Que sont les agents gérés par Claude ? Architecture, fonctionnement et cas d'utilisation

Créer un agent IA n'est pas difficile parce qu'appeler un LLM est complexe. La partie la plus ardue concerne tout ce qui entoure le modèle : la boucle d'agent, l'exécution d'outils, le bac à sable (sandbox), l'état, l'environnement d'exécution et les autorisations nécessaires pour permettre à un agent de mener à bien une tâche.

Claude Managed Agents regroupe cette infrastructure dans un environnement d'exécution d'agent géré, afin que les développeurs puissent configurer un agent et laisser Anthropic prendre en charge une grande partie de l'infrastructure d'exécution sous-jacente.

Que sont les Claude Managed Agents ?

Claude Managed Agents est l'infrastructure d'agent préconfigurée et personnalisable d'Anthropic qui s'exécute sur une infrastructure gérée, conçue pour les charges de travail d'agents asynchrones et de longue durée, offrant aux agents un accès aux outils, aux environnements d'exécution, aux sessions et aux autres infrastructures nécessaires pour accomplir des tâches en plusieurs étapes.

Le moyen le plus simple de comprendre les Managed Agents est de les comparer à l'API Messages d'Anthropic.

Avec l' API Messages, vous bénéficiez d'un accès direct à Claude. Votre application est responsable de la création de la boucle d'agent autour du modèle : maintien de l'historique des conversations, décision du moment où appeler les outils, exécution de ces outils, renvoi des résultats à Claude et détermination du moment où la tâche est terminée.

Avec Claude Managed Agents, Anthropic fournit l'infrastructure de l'agent et tout ce qui entoure le modèle. Au lieu d'implémenter vous-même la boucle d'exécution complète, vous configurez un agent et son environnement, puis vous créez des sessions dans lesquelles l'agent peut effectuer son travail.

La distinction peut se résumer ainsi :

Tout s'exécute derrière le managed-agents-2026-04-01 en-tête bêta, que les SDK officiels configurent pour vous. L'accès est activé par défaut sur les comptes API, et le service est également disponible via la plateforme Claude sur AWS, avec quelques différences concernant la disponibilité des fonctionnalités et le comportement des sessions. Anthropic a cité Notion, Rakuten et Sentry parmi les premières équipes à l'utiliser.

Le terme le plus important dans « Anthropic Managed Agents » est géré. Vous n'obtenez pas un nouveau modèle ou une nouvelle capacité — Claude pouvait déjà utiliser des outils. Vous obtenez l'équipe opérationnelle de quelqu'un d'autre.

Comment fonctionnent les agents gérés de Claude ?

Le cycle de vie se compose de cinq étapes, qu'il est utile de comprendre car chacune correspond à une ressource que vous créez et pour laquelle vous payez.

1. Créer un agent. Définissez le modèle, l'instruction système, les outils, les serveurs MCP et les compétences. L'agent est créé une seule fois et référencé par un identifiant dans chaque session qui l'utilise.
2. Créer un environnement. Configurez l'endroit où les sessions s'exécutent réellement : soit un bac à sable cloud géré par Anthropic, soit un bac à sable auto-hébergé sur une infrastructure que vous contrôlez, principalement pour répondre aux exigences de conformité et de résidence des données.
3. Démarrer une session. Une session est une instance en cours d'exécution de votre agent au sein d'un environnement, travaillant sur une tâche spécifique.
4. Envoyer des événements et diffuser des réponses. Votre application envoie les interventions de l'utilisateur sous forme d'événements ; Claude appelle les outils de manière autonome et diffuse les résultats via des événements envoyés par le serveur. L'historique des événements est conservé côté serveur et peut être récupéré intégralement par la suite.
5. Orienter ou interrompre. Vous pouvez injecter des événements utilisateur supplémentaires en cours d'exécution pour rediriger l'agent ou l'interrompre complètement.

La cinquième étape est celle que l'on sous-estime le plus. Un agent à long terme qui ne peut pas être redirigé en cours de route n'est qu'un traitement par lots avec une latence supplémentaire.

Les quatre concepts fondamentaux

Les agents gérés de Claude reposent sur quelques concepts clés qui séparent la configuration de l'agent de la tâche individuelle qu'il exécute.

Agent

Un Agent est une configuration réutilisable qui définit le comportement de l'agent. Elle permet de spécifier le modèle Claude, l'instruction système, les outils, les serveurs MCP et les compétences mis à la disposition de l'agent.

Par exemple, un agent pourrait être configuré comme suit :

Agent de recherche
├── Modèle : Claude
├── Instruction système : Analyste de recherche
├── Outils
├── Serveurs MCP
└── Compétences

‍Une fois l'agent configuré, vous pouvez créer des sessions basées sur cette définition plutôt que de reconstruire la configuration pour chaque tâche.

Environnement

L' environnement est l'espace où l'agent effectue réellement son travail.

C'est un point important, car un agent a besoin d'un endroit pour exécuter des commandes, manipuler des fichiers, lancer du code et interagir avec des outils. Les agents gérés peuvent utiliser des environnements sandbox administrés par Anthropic, qui propose également une prise en charge des configurations sandbox auto-hébergées.

Cela permet de séparer le raisonnement de l'agent de l'environnement dans lequel ses actions sont exécutées.

Session

Une session représente une instance en cours d'exécution d'un agent effectuant une tâche.

Au lieu de traiter chaque appel de modèle comme une requête isolée, une session offre à l'agent un contexte d'exécution persistant dans lequel il peut accomplir une tâche, interagir avec des outils et maintenir un état.

Un flux simplifié ressemble à ceci :

Configuration de l'agent
       ↓
   Environnement
       ↓
     Session
       ↓
 L'agent effectue le travail
       ↓
Outils / fichiers / code / MCP

Ce modèle basé sur les sessions est particulièrement pertinent pour les charges de travail de longue durée où un agent peut avoir besoin d'effectuer de nombreuses actions avant de produire un résultat final.

Événements

Les applications interagissent avec les sessions Managed Agent via des événements. Ceux-ci peuvent représenter des messages utilisateur, l'activité de l'agent, les résultats d'outils et d'autres changements au sein de la session.

Cela permet à une application de démarrer une session d'agent et de diffuser sa progression en continu plutôt que d'implémenter elle-même toute la boucle d'orchestration.

En résumé :

Votre application
      │ Démarrer / envoyer un événement
      ↓
Session d'agent géré
      ├── Raisonnement
      ├── Appeler un outil
      ├── Exécuter du code
      ├── Lire / écrire des fichiers
      └── Poursuivre le travail
      ↓
Diffuser les événements en retour
      ↓
Votre application

Le résultat est une séparation entre l'application qui demande le travail et l'infrastructure qui exécute l'agent.

Cette séparation est au cœur du concept d'agents gérés : le développeur définit l'agent et ses capacités, tandis que l'environnement d'exécution géré prend en charge une grande partie des mécanismes nécessaires au bon fonctionnement de l'agent.

Que se passe-t-il lorsqu'un agent géré Claude est exécuté ?

Une fois l'agent, l'environnement et la session configurés, le runtime Managed Agents gère la boucle d'exécution.

1. Votre application envoie une tâche à la session.
2. Le runtime provisionne l'environnement où l'agent travaillera.
3. Claude décide des actions à entreprendre en fonction de la tâche et des outils disponibles.
4. Les outils s'exécutent dans l'environnement configuré, et leurs résultats sont renvoyés à Claude.
5. La boucle se poursuit jusqu'à ce que l'agent termine la tâche, tandis que les événements peuvent être transmis en continu à votre application.

Sous une forme simplifiée :

Tâche
↓
Claude raisonne
↓
Appel d'outil
↓
Résultat de l'outil
↓
Claude raisonne à nouveau
↓
...
↓
Résultat final

La différence majeure par rapport à la création d'un agent avec l'API Messages est que votre application n'a pas à orchestrer elle-même chaque appel de modèle et chaque résultat d'outil. Managed Agents gère cette boucle et expose l'exécution via les interfaces de session et d'événement.

Fonctionnalités intégrées

La valeur de toute passerelle d'agent ou de tout environnement géré se mesure à ce que vous n'avez plus besoin de coder. Managed Agents inclut :

• Un ensemble d'outils intégrés. Bash pour les commandes shell dans le bac à sable ; opérations sur les fichiers pour lire, écrire, modifier, glob et grep ; recherche et récupération web, éventuellement limitées par une liste blanche ou noire de domaines ; et connexions aux serveurs MCP pour les fournisseurs d'outils externes.
• Bac à sable sécurisé. L'isolation de l'exécution, l'authentification et la gestion des secrets sont prises en charge par Anthropic. Aucun serveur à provisionner, aucune logique d'évasion de conteneur à écrire.
• Sessions avec état et points de contrôle. Systèmes de fichiers persistants et historique des conversations entre les interactions, avec une reprise fluide des sessions après des pauses ou des déconnexions.
• Gestion du contexte. La mise en cache et la compaction des prompts font partie intégrante de l'environnement plutôt que d'être des ajouts à implémenter lorsque votre facture de jetons explose.
• Exécution planifiée. Exécution récurrente d'agents selon un calendrier cron via des déploiements planifiés.
• Autorisations et identité délimitées. Définissez les outils et les sources de données accessibles à un agent donné, avec suivi d'exécution associé.
• Observabilité dans la console. Le suivi de session, les analyses d'intégration et le dépannage sont disponibles directement dans la console Claude, vous permettant d'inspecter chaque appel d'outil, décision et mode de défaillance.

Anthropic rapporte que, lors de tests internes sur la génération de fichiers structurés, les agents gérés (Managed Agents) ont amélioré le taux de réussite des tâches jusqu'à 10 points par rapport à une boucle de prompt standard, avec les gains les plus significatifs sur les problèmes les plus complexes. Il s'agit d'une affirmation concernant l'infrastructure, et non le modèle, ce qui illustre bien pourquoi la qualité de l'infrastructure est primordiale.

Il est important de garder à l'esprit que plusieurs des fonctionnalités phares sont actuellement indisponibles. La coordination multi-agents, l'auto-évaluation par rapport à des critères de réussite, les tunnels MCP et le « dreaming » sont en phase de prévisualisation de recherche et nécessitent une demande d'accès distincte. Si votre architecture repose sur des agents qui en génèrent et en dirigent d'autres, il s'agit pour l'instant d'une demande spécifique et non d'une API disponible.

Agents gérés Claude vs SDK Agent Claude vs Développement personnalisé

La plupart des équipes qui évaluent cette solution choisissent en réalité entre trois options sur un spectre. La comparaison avec le SDK Agent Claude approfondit le sujet, mais voici les grandes lignes :

Le schéma est constant : chaque tâche que vous confiez à Anthropic vous fait gagner du temps mais réduit votre flexibilité. Pour un premier agent, c'est généralement le bon compromis. Pour le vingtième, déployé au sein de trois équipes ayant des exigences de conformité différentes, ce n'est généralement plus le cas.

Quand choisir les agents gérés

Les agents gérés sont particulièrement adaptés lorsque :

• La tâche s'inscrit sur le long terme (plusieurs minutes ou heures d'exécution avec de nombreux appels d'outils), et ne se limite pas à une simple requête-réponse.
• Votre équipe a déjà standardisé l'utilisation de Claude et n'envisage pas à court terme d'utiliser des modèles open source ou multi-fournisseurs.
• Vous disposez de peu ou pas de ressources en ingénierie de plateforme à consacrer à l'infrastructure des agents.
• Le travail est asynchrone ou planifié : rapprochement nocturne, recherche récurrente, génération de documents par lots.
• Les sessions doivent pouvoir survivre aux interruptions, avec un système de fichiers et un historique qui persistent entre les interactions.
• Vous devez être en production en quelques jours et vous préférez revoir l'architecture une fois que le cas d'usage est validé.

Ce dernier point est l'argument le plus honnête. Louer une infrastructure pour valider si un agent mérite d'être développé est une décision d'ingénierie raisonnable.

Les limites rencontrées par les équipes

Trois contraintes apparaissent systématiquement lorsqu'un agent passe de la phase pilote au trafic réel.

Le choix du modèle vous est imposé. L'infrastructure est conçue spécifiquement pour Claude, ce qui explique ses bonnes performances, mais aussi pourquoi vous ne pouvez pas rediriger les 80 % de vos tâches ne nécessitant pas un modèle de pointe vers une solution moins coûteuse. Pour un agent exécuté des milliers de fois par jour, c'est là que se joue la facture.

Le coût se compose de deux éléments, et non d'un seul. Vous payez les tarifs standards des jetons Claude, auxquels s'ajoute une charge basée sur les sessions pour l'environnement d'exécution géré. La tarification à l'heure de session est souvent citée dans les analyses tierces, mais vérifiez les tarifs actuels sur la page de tarification d'Anthropic avant de faire vos calculs. Nous détaillons l'ensemble de la situation dans notre analyse de la tarification des agents gérés par Claude.

La conservation des données est un véritable obstacle pour les équipes soumises à des réglementations. Étant donné que les agents gérés sont conçus avec état — les sessions stockent l'historique des conversations, l'état du bac à sable et les sorties côté serveur —, la documentation d'Anthropic indique qu'ils sont actuellement inéligibles à la politique de non-conservation des données (ZDR) ou à la couverture d'un accord d'association commerciale (BAA) HIPAA. Vous gardez le contrôle dans le sens où vous pouvez supprimer des sessions et des fichiers téléchargés via l'API à tout moment, mais si votre conformité exige la ZDR ou un BAA, il s'agit d'un blocage définitif plutôt que d'une simple question de processus d'achat. L'option de bac à sable auto-hébergé concerne l'endroit où le code s'exécute, et non ce que la plateforme conserve.

TrueForge : une alternative open source aux agents gérés par Claude, jusqu'à 75 % moins chère

TrueForge est l'infrastructure d'agent open source et indépendante des fournisseurs de TrueFoundry, destinée aux équipes qui souhaitent un meilleur contrôle sur l'exécution de leurs agents en production. Au lieu de lier l'environnement d'exécution à un seul fournisseur de modèles, TrueForge vous permet d'utiliser vos propres modèles, serveurs MCP et infrastructures, tout en gérant la boucle de l'agent, l'exécution des outils, la gestion du contexte, les approbations et le bac à sable.

Là où un agent auto-hébergé comme Hermes laisse une grande partie de l'infrastructure de production à la charge du développeur, TrueForge fournit le plan de contrôle nécessaire pour exploiter des agents au sein de différentes équipes et environnements. Cela inclut l'accès centralisé aux MCP et aux identifiants, les approbations humaines, l'exécution en bac à sable, l'observabilité et la gouvernance.

Vous pouvez l'exécuter localement avec npx @truefoundry/trueforge ou le déployer pour une équipe avec Docker Compose ou Helm.

TrueForge sépare également l'exécution de l'agent de la couche modèle. Cela signifie que les équipes peuvent changer de modèle ou diriger les charges de travail vers différents fournisseurs sans avoir à reconstruire l'agent lui-même. Associé à l'AI Gateway de TrueFoundry, les équipes peuvent également appliquer un routage de modèle et des contrôles de coûts pour éviter d'utiliser des modèles de pointe coûteux pour des tâches qui ne le nécessitent pas. Le résultat est un juste milieu entre un environnement d'exécution entièrement géré et la création de toute l'infrastructure de l'agent par vous-même : un environnement open source pour agents, doté des contrôles opérationnels nécessaires pour exécuter des agents en production à grande échelle.‍

Lors du benchmark de TrueFoundry face aux agents gérés de Claude, TrueForge a atteint une précision de tâche sensiblement équivalente tout en utilisant environ 40 % de jetons en moins lorsque les deux étaient exécutés sur Opus 4.8, ce qui le rend environ 30 % moins cher par exécution. Lorsque le même benchmark a été effectué avec GLM-5.2 sur TrueForge, il a obtenu le même score de tâche d'environ 11/14 pour un coût d'environ 2,90 $ par exécution, contre 11,80 $ pour les agents gérés de Claude, soit environ 75 % de réduction des coûts.

TrueFoundry fournit également un second levier pour réduire les coûts des modèles grâce à l'Auto Routing de l'AI Gateway. Au lieu d'envoyer chaque requête à un modèle de pointe, l'Auto Routing classe les requêtes par complexité et les dirige vers différents niveaux de modèles. Dans le benchmark de TrueFoundry portant sur 550 prompts, le routage entre Haiku, Sonnet et Opus a réduit les coûts de 69 % tout en conservant 98 % de la qualité de référence, et la latence moyenne est passée de 7,6 secondes à 4,0 secondes. Sur un trafic représentatif de la production, la réduction globale des coûts a atteint 80 %.

Ces deux couches traitent différentes parties de l'équation des coûts. TrueForge réduit les frais généraux liés à l'exécution de l'agent lui-même, tandis que le routage de modèle vous permet d'éviter d'utiliser un modèle coûteux lorsqu'une tâche ne le nécessite pas. Pour les équipes qui déploient des agents à grande échelle, disposer de ces deux contrôles peut être plus important que le prix du modèle seul.

TrueForge est open source et sous licence MIT, L'AI Gateway de TrueFoundry apporte la couche opérationnelle dont les équipes ont besoin pour passer d'agents individuels à une mise en production : accès centralisé aux modèles, budgets, garde-fous, gestion des identifiants et traces unifiées.

Si vous comparez les agents gérés de Claude à une architecture plus configurable, TrueFoundry mérite d'être pris en considération lorsque la flexibilité des modèles, le contrôle de l'infrastructure et l'optimisation des coûts des agents comptent autant que l'exécution même de l'agent.

An Open-Source Alternative to Claude Managed Agents, Up to 75% Cheaper

Run production-ready AI agents on your own infrastructure with TrueForge, using your choice of models, tools, and sandbox providers.

View on GitHub

Docs

Ce que les agents gérés ne couvrent pas

Les agents gérés assurent parfaitement l'exécution d'un agent. Ce qu'ils ne font pas, c'est gérer un parc , ce qui devient problématique à partir du cinquième agent, lorsque le service financier demande combien tout cela coûte et que la sécurité demande qui a approuvé les identifiants.

Un environnement d'exécution d'agent contrôle le fonctionnement d'un agent. Une AI Gateway contrôle la manière dont cet agent accède aux modèles.

Par exemple, une organisation peut exécuter des agents via les agents gérés de Claude ou TrueForge tout en acheminant les requêtes de modèles via une AI Gateway.
L' AI Gateway de TrueFoundry se place devant chaque appel de modèle et chaque appel MCP effectué par un agent, en appliquant un accès centralisé aux modèles, des budgets par équipe, des limites de débit, des garde-fous, une gestion des identifiants et des traces unifiées, quels que soient les agents et les frameworks utilisés par vos équipes. Elle prend en charge plus de 1 000 LLM via une API unique compatible avec OpenAI, ajoute environ 3 à 4 ms de latence et gère plus de 350 requêtes par seconde sur un seul vCPU. Elle peut donc s'intégrer au cœur du processus d'un agent sans devenir un goulot d'étranglement. Elle s'exécute dans votre propre VPC, sur site ou dans un environnement isolé (air-gapped).

Cela s'avère particulièrement utile lorsqu'une organisation utilise des agents sur plusieurs modèles plutôt que de dépendre d'un seul fournisseur.

Exécution de l'agent : gère la boucle de l'agent, les outils, l'état et l'exécution.

Passerelle IA : gère l'accès aux modèles, le routage, les politiques, l'observabilité et l'abstraction des fournisseurs.

Cette séparation permet aux équipes de changer ou d'ajouter des modèles sans avoir à reconcevoir l'agent lui-même.

Conclusion

Claude Managed Agents fait passer le développement d'agents à un niveau supérieur : au lieu de construire vous-même l'infrastructure d'exécution autour de Claude, vous pouvez utiliser un environnement géré conçu pour les charges de travail d'agents asynchrones de longue durée.

La distinction importante réside entre le modèle et tout ce qui l'entoure. Le modèle assure le raisonnement, tandis que l'environnement de l'agent gère la boucle, les outils, le bac à sable, les sessions et l'exécution. Managed Agents intègre une grande partie de cette infrastructure dans la plateforme d'Anthropic, tandis que des approches open source telles que TrueForge offrent aux équipes un meilleur contrôle sur l'environnement et le moteur d'exécution.

Pour les systèmes d'IA en production, le choix ne concerne donc pas seulement le modèle à utiliser. Il s'agit également de savoir où réside le moteur d'exécution de l'agent, qui l'exploite, quel niveau de contrôle vous est nécessaire et comment vous gérez l'accès aux modèles.

À mesure que les agents gagnent en capacité et traitent des flux de travail de plus en plus complexes, ces décisions d'infrastructure deviendront une part de plus en plus importante de la création d'agents de production fiables.

FAQ

Q : Qu'est-ce que Claude Managed Agents ?

‍R : Claude Managed Agents est la suite d'API composables d'Anthropic destinée à créer et à exécuter des agents d'IA hébergés dans le cloud sur la plateforme Claude. Elle fournit un environnement d'agent pré-construit — la boucle d'appel d'outils, l'exécution en bac à sable, l'état de session, les autorisations délimitées et le traçage — afin que les équipes puissent déployer des agents sans avoir à construire leur propre moteur d'exécution. Lancée en version bêta publique le 8 avril 2026, elle s'articule autour de quatre concepts : les agents, les environnements, les sessions et les événements.

Q : Quelle est la différence entre Claude Managed Agents et le SDK Claude Agent ?

‍R : Le SDK Claude Agent exécute la boucle de l'agent au sein de votre propre processus et infrastructure, tandis que Claude Managed Agents l'exécute sur celle d'Anthropic. Avec le SDK, vous gérez l'environnement d'exécution, le bac à sable et la charge opérationnelle. Avec Managed Agents, vous confiez ces trois aspects à Anthropic et bénéficiez en retour d'une infrastructure de production, de la persistance et du suivi via console. Les deux solutions sont exclusivement réservées à Claude.

Q : Combien coûtent les Claude Managed Agents ?

‍R : Le coût se compose de deux éléments : les tarifs standards des jetons de l'API Claude pour le modèle, et des frais basés sur la session pour l'environnement d'exécution géré. Comme les agents fonctionnent sur de longues périodes et que le système lui-même consomme des jetons pour les appels d'outils et la gestion du contexte, la partie liée aux jetons représente généralement la majeure partie de la facture. Notre détail des tarifs explique le calcul complet par exécution.

Q : Puis-je déployer TrueFoundry dans mon propre VPC ou sur site ?

‍R : Oui. TrueFoundry s'exécute dans votre VPC, sur site, en environnement isolé (air-gapped), hybride ou sur plusieurs clouds, et aucune donnée ne quitte votre domaine. C'est la raison principale pour laquelle les entreprises soumises à des réglementations le préfèrent aux passerelles SaaS uniquement — un point particulièrement pertinent ici, car Managed Agents n'est actuellement pas éligible à la politique de non-rétention des données (Zero Data Retention) ni à la couverture HIPAA BAA.

Q : TrueFoundry prend-il en charge MCP et les agents IA ?

‍R : Oui. TrueFoundry inclut une passerelle MCP, une passerelle pour agents et un registre MCP & Agents avec un contrôle d'accès au niveau des outils. Les agents créés avec LangGraph, CrewAI, AutoGen, le SDK Claude Agent ou des frameworks personnalisés peuvent tous être déployés et gouvernés de manière centralisée.

Q : Combien de LLM TrueFoundry prend-il en charge ?

‍R : Plus de 1 000 LLM via une API unique compatible avec OpenAI. Vous changez de modèle simplement en modifiant son nom dans la requête — même URL, mêmes identifiants — ce qui permet de router les tâches simples vers des modèles économiques par une simple modification de configuration, sans avoir à réécrire le code.

Lectures complémentaires

• Alternatives à Claude Managed Agents les cinq options à évaluer si le mode géré ne vous convient pas
• TrueForge vs Claude Managed Agents : le benchmark méthodologie complète Enterprise-Bench et chiffres du coût par exécution
• Qu'est-ce que l'orchestration multi-agents ? la couche située au-dessus d'un environnement d'exécution à agent unique
• Agents LLM : architecture et modèles les bases de cet article
• Registre d'agents IA comment assurer le suivi des agents lorsque vous en gérez plus d'une poignée