Erste Schritte mit Claude Managed Agents
Erstelle deinen ersten autonomen Agenten.
Dieser Leitfaden führt dich durch das Erstellen eines Agenten, das Einrichten einer Umgebung, das Starten einer Session und das Streaming von Agentenantworten.
Kernkonzepte
| Konzept | Beschreibung |
|---|---|
| Agent | Das Modell, der System-Prompt, Tools, MCP-Server und Skills |
| Environment | Konfiguration dafür, wo Sessions ausgeführt werden: eine von Anthropic verwaltete Cloud-Sandbox oder eine selbst gehostete Sandbox auf deiner eigenen Infrastruktur |
| Session | Eine laufende Agent-Instanz innerhalb eines Environments, die eine bestimmte Aufgabe ausführt und Ausgaben erzeugt |
| Events | Nachrichten, die zwischen deiner Anwendung und dem Agenten ausgetauscht werden (Benutzer-Turns, Tool-Ergebnisse, Statusaktualisierungen) |
Voraussetzungen
- Ein Claude Console-Konto
- Ein API-Key
Die CLI installieren
brew install anthropics/tap/antLade für Linux-Umgebungen die Release-Binärdatei direkt herunter.
VERSION=1.42.0
OS=$(uname -s | tr '[:upper:]' '[:lower:]')
case $(uname -m) in
x86_64) ARCH=amd64 ;;
aarch64) ARCH=arm64 ;;
esac
curl -fsSL "https://github.com/anthropics/anthropic-cli/releases/download/v${VERSION}/ant_${VERSION}_${OS}_${ARCH}.tar.gz" \
| sudo tar -xz -C /usr/local/bin antAlle Releases findest du auf der GitHub-Releases-Seite.
Du kannst die CLI auch mit go install aus dem Quellcode installieren. Erfordert Go 1.25 oder neuer.
go install github.com/anthropics/anthropic-cli/cmd/ant@latestDie Binärdatei wird in $(go env GOPATH)/bin abgelegt. Füge dieses Verzeichnis zu deinem PATH hinzu, falls es dort noch nicht enthalten ist:
export PATH="$PATH:$(go env GOPATH)/bin"Überprüfe die Installation:
ant --versionDas SDK installieren
pip install anthropicLege deinen API-Key als Umgebungsvariable fest:
export ANTHROPIC_API_KEY="your-api-key-here"Deine erste Session erstellen
Einen Agenten erstellen
Erstelle einen Agenten, der das Modell, den System-Prompt und die verfügbaren Tools definiert.
CLIant apply coding-assistant.mdcoding-assistant.md--- name: Coding Assistant model: claude-opus-5-5 tools: - type: agent_toolset_20260401 --- You are a helpful coding assistant. Write clean, well-documented code.ant applygibt die ID des Agenten aus und speichert sie inclaude-lock.json. Du wirst sie in jeder Session referenzieren, die du erstellst.Der Tool-Typ
agent_toolset_20260401aktiviert den vollständigen Satz vorgefertigter Agenten-Tools (Bash, Dateioperationen, Websuche und mehr). Unter Tools findest du die vollständige Liste und die Konfigurationsoptionen für jedes Tool.Eine Umgebung erstellen
Eine Umgebung definiert die Sandbox, in der dein Agent läuft. Diese hier verwendet
limitedNetworking mit erlaubten Paketmanagern, sodass Code, der in der Sandbox läuft, öffentliche Paket-Registries und Code-Hosts erreichen kann. Websuche und Web-Fetch laufen außerhalb der Sandbox, und dieser Schnellstart benötigt sie nicht. BeilimitedNetworking gilt dieallowed_hosts-Liste auch für sie. Sie liefern in dieser Umgebung keine Seiten oder Suchergebnisse, da sie keine Hosts auflistet. Liste für deinen eigenen Agenten die benötigten Hosts inallowed_hostsauf.CLIant apply environment.yamlenvironment.yaml# yaml-language-server: $schema=https://platform.claude.com/schemas/ant/beta/environment.json name: quickstart-env config: type: cloud networking: type: limited allow_package_managers: trueant applyspeichert auch die ID der Umgebung inclaude-lock.json. Um den Agenten und die Umgebung mit einem Befehl zu erstellen, übergib beide Dateien:ant apply coding-assistant.md environment.yaml.Eine Session starten
Erstelle eine Session, die deinen Agenten und deine Umgebung referenziert.
Pythonsession = client.beta.sessions.create( agent=agent.id, environment_id=environment.id, title="Quickstart session", ) print(f"Session ID: {session.id}")Eine Nachricht senden und die Antwort streamen
Öffne einen Stream, sende ein User-Event und verarbeite dann die Events, sobald sie eintreffen:
Pythonwith client.beta.sessions.events.stream(session.id) as stream: # Sende die Benutzernachricht, nachdem der Stream geöffnet wurde client.beta.sessions.events.send( session.id, events=[ { "type": "user.message", "content": [ { "type": "text", "text": "Create a Python script that generates the first 20 Fibonacci numbers and saves them to fibonacci.txt", }, ], }, ], ) # Verarbeite Streaming-Events for event in stream: match event.type: case "agent.message": for block in event.content: if block.type == "text": print(block.text, end="") case "agent.tool_use": print(f"\n[Using tool: {event.name}]") case "session.status_idle": print("\n\nAgent finished.") breakDer Agent schreibt ein Python-Skript, führt es in der Sandbox aus und überprüft, ob die Ausgabedatei erstellt wurde. Deine Ausgabe sieht ungefähr so aus:
I'll create a Python script that generates the first 20 Fibonacci numbers and saves them to a file. [Using tool: write] [Using tool: bash] The script ran successfully. Let me verify the output file. [Using tool: bash] fibonacci.txt contains the first 20 Fibonacci numbers (0 through 4181). Agent finished.
Was passiert
Wenn du ein User-Event sendest, führt Claude Managed Agents Folgendes aus:
- Stellt eine Sandbox bereit: Deine Umgebungskonfiguration bestimmt, wie sie aufgebaut wird.
- Führt die Agentenschleife aus: Claude bestimmt anhand deiner Nachricht, welche Tools verwendet werden.
- Führt Tools aus: Dateischreibvorgänge, bash-Befehle und andere Tool-Aufrufe laufen innerhalb der Sandbox.
- Streamt Events: Du erhältst Echtzeit-Updates, während der Agent arbeitet.
- Geht in den Leerlauf: Der Agent sendet ein
session.status_idle-Event, wenn er nichts mehr zu tun hat.
Eine vollständige App erstellen
Jeder dieser Quickstarts kombiniert Claude Managed Agents mit einem beliebten Chat-Framework zu einer vollständigen, lauffähigen Anwendung. In jedem davon rendert das Framework die Chat-Oberfläche, während eine verwaltete Session die Agentenschleife serverseitig ausführt: Die Session hält das Transkript, führt Tools in einer Sandbox aus und streamt Events, die das Frontend rendert.
Ein Recherche-Analyst in einem Browser-Chat, erstellt mit dem Chat SDK von Vercel. Jede Unterhaltung ist eine persistente Session, die ihre Antwort streamt, während ein Live-Feed die Tool-Aufrufe anzeigt. Durch Austauschen des Chat-SDK-Adapters lässt sich derselbe Handler auf Slack, Teams, Discord oder WhatsApp übertragen.
Ein Tabellenkalkulations-Analyst in einem Chat, der aus assistant-ui-Primitiven aufgebaut ist. Sessions bilden die Thread-Liste, ein Reducer wandelt das Session-Event-Log in Nachrichten und Tool-Karten um, und jeder bash-Befehl rendert vor seiner Ausführung eine Inline-Abfrage zum Erlauben/Ablehnen.
Ein persönlicher Finanzassistent in einem CopilotKit-Chat. Der AG-UI-Adapter für Claude Managed Agents ordnet jeden Chat-Thread einer verwalteten Session zu und streamt Antworten Token für Token, und benutzerdefinierte Tools rendern interaktive Diagramme inline in der Unterhaltung.
Nächste Schritte
Erstelle wiederverwendbare, versionierte Agentenkonfigurationen
Passe Netzwerk- und Sandbox-Einstellungen an
Aktiviere bestimmte Tools für deinen Agenten
Verarbeite Events und steuere den Agenten während der Ausführung
Führe deinen Agenten nach einem wiederkehrenden Cron-Zeitplan aus
Destilliere einen Dokumentenkorpus einmalig in ein Wissens-Wiki und beantworte daraus wiederkehrende Fragen zu einem Bruchteil der Kosten
Was this page helpful?