--- title: "Anthropic Workshop：从零构建真实 AI Agent 实战（视频导读）" author: deletexiumu pubDatetime: 2026-07-20T17:10:00+08:00 featured: false draft: false tags: - AI Agent - Claude - 教程 - 视频导读 description: "Anthropic 官方 Workshop 视频导读：用 Claude Managed Agents 从零搭建 SRE 事故响应 Agent，拆解 harness 架构、agent/environment/session 三大原语与 hands-brain 解耦设计。" --- 这是一场 Anthropic 官方 Workshop，主讲人 Isabella He 来自 Anthropic Applied AI 团队——既参与 Claude Code 与 Claude harness 的内部研发，也帮客户在 Claude 上落地生产级 agent。整场视频围绕 Claude Managed Agents 展开：先讲清楚从 Messages API 到 Agent SDK、再到托管 harness 的演进逻辑与底层设计，然后带着观众打开电脑、clone 仓库，一步步拼装出一个能真正排查线上事故的 SRE（站点可靠性）事故响应 agent，最后快速过了一遍 subagents、memory、dreaming、outcomes、vaults 等进阶能力。如果你想理解「生产就绪的 agent 到底需要哪些原语」，而不是停留在调 API 的层面，这 37 分钟值得完整看完。视频为中英双语字幕版。 ## 观看视频 视频全长约 37 分钟，建议配合下方时间戳按需跳转。 ## 导读要点 ### 02:10 从 Messages API 到 Managed Agents 的演进 2023 年的 Messages API 只提供原始的 token 进出，context management、agent loop、compaction 等原语全靠开发者自己实现；Agent SDK 把 Claude Code 变成可编程调用的 harness，但托管、扩缩容、容器安全仍是你的事。Claude Managed Agents 则把 harness、sandboxing、可观测性、tool runtime 全部纳入托管基础设施，官方数据是上线速度可快 10-15 倍。 ### 04:44 harness 必须与模型共演进 一个很实在的踩坑案例：Sonnet 4.5 有 context anxiety 行为——context window 还有余量就过早结束任务，团队在 harness 里加了缓解措施；Opus 4.5 发布后该行为消失，这些管控机制随即过时。结论：自己维护 harness 的成本会持续存在，且随模型迭代反复重做。 ### 05:55 三大核心原语：agent、environment、session agent endpoint 是 brain（模型、system prompt、MCP servers、skills）；environment 是 hands（agent 真正执行动作的容器）；session 把两者绑定，并把 events 流式回传用户。agent loop 在服务端运行——合上笔记本、硬刷新页面，一切都持久化，不用自己管数据库。 ### 07:22 关键设计决策：hands 与 brain 解耦 工具执行与 agent loop 解耦带来两重收益：安全上，agent 无法直接触达真实凭据，sandboxing 边界更明确；性能上，不必为每个 session 预拉容器，time to first token 的 P95 延迟降幅超过 90%。 ### 09:15 动手实战：拼装 SRE 事故响应 agent Workshop 主体部分。场景是模拟凌晨三点的 on-call：定义 SRE agent（Claude Opus 4.7 + 简单 system prompt + get metrics / get recent deploys / get diff 三个工具）→ 配 environment（Anthropic 云 + 网络白名单）→ 经 Files API 把日志挂载给 agent → 创建 session 并实现流式回传。demo 里 agent 成功定位根因：一次重构 order summary builder 的 commit 引入慢查询，耗尽数据库连接池，并给出处置建议。工具数据虽是本地 JSON，但同一套 wire protocol 可以直接换成 Datadog 等生产系统。 ### 21:29 设计 SRE agent 的实践建议 给 agent 与人类开发者同等的材料访问权限：runbook skill、历史事故复盘等，这对 agent 理解你的系统至关重要。再进一步接入 Claude Code，agent 可以从排查一路走到提 PR 修复根因，人只做监督。 ### 28:10 底层机制复盘：events 与状态管理 session 不是请求-响应模式，而是把 events（用户消息、tool call、agent 回复）追加写入日志——这是可恢复、可观测的根基：容器挂了只需重拉容器，不必重启整个 agent loop。session 有 idle / running / rescheduling / terminated 等状态，还能经 webhook 被外部事件唤醒或恢复。 ### 32:54 进阶能力速览 compaction、缓存、tool calling 之外，开箱即用的还有：subagents（独立 context window 的并行编排）、memory + dreaming（Claude 回看 memory 日志、决定保留什么，实现自我改进）、outcomes（按结果 rubric 定义任务而非指定调用）、vaults（凭据加密托管，依赖 hands-brain 分离架构）、细粒度权限与 console agent builder。 ## 适合谁看 - 想从「调 Messages API」升级到「构建生产级 agent」、需要一套完整 mental model 的后端 / AI 工程师 - 被 on-call 折磨、想评估用 agent 做事故响应自动化的 SRE 与运维团队 - 正在自研 agent harness、纠结要不要继续自己维护 context management / compaction / 沙箱的架构师 - 关注 Claude Managed Agents 新能力（BYO compute、MCP tunnels、memory、dreaming、vaults）的技术决策者 --- ## 相关阅读 - [Anthropic 官方演示：构建会自我改进的 Agent（视频导读）](/posts/anthropic-build-a-self-improving-agent/) — 同系列视频：本篇提到的 memory 与 dreaming 机制的专场深讲 - [拆解 Anthropic 工程博客：怎么让 Claude 连续跑 6 小时还不翻车](/posts/anthropic-multi-agent-harness-design/) — harness 工程设计的文字版深度拆解，与本 Workshop 相互印证