Antropički zvanični Harness je objavljen — ubrzanje i do 10 puta.

Ne mogu više da pratim — zaista ne mogu.

Jedva što smo razjasnili gomilu koncepata poput Skill i Subagent, Anthropic izbaci novo ime — Claude Managed Agents.

Otvorim stranicu sa objavom, gle čuda — Anthropic je sam sišao u arenu i od Harnessa napravio proizvod.

Da li ste primetili? Poslednje nedelje se najviše ne raspravlja o OpenClaw-u, već o Harnessu.

Agent = veliki model + Harness. Model je mozak, a Harness pretvara mozak u sistem koji može da radi i da isporučuje.

Sandbox, stanje sesije, domen dozvola, end-to-end praćenje, nastavak posle prekida veze, orkestracija pod-Agenta — bilo šta od toga loše urađeno, i Agent ostaje samo na nivou demoa.

8. aprila, A-fabrika je izravno pretvorila tu infrastrukturu u hostovanu uslugu, koju je nazvala Claude Managed Agents.

01. Šta Harness zapravo rešava

Da li rezultate alata treba u celosti ubaciti u kontekst?

Model radi dva sata i iznenada izgubi mrežu — šta je sa napretkom?

Kako se orkestrira više paralelnih podzadataka? Ko revidira svaki korak? Ko zaustavlja neovlašćene operacije?

Sva ta pitanja ne pripadaju "problemima modela", već "problemima infrastrukture".

Harness je skupni naziv za rešavanje te gomile problema — okruženje koje obavija model i određuje gde model radi, čime radi, kako se oporavlja nakon greške i šta se beleži o onome što je urađeno.

Model je mozak; sandbox, fajl sistem i izvršavanje alata su ruke i noge.

Jednostavno rečeno, Harness nije nov koncept — to je ujednačeni naziv koji se pojavio jer su svih prošlih godinu dana bili izmučeni. Claude Code je dobar upravo zato što u sebi ima pažljivo osmišljen Harness.

"Agentski okviri" koje smo prošle godine svi pravili su u suštini bili pravljenje Harnessa. LangGraph, AutoGen, CrewAI — svaki ima svoju varijantu, pristupi su različiti, ali problem koji rešavaju je isti: kako Agent pokrenuti u produkciji i ugoditi ljudskim očekivanjima koliko god moguće.

Tržište je prvobitno bilo mišljeno za okvire trećih strana, a Anthropic sada ulazi i sam svom modelu pridružuje zvanični Harness.

Anthropic sada izvlači taj sloj iz Claude Code-a i pretvara ga u API koji svi mogu pozivati.

02. Šta je Claude Managed Agents

Zvanična definicija glasi: a composable suite of APIs to build and deploy cloud-hosted Claude agents — kompozabilni skup API-ja za izgradnju i deploy-ovanje Claude Agenata hostovanih u oblaku.

Zvuči apstraktno. Hajde da ga raščlanimo.

Ceo servis radi oko četiri ključna koncepta:

Agent je objekat konfiguracije koji se može ponovo koristiti, a sadrži izbor modela (npr. claude-sonnet-4.6), sistemski prompt, listu alata, mountovane MCP Servere i Skills. Napravite ga jednom, referencujete preko ID-a, i možete njime upravljati po verzijama.

Environment je šablon kontejnera koji određuje u kom okruženju Agent radi — koje su pakete unapred instalirane (Python, Node.js, Go...), da li je mreža otvorena i koji su fajlovi montirani.

Session je jedna stvarna instanca pokretanja koja podiže Agent i Environment, izvršava konkretan zadatak i proizvodi izlaz. Istorija događaja svake sesije trajno je smeštena na serverskoj strani i u svakom trenutku se može povući kompletan zapis.

Events su medij komunikacije između vas i Agent-a — korisničke poruke, rezultati izvršenja alata, ažuriranja stanja, sve preko SSE-a.

Ovaj dizajn ima jedno veoma zanimljivo svojstvo: Agent i Environment su razdvojeni.

Isti Agent može da radi u različitim Environmentima — u produkciji sa ograničenom mrežom, u testnom okruženju potpuno otvorenom, ili u lokalnom debagovanju sa montiranim samo specifičnim fajlovima. Konfiguracija se ponovo koristi, okruženja su izolovana, svako služi svojoj svrsi.

Zvanično je dato poredbeno tabelo, prenosim je ovako:

Dimenzija	Messages API	Claude Managed Agents
Šta je	Direktan poziv modela	Predhostovani Harness, hostovana infrastruktura
Za šta odgovara	Custom Agent petlja, fina kontrola	Dugotrajni zadaci, asinhroni rad
Upravljanje stanjem	Sami implementirate	Platforma preuzima
Izvršavanje alata	Sami implementirate	Ugrađeni bash, fajlovi, Web pretraga

Jednom rečenicom: ako želite fleksibilnu kontrolu koristite Messages API, a ako želite bezbrižno pokretanje dugih zadataka koristite Managed Agents. Njih dvoje nisu u odnosu zamene, već podele scenarija.

Tri koraka do jedne sesije

Iz knjige se najmanje uči. Pređimo direktno na kod — osećaj je najneposredniji.

Prvi korak, kreiranje Agent-a:

from anthropic import Anthropic

client = Anthropic()

agent = client.beta.agents.create(
    name="Coding Assistant",
    model="claude-sonnet-4-6",
    system="You are a helpful coding assistant. Write clean, well-documented code.",
    tools=[
        {"type": "agent_toolset_20260401"},
    ],
)
print(f"Agent ID: {agent.id}, version: {agent.version}")

agent_toolset_20260401 je Anthropicov pretpakovani kompletni set alata, koji obuhvata bash izvršavanje, čitanje i pisanje fajlova, Web pretragu i WebFetch — jednom linijom gotovo, bez pojedinačnog konfigurisanja.

Drugi korak, kreiranje Environmenta:

environment = client.beta.environments.create(
    name="quickstart-env",
    config={
        "type": "cloud",
        "networking": {"type": "unrestricted"},
    },
)
print(f"Environment ID: {environment.id}")

Treći korak, kreiranje sesije, slanje poruke i preuzimanje rezultata:

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

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": "Napiši mi Python skriptu koja generiše prvih 20 Fibonačijevih brojeva i sačuva ih u fibonacci.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[Alat se koristi: {event.name}]")
            case "session.status_idle":
                print("\n\nAgent je završio zadatak.")
                break

Obratite pažnju na jedan detalj: svi API zahtevi za Managed Agents moraju nositi managed-agents-2026-04-01 beta zaglavlje; SDK to radi automatski, a kod ručnog pisanja curl-a morate dodati ručno.

Dok Agent radi, svi događaji se strimuju nazad preko SSE-a.

agent.message je tekstualni izlaz modela, agent.tool_use je događaj poziva alata, a session.status_idle označava da je Agent završio ovaj krug i da nema šta drugo da radi. Taj signal mirovanja je važan — tek kada se pojavi možemo biti sigurni da je Agent zaista završio, a ne da čeka sledeće rezultate alata.

Još jedno zgodno mesto je uplitanje usred puta.

Sesija radi do pola, uvidite da pravac nije dobar — možete direktno poslati još jednu korisničku poruku u events, Agent će je pročitati i promeniti pravac, bez ponovnog pokretanja cele sesije.

Ta sposobnost je naročito korisna u dugim zadacima — Agent je već napisao kod, a vi iznenada želite da dodate zahtev; ne morate iznova, samo ubacite jednu rečenicu.

Ova tri koraka i Agent koji radi u oblaku, sa kompletnim setom alata, je podignut. Ranije ste morali sami da slažete Docker, sami implementirate Agent petlju, sami rešavate trajnost stanja — sad sve to ne treba.

03. Tri Anthropicova dizajnerska principa

Prelistao sam dokumentaciju, a Anthropic je u zvaničnom blogu sumirao tri ključna pristupa pri dizajnu Claude Managed Agents — svaki vedi pažljivije proučavanje.

Iskoristiti Claudeove već zrele alate

Na SWE-bench Verified benchmarku krajem 2024. godine, Claude je sa samo dva alata osvojio 49% — jednim bash alatom i jednim alatom za editovanje teksta. Tada je to bio SOTA nivo.

Šta broj kaže: Claude je u upotrebi bash-a veoma zreo, a bash može mnogo više nego što većina misli.

Operacije nad fajlovima, mrežni zahtevi, obrada podataka, izvršavanje koda — jedna bash komanda često reši složen podzadatak.

Sa druge strane, to pokazuje da je Anthropic poslednjih godina jako uložio u sposobnosti koda. Model zna da piše bash, da razume rezultate izvršenja i da na osnovu greške koriguje strategiju — to se ne dešava preko noći, to se polako brusi.

Zato Anthropic pri dizajnu podrazumevanog skupa alata ne ide odjednom na gomilu specijalizovanih alata, već bash i operacije sa fajlovima pakuje u agent_toolset_20260401 kao osnovni gradivni blok. Ostali alati se biraju po potrebi.

Vratiti moć odlučivanja modelu

Ovo je, po mom mišljenju, dizajnerska odluka sa najviše tehničke dubine.

Mnogi Harnessi potiho ubacuju pretpostavke "Claude sam ne može to", ali sa porastom sposobnosti modela te pretpostavke moraju ponovo da se ispitaju.

Najtipičnija pretpostavka: rezultat svakog poziva alata mora prvo proći kroz kontekstni prozor Claude-a, pa tek onda Claude može da odluči o sledećem koraku.

Zvuči samorazumljivo, ali je zapravo rasipanje — mnogi rezultati su samo međuproizvodi koje treba proslediti sledećem alatu, pa Claude uopšte ne mora da ih vidi; mnogi rezultati su ogromne veličine, a Claude se brine samo o malom isečku, pa ubacivanje celog u prozor i jeste sporo i jeste skupo.

Pa šta onda?

Dajte Claude-u bash alat. Claude sam piše kod, sam odlučuje koje rezultate da pogleda, koje da direktno preko cevovada prosledi sledećem pozivu, a koje da izfiltrira i zadrži samo sažetak. Samo konačni izlaz ulazi u kontekstni prozor — logika orkestracije prešla je sa Harnessa na sam model.

Skills su proistekli iz iste logike. Zaglavlje YAML svakog Skill-a je kratki opis koji se unapred ubacuje u kontekst, ali se pun sadržaj Skill-a ne učitava. Claude, pošto pročita taj opis, sam proceni "ovaj Skill mi sada treba", pa zatim aktivno pozove alat za čitanje fajla i povuče pun sadržaj. Učita se samo onaj koji se koristi — to je progresivno otkrivanje.

Vraćanje moći odlučivanja modelu zvuči jednostavno, ali iza toga stoji Anthropicovo kontinualno preispitivanje granica moći modela.

Granice postavljati pažljivo, ali gde treba — obavezno

Prva dva principa govore o "vraćanju moći modelu"; treći govori o tome "kad to ne treba činiti".

Bash alat daje Claude-u veliku slobodu, ali za Harness to je samo string — oblik svake operacije je isti, Harness ne može da razlikuje da li Claude briše fajl ili čita log.

Ako određene operacije zahtevaju reviziju, zaustavljanje dozvolom ili potvrdu korisnika, onda ih je nužno podići na nivo specijalizovanih alata, kako bi Harness dobio tipizovane parametre koje može zaustavljati, renderovati i beležiti.

Auto režim Claude Code-a je zanimljiva implementacija tog principa — jedan drugi Claude čita string bash komande i procenjuje da li je bezbedna. Jedan Claude radi, drugi Claude nadgleda, i tako se uzajamno uravnotežuju.

Ovakva zamisao "AI nadgleda AI" prisutna je i u Managed Agents. Domen dozvola (Scope) je saputnik execution trace-a: Scope određuje šta Agent sme, a Trace beleži šta je Agent uradio; tek njih dvoje zajedno mogu naknadno da objasne "šta je Agent radio u ovom zadatku i da li je prekoračio".

Za enterprise klijente, ta sposobnost revizije je preduslov usklađenosti. Bez Trace-a, Agent je crna kutija; sa Trace-om, svaki korak Agent-a ima traga.

Ta tri principa, združena, iskazuju potpunu filozofiju Harness dizajna Anthropic-a: što model može sam da odluči, neka odluči; ono što mora da čuva infrastruktura — bez popuštanja.

04. Još uvek u Research Preview — tri dela

Claude Managed Agents je već u potpunosti u open beta, ali tri napredne sposobnosti su još uvek u fazi research preview i traže zasebnu prijavu:

Outcomes (ocena rezultata) omogućava da definišete kriterijume uspeha zadatka Agent-a, a platforma automatski procenjuje da li svako izvršenje ispunjava cilj. To je ključno za izgradnju merljivih Agentskih tokova.

Multiagent (koordinacija više Agenata) je sposobnost glavnog Agent-a da izrodi pod-Agenta i paralelno radi. Jedan glavni Agent razloži zadatak na više podzadataka, gde svaki pod-Agent nosi svoj deo, a po završetku se sažme.

U slučaju Notion-a pominje se "paralelno nekoliko desetina zadataka", a ispod haube upravo to stoji.

Modeli orkestracije više Agenata imaju nekoliko varijanti: jedan Agent-dispečer + više Agent-izvršilaca — to je najčešća master-slave struktura; može i kao pipeline — izlaz Agent-a A je ulaz Agent-a B, i tako u nizu; ili kao parlamentarna struktura — više Agenata za isto pitanje daju svoj odgovor, a glavni Agent na kraju radi sintezu.

Memory (pamćenje koje prelazi sesije) omogućava Agent-u da pamti kontekst kroz više sesija. Podrazumevano je kontekst svake sesije nezavisan, a kada se Memory uključi, Agent može iz istorijskih razgovora izvući relevantne informacije i ubaciti ih u trenutni kontekst.

Iskreno, Multiagent i Memory su najmaštovitiji delovi celog proizvoda — kada se zvanično otvore, plafon Agentskih aplikacija ponovo će se podići za nijansu.

05. Šta kažu stvarni klijenti

Ovom objavom Anthropic je doneo i skup klijentskih primera velike težine — izdvojiću par detalja.

Notion je Claude direktno integrisao u workspace, omogućavajući timovima da zadatke "delegiraju" Claude-u (trenutno u Notion Custom Agents privatnoj alfa fazi).

Inženjeri njime pišu kod, radnici znanja njime generišu sajtove i prezentacije, a nekoliko desetina zadataka može paralelno da teče.

Citat Eric Liu-a, produktnog menadžera u Notion-u, glasi: Managed Agents može da obradi duge razgovore, upravlja memorijom i dugoročno stabilno isporučuje visokokvalitetan izlaz.

Najiskrenija brojka dolazi od Vibecode-a. Vibecode pomaže klijentima da od prompta dođu do deploy-ovane aplikacije, a ključna putanja isporuke je Managed Agents.

Pre Managed Agents-a korisnici su morali ručno da u sandboxu pokreću LLM, upravljaju životnim ciklusom, sastavljaju alate i nadgledaju izvršenje — ceo proces bi trajao od nekoliko nedelja do nekoliko meseci. Sada je dovoljno nekoliko linija koda; korisnici pokreću istu infrastrukturu najmanje 10 puta brže.

Logika iza ovog "10 puta brže" zapravo je vrlo prosta: nekad, da biste složili kompletnu Agentsku infrastrukturu, morali ste da pišete Docker Compose, da rešavate izolaciju akreditiva, da implementirate trajnost stanja, da sredite oporavak posle prekida — svaka stavka je poseban inženjerski zadatak. Sada je sve postalo API poziv, od nekoliko stotina linija infrastrukturnog koda do desetak linija biznis koda. Čudno bi bilo da nije brže.

Zaključak

Kada se ove informacije svedu, šta ta objava zapravo znači?

Komercijalna pozicija se promenila, ali nije stvar samo komercijalnog nivoa.

Ranije je Anthropic pružao API modela, gde su programeri plaćali po tokenu. Sada pruža kompletno okruženje za Agent: od sandboxa, preko upravljanja sesijama, do kontrole dozvola — sve hostovano.

Jednom kada se ovaj pravac uspostavi, ARR kriva Anthropic-a mogla bi izgledati sasvim drugačije nego ranije.

Iskreno, kad sam video ovu objavu, moja prva reakcija nije uzbuđenje — olakšanje je.

Izbor između Managed Agents i sopstvenog Harnessa inženjersko je pitanje odluke. Ako su vaši Agentski zadaci standardni, bez ekstremnih zahteva po pitanju latencije i cene, hostovana usluga štedi vreme i trud. Ako je vaš scenario veoma specifičan, zahteva finu kontrolu svakog koraka ili stroge podatke bezbednosti koji ne smeju u oblak, izgradnja sopstvenog Harnessa pravi je put. Obema puteve koristi neko; ključno je da dobro razmislite o svom scenariju pre nego što se opredelite.

[Ono što zaista menja industriju nije pametniji model, već stabilnije okruženje.]

Rat infrastrukture u Agent eri — Anthropic je ispalio prvi hitac.

vidimo se u sledećem.