med forsiktighet. Nå er hver komponent en engangsressurs: krasjer harness-en, bootes det en ny som henter hendelsesloggen og fortsetter. Krasjer sandboxen, kan Claude fordele arbeidet til en ny instans. Ingenting er permanent unntatt session-loggen.

Ytelsestallene fra dette valget er gode: median time-to-first-token ble redusert med rundt 60%, og 95. percentil (de tregeste kallene) med over 90%. Årsaken er at containere nå provisjoneres ved behov via verktøykall, ikke forhåndsinitialiseres – noe som eliminerte et av de største ventetidspunktene.

Langvarige sesjoner som overlever nettverksbrudd

Dette er kanskje den mest praktisk nyttige funksjonen for alle som har forsøkt å kjøre komplekse agent-workflows i produksjon: sesjoner som kjører autonomt i timer, der fremdrift og output overlever frakobling.

I dag er det normalt at en lang agentkjøring feiler hvis nettverket dropper ut, serveren restartes, eller noe annet uventet skjer. Da er all fremdrift borte og du starter på nytt. Med Managed Agents er session-loggen persistent server-side – du kan koble til igjen og hente hele historikken, eller la agenten fortsette uten at du er til stede i det hele tatt.

For bedrifter som vil la agenter jobbe over natten med lange research-oppgaver, kodegenerering, eller databehandling, er dette en vesentlig endring.

Arkitekturdiagram som viser decoupling av harness, hendelseslogg og sandbox i Claude Managed Agents
Arkitekturen bak Managed Agents separerer harness, hendelseslogg og sandbox – slik at hver komponent kan feile og erstattes uavhengig.

Multi-agent koordinering – hva som er i research preview

Det mest spennende, og det som foreløpig er begrenset tilgang til, er multi-agent koordinering. Agenter kan spinne opp og dirigere andre agenter for å parallellisere komplekst arbeid.

Tre funksjoner er i research preview og krever separat forespørsel om tilgang:

  • Outcomes – Agenten definerer sitt eget suksesskriterium og itererer til det er nådd
  • Multi-agent – Orkestrering av parallelle agentinstanser
  • Memory – Avansert minne-verktøy på tvers av sesjoner

At dette er i research preview betyr at Anthropic åpenbart ikke er ferdig med å finne ut av det. Det er fornuftig å holde tilbake funksjonalitet som kan oppføre seg uforutsigbart i produksjon. Claude Code Auto Mode hadde samme tilnærming – gradvis utvidelse av autonomi etter hvert som man forstår risikoen bedre.

Hvem bruker det allerede?

Anthropic har løftet frem noen selskaper som allerede er i gang med Managed Agents:

  • Notion – Parallelle oppgaver med teamsamarbeid
  • Rakuten – Bedriftsagenter integrert med Slack og Teams
  • Asana – Samarbeidsagenter som fungerer som virtuelle teammedlemmer
  • Sentry – Bug-patch-generering og automatisk åpning av pull requests

Sentry-casen er interessant. Bug-deteksjon til ferdig patch og åpen PR, uten menneskelig input i mellom, er akkurat typen workflow som Managed Agents er laget for. Lang kjøretid, mange verktøykall, behov for persistent tilstand – og kritisk at det faktisk fungerer uten å krasje midt i et stort repositorium.

Hva koster det og hvordan kommer du i gang?

For å bruke Managed Agents trenger du en Claude API-nøkkel. Tjenesten er aktivert som standard for alle API-kontoer. Alle endepunkter krever beta-headeren managed-agents-2026-04-01 – SDK-et setter denne automatisk.

Rate limits per organisasjon er 60 forespørsler per minutt for opprette-operasjoner og 600 per minutt for lese-operasjoner. Prisingen følger standard Claude API-prising for token-bruk, pluss eventuelle kostnader for containerressursene. Eksakt pris på infrastruktur-komponenten er ikke offentliggjort i beta-perioden.

Research preview-funksjoner (outcomes, multi-agent, memory) krever separat søknad via Anthropics søknadsskjema.

Det er en tidlig beta, og Anthropic er tydelige på at oppførsel kan justeres mellom utgivelser. Men grunnfunksjonene – langvarige sesjoner, sikker sandbox, persistent logging – ser ut til å være stabile nok for produksjonstesting. Og interntest viser 10 prosentpoengs forbedring i oppgavesuksess sammenlignet med standard prompt-løkker. Det er en meningsfull forbedring, om tallene holder i bredere testing.

Har du testet Managed Agents? Jeg er nysgjerrig på om infrastruktur-abstraksjonen faktisk holder hva den lover i praksis – eller om man fortsatt trenger å håndtere kanttilfeller selv. Del gjerne i kommentarfeltet.

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *

Meld deg på nyhetsbrevet

Få oppdateringer om AI nyhetene rett i inboxen!

Du liker kanskje denne også
Jan Sverre med headphones og lydmikser i boardroom-møte med forvirrede executives

Suno AI Copyright 2026 – Opphavsrett og Rettigheter for AI-Musikk

Kan du tjene penger på Suno-musikk? Her er en praktisk gjennomgang av rettigheter, risiko og hva du bør avklare før publisering.
Jan Sverre tester GPT-5.2 ved en transparent OpenAI GPT-skjerm

GPT-5.2: Jeg testet OpenAIs nyeste modell – her er hva som faktisk fungerer

GPT-5.2 er ute med tre versjoner. Jeg har testet thinking-modellen, sammenlignet med 5.1, og funnet ut hva som faktisk er bedre. Her er mine erfaringer.
Jan Sverre profesjonelt fotograf-kvalitet portrett AI-generert bildegenerering

Google NotebookLM

Google NotebookLM er en AI-assistent som gjør dokumenter om til interaktive samtaler, studieguidere og podcasts på norsk. Nå drevet av Gemini 3 Pro med nye funksjoner som infographics, slide decks og Deep Research. Komplett guide til gratis vs. Plus-versjon.
Jan Sverre Bauge sitter foran dataskjermer med AI-agent dashboards og meldingsapper i full aktivitet

Hva Er ClawdBot? Open-Source AI-Agent med Sikkerhetsproblemer

Clawdbot er open-source AI-agenten alle snakker om. Slik kommer du i gang – og slik sikrer du deg mot alvorlige sårbarheter.