Claude Managed Agents：从聊天机器人到自主 Agent 的一步之遥

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

访客浏览器                    Vercel Serverless
┌─────────────┐    POST     ┌──────────────────┐      ┌─────────┐
│ 博客首页     │ ─────────→ │  api/chat.js     │ ───→ │ OpenAI  │
│ 聊天面板(JS) │ ←───────── │  (~150 行)       │ ←─── │ API     │
└─────────────┘   JSON      │                  │      └─────────┘
                            │  ↓ fire-and-forget│
                            │  Telegram 通知    │
                            └──────────────────┘
                                    ↑
                            data/persona.yaml
                            (人设 YAML ~200行)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

// 1. 加载人设 YAML → 构建 system prompt
const persona = yaml.load(fs.readFileSync('data/persona.yaml'));
const systemPrompt = buildSystemPrompt(persona);

// 2. 拼接历史（最多 10 轮）+ 当前消息
const messages = [
  { role: 'system', content: systemPrompt },
  ...history.slice(-10),
  { role: 'user', content: userMessage }
];

// 3. 一次 API 调用，返回结果
const response = await openai.chat.completions.create({
  model: 'gpt-4.1-nano',
  messages
});

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

personality:
  traits: ["技术极客", "偶尔幽默", "喜欢深度思考"]
  speaking_style: "口语化但有技术深度"
  
knowledge:
  expertise: ["大数据", "AI/LLM", "分布式系统"]
  current_projects: ["Claude Code 源码分析", "博客写作"]
  
boundaries:
  forbidden_topics: ["政治敏感", "个人隐私"]
  fallback: "这个话题我不太方便聊，换个有趣的话题吧？"

1
2
3
4
5
6
7
8
9

创建 Agent（一次性） → 创建 Environment（一次性）
                ↘         ↙
              创建 Session（每次任务）
                    ↓
              发送 Event（用户消息）
                    ↓
              流式接收 Agent 响应（SSE）
                    ↓
              可中途引导或中断

1
2
3

访客：你最近写了什么文章？
鬼哥分身：我最近在写 Agent Skills 和 Gemma 4 的分析文章...
（这是 persona.yaml 里预写的，不是实时查的）

1
2
3
4
5
6
7
8

访客：你最近写了什么文章？
鬼哥分身：[使用 bash] ls content/post/ | tail -5
         [使用 read] 读取最近 5 篇文章的 frontmatter
         我最近写了这些文章：
         1. Agent Skills 深度解析（4月7日）
         2. Gemma 4 深度分析（4月5日）
         3. Karpathy 的 LLM Wiki（4月2日）
         ...每篇都有链接，要看哪篇？

1
2

// v1：前端维护历史，刷新即丢失
let history = [];  // 🔥 页面刷新 = 失忆

1
2
3
4
5
6
7
8

# v2：Session 持久化，随时可恢复
session = client.beta.sessions.create(
    agent=avatar_agent.id,
    environment_id=env.id,
    title="访客 A 的对话"
)
# 下次访问，用同一个 session_id 继续
# 完整的对话历史都在服务端

1

用户消息 → LLM 生成回复 → 返回

1
2

用户消息 → Claude 思考 → 调用工具 A → 分析结果 
         → 调用工具 B → 综合判断 → 生成回复 → 返回

1
2
3
4
5
6
7
8
9

environment = client.beta.environments.create(
    name="guige-avatar-env",
    config={
        "type": "cloud",
        "networking": {"type": "unrestricted"},
        # 可以预装任何包
        # Python, Node.js, Go, Hugo...
    },
)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

# 主 Agent：鬼哥分身（对话协调者）
avatar = client.beta.agents.create(
    name="鬼哥分身",
    model="claude-sonnet-4-6",
    system="你是鬼哥的数字分身...",
    tools=[{"type": "agent_toolset_20260401"}],
    callable_agents=[
        {"type": "agent", "id": blog_agent.id, ...},
        {"type": "agent", "id": code_agent.id, ...},
    ]
)

# Sub-Agent 1：博客助手（搜索和推荐文章）
blog_agent = client.beta.agents.create(
    name="博客助手",
    model="claude-haiku-4-5",  # 用小模型节省成本
    system="你负责搜索和推荐鬼哥的博客文章...",
    tools=[{"type": "agent_toolset_20260401"}],
)

# Sub-Agent 2：代码助手（分析代码、写 demo）
code_agent = client.beta.agents.create(
    name="代码助手",
    model="claude-sonnet-4-6",
    system="你负责帮访客分析代码和写 demo...",
    tools=[{"type": "agent_toolset_20260401"}],
)

1
2

pip install anthropic
export ANTHROPIC_API_KEY="your-key"

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

from anthropic import Anthropic

client = Anthropic()

# 1. 创建 Agent
agent = client.beta.agents.create(
    name="鬼哥分身 v2",
    model="claude-sonnet-4-6",
    system="""你是鬼哥（luoli523）的数字分身。
    
性格：技术极客，偶尔幽默，喜欢深度思考。
擅长：大数据、AI/LLM、分布式系统、Claude Code。
说话风格：口语化但有技术深度，喜欢用类比解释复杂概念。

你可以使用工具来查看博客文章、搜索信息、执行代码。
当访客问到你不确定的事情时，先搜索再回答，不要编造。""",
    tools=[
        {"type": "agent_toolset_20260401"},
    ],
)

# 2. 创建 Environment
environment = client.beta.environments.create(
    name="avatar-env",
    config={
        "type": "cloud",
        "networking": {"type": "unrestricted"},
    },
)

# 3. 创建 Session
session = client.beta.sessions.create(
    agent=agent.id,
    environment_id=environment.id,
    title="访客对话",
)

print(f"Agent: {agent.id}")
print(f"Environment: {environment.id}")
print(f"Session: {session.id}")

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

with client.beta.sessions.events.stream(session.id) as stream:
    # 发送用户消息
    client.beta.sessions.events.send(
        session.id,
        events=[{
            "type": "user.message",
            "content": [{
                "type": "text",
                "text": "帮我看看你博客最近写了什么文章"
            }],
        }],
    )

    # 流式处理响应
    for event in stream:
        match event.type:
            case "agent.message":
                for block in event.content:
                    print(block.text, end="")
            case "agent.tool_use":
                print(f"\n[🔧 使用工具: {event.name}]")
            case "session.status_idle":
                print("\n\n✅ 完成")
                break

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

让我看看最近的文章...
[🔧 使用工具: bash]
[🔧 使用工具: read]

最近写了这几篇：
1. **Agent Skills 深度解析**（4月7日）— 拆解 Addy Osmani 的 19 个 AI Agent skill
2. **Gemma 4 深度分析**（4月5日）— Google 开源模型的架构和应用
3. **Karpathy 的 LLM Wiki**（4月2日）— 从零理解 LLM 的百科全书

要看哪篇的详细内容？

✅ 完成

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic();

// 创建 Agent
const agent = await client.beta.agents.create({
  name: "鬼哥分身 v2",
  model: "claude-sonnet-4-6",
  system: "你是鬼哥的数字分身...",
  tools: [{ type: "agent_toolset_20260401" }],
});

// 创建 Environment
const env = await client.beta.environments.create({
  name: "avatar-env",
  config: { type: "cloud", networking: { type: "unrestricted" } },
});

// 创建 Session
const session = await client.beta.sessions.create({
  agent: agent.id,
  environment_id: env.id,
});

// 发消息 + 流式响应
const stream = await client.beta.sessions.events.stream(session.id);

await client.beta.sessions.events.send(session.id, {
  events: [{
    type: "user.message",
    content: [{ type: "text", text: "你最近在研究什么？" }],
  }],
});

for await (const event of stream) {
  if (event.type === "agent.message") {
    for (const block of event.content) {
      process.stdout.write(block.text);
    }
  } else if (event.type === "agent.tool_use") {
    console.log(`\n[🔧 ${event.name}]`);
  } else if (event.type === "session.status_idle") {
    console.log("\n\n✅ Done");
    break;
  }
}

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

# 只开 bash 和文件操作，关掉网络
agent = client.beta.agents.create(
    name="安全受限的分身",
    model="claude-sonnet-4-6",
    tools=[{
        "type": "agent_toolset_20260401",
        "default_config": {"enabled": False},
        "configs": [
            {"name": "bash", "enabled": True},
            {"name": "read", "enabled": True},
            {"name": "glob", "enabled": True},
            {"name": "grep", "enabled": True},
            # web_fetch 和 web_search 保持关闭
        ]
    }],
)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22

agent = client.beta.agents.create(
    name="带自定义工具的分身",
    model="claude-sonnet-4-6",
    tools=[
        {"type": "agent_toolset_20260401"},
        {
            "type": "custom",
            "name": "get_blog_stats",
            "description": "获取博客的访问统计数据",
            "input_schema": {
                "type": "object",
                "properties": {
                    "period": {
                        "type": "string",
                        "description": "统计周期：today, week, month"
                    }
                },
                "required": ["period"]
            }
        }
    ],
)

1
2
3
4
5
6
7

访客消息
    ↓
前端（博客首页）
    ↓
轻量网关（Vercel / Cloudflare Worker）
    ├── 简单闲聊 → 直接 Messages API（省钱）
    └── 复杂任务 → 转发到 Managed Agents Session

1
2
3
4

好的，让我帮你写一个...
[🔧 使用工具: write] 创建 spark_tuning_demo.py
[🔧 使用工具: bash] python spark_tuning_demo.py
脚本已经写好并测试通过了，关键的调优点是...