Panduan Memulai Claude Managed Agents 2026

Pertama kali saya mencoba menjalankan sesi Managed Agents, saya mendapat error 400 tepat di curl pertama. Bukan saat pembuatan agen. Bukan saat setup environment. Melainkan di endpoint stream. Saya menyalin header dari request create — anthropic-beta: managed-agents-2026-04-01 — dan API streaming langsung menolaknya. Ternyata endpoint streaming pada saat itu, dalam dokumentasi, mereferensikan header beta yang berbeda. Saya membuang empat puluh menit hanya untuk itu.

Jika Anda ingin menjalankan sesi Managed Agents pertama Anda dari awal hingga akhir hari ini, ini adalah jalur yang benar-benar saya tempuh. Hei, ini Dora! Beta header dulu, karena di situlah setengah dari kegagalan terjadi. Lalu agen, environment, sesi, stream. Dan cek biaya di akhir, karena waktu sesi terus berjalan selama Anda debug.

Sebelum Memulai

Anda memerlukan API key Anthropic dengan akses Managed Agents. Saat ini tidak ada waitlist — key yang sudah ada pun berfungsi dalam beta publik.

Beta header bersifat wajib. Setiap endpoint Managed Agents membutuhkan anthropic-beta: managed-agents-2026-04-01. Menurut gambaran umum Managed Agents Anthropic, SDK mengatur ini secara otomatis. Jika Anda menggunakan raw curl, Anda perlu menambahkannya ke setiap request sendiri. Ini adalah penyebab paling umum dari error 400 yang pernah saya lihat dalam laporan komunitas.

Jika Anda menggunakan SDK resmi (anthropic untuk Python, @anthropic-ai/sdk untuk TypeScript), pastikan Anda menggunakan versi yang sudah menyertakan dukungan beta agent. Versi lama tidak akan memiliki client.beta.agents atau client.beta.sessions.

Pilihan model penting di sini. Opus 4.7 lebih cerdas untuk penalaran agen jangka panjang. Sonnet 4.6 lebih murah dan lebih cepat per token. Untuk percobaan pertama, Sonnet 4.6 sudah cukup. Jika beban kerja nyata Anda adalah debugging, perencanaan, atau rantai tool yang panjang, Opus 4.7 sepadan dengan harganya.

Langkah 1 — Definisikan Agen Anda

Sebuah agen, dalam Managed Agents, adalah objek konfigurasi, bukan sebuah proses. Anda mendefinisikan nama, model, system prompt, dan akses tool sekali, lalu menggunakannya kembali di berbagai sesi.

Definisi minimal dari quickstart resmi:

python

agent = client.beta.agents.create(
    name="Coding Assistant",
    model="claude-opus-4-7",
    system="You are a helpful coding agent.",
    tools=[{"type": "agent_toolset_20260401"}],
)

Tipe tool agent_toolset_20260401 membuka akses ke toolset bawaan lengkap — bash, baca/tulis file, web search, web fetch, eksekusi kode. Anda bisa membatasinya nanti. Untuk percobaan pertama, biarkan seluas mungkin agar Anda bisa melihat apa yang benar-benar dipilih agen.

Simpan agent.id. Setiap sesi memerlukannya.

Langkah 2 — Buat Environment

Environment mendefinisikan container yang tersandbox. Untuk kebanyakan percobaan pertama:

python

env = client.beta.environments.create(
    name="quickstart-env",
    config={"type": "cloud", "networking": {"type": "unrestricted"}},
)

Simpan env.id. Jika agen Anda hanya menyentuh filesystemnya sendiri, "networking": {"type": "limited"} lebih aman dan terdokumentasi dengan baik di cookbook SRE incident responder.

Langkah 3 — Mulai Sesi

Sebuah sesi menghubungkan agen dengan environment. Membuat sesi tidak memulai pekerjaan. Ini hanya menyediakan sumber daya. Pekerjaan dimulai ketika Anda mengirim event pengguna.

python

session = client.beta.sessions.create(
    agent=agent.id,
    environment_id=env.id,
    title="Quickstart session",
)

Pola ini — buat, lalu kendalikan dengan event — adalah tempat di mana model state-machine dari referensi sessions menjadi masuk akal. Sesi tetap ada. Anda bisa mengirim lebih banyak event nanti. Filesystem bertahan di antara giliran.

Langkah 4 — Stream Event

Buka stream, kirim pesan pengguna, baca event hingga session.status_idle:

python

with client.beta.sessions.events.stream(session.id) as stream:
    client.beta.sessions.events.send(
        session.id,
        events=[{
            "type": "user.message",
            "content": [{"type": "text",
                         "text": "Generate first 20 Fibonacci numbers, save to fib.txt"}],
        }],
    )
    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[tool: {event.name}]")
            case "session.status_idle":
                break

Nama event mengikuti format {domain}.{action}. Skema lengkap ada di dokumentasi events dan streaming. Field processed_at penting: jika nilainya null, event masih dalam antrean, belum dieksekusi. Saya melewatkan ini di percobaan pertama saya dan mengira tool gagal tanpa pesan.

Cek Biaya

Managed Agents menagih dua hal: tarif token standar ditambah $0,08 per jam sesi untuk runtime aktif. Menurut halaman harga resmi, runtime dihitung per milidetik — tetapi hanya saat status running. Waktu idle dan sesi yang dihentikan tidak dikenakan biaya.

Artinya dalam praktik:

• Sesi yang lupa Anda tutup saat debugging: masih terakumulasi (jika sedang berjalan).
• Web search: $10 per 1.000 panggilan, ditagih terpisah. Agen riset cepat mencapai batas ini.
• Periksa sesi aktif di Console tracing sebelum mengakhiri hari. Verifikasi jalur UI saat ini sendiri — tata letak Console terus berubah.

Error Umum

Beta header hilang atau salah. Error 400, sering dengan pesan tentang endpoint yang tidak didukung. Solusi: pastikan managed-agents-2026-04-01 ada di setiap panggilan HTTP langsung. Jika Anda menggunakan SDK dan masih mengalami ini, perbarui SDK.

Rate limit. Endpoint create dibatasi 60 rpm; endpoint read 600 rpm. Batas tier organisasi masih berlaku di atasnya. Error 429 berarti mundur dengan jitter, bukan langsung retry.

Tool loop diam. Agen terus memanggil tool tetapi tidak menghasilkan pesan akhir. Periksa trace sesi — biasanya ada requires_action yang tidak ditangani dan tidak pernah mendapat respons balik.

FAQ

Q1: Bagaimana cara mengaktifkan koordinasi multi-agen di Managed Agents?

Multi-agen (beserta memory dan outcomes) masih merupakan fitur research preview. Anda meminta akses secara terpisah melalui Claude Console. Pola koordinasi — orkestrator yang mendelegasikan ke agen yang bisa dipanggil — didokumentasikan di bawah sesi multiagen, tetapi Anda tidak bisa menggunakannya sampai flag preview diaktifkan untuk organisasi Anda.

Q2: Bisakah saya memeriksa tool apa saja yang dipanggil agen selama sesi?

Ya. Gunakan client.beta.sessions.events.list(session.id) untuk akses programatik, atau tampilan tracing Console untuk timeline kronologis dengan token dan timestamp per event.

Q3: Di mana cookbook resmi Managed Agents?

Tutorial tersedia di situs Claude Cookbook — notebook iterate-fix-failing-tests adalah bacaan pertama terbaik. Notebook operate-in-production mencakup vault, MCP, dan webhook setelah Anda melewati tahap hello-world.

Q4: Apakah ada cara untuk menguji tanpa menanggung biaya runtime sesi?

Tidak ada tier gratis khusus Managed Agents. Kredit gratis API standar mencakupinya. Jaga sesi tetap singkat selama pengembangan dan tutup ketika Anda berhenti bekerja. Sesi idle tidak ditagih, tetapi yang berjalan ditagih — dan “berjalan” termasuk agen yang diam-diam berputar dalam loop.

Q5: Model apa yang terbaik untuk tugas Managed Agents yang berjalan lama?

Tergantung pada apa yang dimaksud “berjalan lama”. Untuk penalaran multi-jam dengan penggunaan tool yang berat, gunakan Opus 4.7. Untuk loop sederhana bervolume tinggi, Sonnet 4.6 dengan prompt caching memangkas biaya secara dramatis. Saya masih menguji Opus 4.7 pada sesi lebih dari 2 jam. Di situlah data saya berakhir. Akan ada lebih banyak lagi.

Masih memverifikasi bagaimana compaction berperilaku setelah melewati dua jam. Coba sendiri — itu akan memberi tahu Anda lebih banyak daripada yang bisa saya sampaikan.

Postingan sebelumnya:

• Godmod3 AI Explained
• Claude Opus 4.7 Unified Model & API Layer
• Agentic Workflow Tool Wiring: Patterns & Pitfalls
• GLM-5V Turbo vs GPT-4o Vision UI & Coding
• How to Set Up G0DM0D3 OpenRouter 2026