Claude Managed Agentsとは？仕組み・料金・事例
2026年4月8日、Anthropicが「Claude Managed Agents」をパブリックベータとして公開しました。Claude Codeとは根本的に異なるこのサービスは、AIエージェントを企業のビジネスプロセスに安全に組み込むための基盤です。
この記事では、Claude Managed Agentsの仕組み・料金・企業導入事例から、Claude Codeとの違い、そして中小企業にとっての意味まで、多角的に解説します。
Claude Managed Agentsとは？ — 30秒で理解する
Claude Managed Agentsは、Anthropicが提供するクラウド上でAIエージェントを自律的に動かすためのインフラサービスです。
従来のClaude APIやClaude Codeでは、開発者が自分でエージェントの実行環境・セキュリティ・状態管理を構築する必要がありました。Managed Agentsはこれらを丸ごとAnthropicが提供します。
具体的には、以下が一括で手に入ります。
- 隔離されたクラウドコンテナ（セキュアなサンドボックス環境）
- ツール実行基盤（Bash、ファイル操作、Web検索、MCP連携）
- 認証・権限管理（クレデンシャルの安全な取り扱い）
- セッション永続化（切断しても作業が継続）
- エラー回復（失敗時の自動リカバリ）
- 実行トレース（全操作ログの記録・監査対応）
一言でまとめると、「AIエージェントのインフラ部分をAnthropicが肩代わりしてくれるサービス」です。
Claude Codeとの決定的な違い
Claude Managed Agentsを理解するには、Claude Codeとの違いを押さえることが最も重要です。
対話型 vs 委託型
Claude Codeは、自分のパソコンのターミナルで対話しながら作業するツールです。質問して、返ってきた回答を見て、また指示を出す。人間がループの中にいて、逐一判断を挟みます。
Managed Agentsは、クラウド上の隔離されたコンテナでAIが自律的に動きます。タスクと条件を定義して投げたら、完了するまで待つだけ。人間はループの外にいます。
たとえるなら、Claude Codeは「隣の席で一緒にコードを書く同僚」で、Managed Agentsは「仕様書を渡して翌朝までに仕上げてもらう外注チーム」です。
機能面の比較
両者の違いを整理します。
- 実行場所: Claude Code → ローカルPC / Managed Agents → Anthropicのクラウドコンテナ
- 操作方式: Claude Code → 対話型（リアルタイム） / Managed Agents → 非同期型（投げて待つ）
- セキュリティ: Claude Code → 自前で管理 / Managed Agents → Anthropicが隔離環境を提供
- セッション: Claude Code → ローカルで完結 / Managed Agents → クラウドで永続化
- 課金方式: Claude Code → サブスク（Max $200/月等） / Managed Agents → API従量課金
- 対象者: Claude Code → 個人〜小規模チーム / Managed Agents → 中堅〜大企業のプロダクト組み込み
どちらが上位互換というわけではなく、用途が異なります。1回きりの作業や対話しながらの開発ならClaude Codeで十分です。業務システムにAIを組み込んで継続的に動かすなら、Managed Agentsの領域です。
私は日常的にClaude Codeで業務のほぼ全範囲を自動化しています。記事執筆、提案書作成、コーディング、調査——すべてClaude Codeです。CLAUDE.mdやSkills、ルールファイルを整備し、タスクの実行フローを設計する「ハーネスエンジニアリング」にかなりの時間を投資してきました。その立場から見ると、Managed Agentsの4つのコア概念（Agent・Environment・Session・Events）は、私たちがハーネスで実践してきたことをAPI経由で定義する仕組みそのものです。概念は同じ。しかし公式がセキュアなインフラ込みで提供するという点が、決定的に違います。
なぜ今、Managed Agentsが必要なのか
AIエージェントを業務で使う企業が増える中で、最大のボトルネックは「セキュリティと機密情報の管理」でした。
従来のハードル
Claude Codeを業務で使い込んでいるエンジニアの間では、「ハーネス」という概念が定着しています。CLAUDE.md、Skills、ルールファイル、知見データベースなどを整備し、AIにタスクを実行させるフローを設計する。ハーネスの質がアウトプットの精度を決めるため、こだわりを持って作り込む文化がありました。
しかし、ハーネスをどれだけ整備しても、企業が自社の機密情報をAIに扱わせることには大きなリスクが伴います。
- 顧客データ・財務情報がAIモデルに送信される不安
- 認証情報の安全な管理（APIキー、OAuthトークン等）
- 実行環境の隔離（本番システムを汚さない保証）
- 監査証跡の確保（AIが何をしたか追跡できるか）
これらを自前で構築するには、セキュリティに精通した専門エンジニアが必須でした。結果として、AIエージェントの業務導入は技術力のある一部の企業に限られていたのが実情です。
私自身、中小企業向けにAI業務効率化の導入支援を行っていますが、提案段階で「顧客データをAIに渡して大丈夫なのか」という懸念は必ず出ます。ハーネスをどれだけ丁寧に設計しても、セキュリティの担保は自社の責任です。専任のセキュリティエンジニアがいない中小企業にとって、この一点が導入の最大のボトルネックでした。
Anthropicが肩代わりする
Managed Agentsは、このインフラ部分をAnthropicが公式サービスとして引き受けます。
- コンテナ隔離: 各エージェントが独立したサンドボックスで動作。本番環境に影響しない
- クレデンシャル分離: Gitトークンやアクセス鍵はサンドボックス初期化時にバンドルされ、生成コードからはアクセスできない設計
- OAuthトークンの安全管理: 認証情報はサンドボックス外の安全なVaultに保管
- MCP Proxy: 外部サービスとの連携時も、クレデンシャルがハーネスに露出しない
- 全操作トレース: Eventsとしてすべての操作ログが残り、監査に対応
つまり、今まで個人利用やリスクの低い場面での活用がメインだったAIエージェントが、ビジネスの本丸——機密データを扱う業務プロセス——にも投入できるようになったということです。
4つのコア概念
Managed Agentsは4つの概念で構成されています。
1. Agent（エージェント定義）
「何をさせるか」の設計書です。使用するAIモデル（Opus / Sonnet / Haiku）、システムプロンプト、利用可能なツール、MCP接続先などを定義します。一度作成すれば、IDで何度でも再利用できます。
Claude CodeでいうCLAUDE.md + Skills + MCP設定を、API経由で定義するものと考えるとわかりやすいでしょう。
2. Environment（実行環境）
「どこで動かすか」の設定です。クラウドコンテナにプリインストールするパッケージ（Python、Node.js、Go等）、ネットワークアクセスルール、マウントするファイルを指定します。
3. Session（セッション）
「実際の作業」そのものです。AgentとEnvironmentを紐づけてSessionを開始すると、AIがタスクを自律的に実行し始めます。セッションはクラウドで永続化されるため、接続が切れても作業は継続します。
4. Events（イベント）
「作業の記録と通信」です。ユーザーからの指示、AIの応答、ツール実行結果がすべてイベントとして記録されます。Server-Sent Events（SSE）でリアルタイムにストリーミング配信され、全履歴を後から取得することも可能です。
実行の途中で追加指示を送ったり、方向転換のために中断したりすることもできます。「投げたら放置」だけでなく、必要に応じて途中介入できる柔軟性も持っています。
アーキテクチャ — 「頭脳と手を分離する」設計思想
Anthropicのエンジニアリングチームは、Managed Agentsの設計思想を「頭脳（Brain）と手（Hands）の分離」と表現しています。
従来の問題
初期の設計では、セッション・ハーネス・サンドボックスが1つのコンテナに同居していました。この構造では、コンテナがクラッシュするとセッション全体が失われ、手動での復旧が必要でした。
分離後の設計
現在のアーキテクチャでは、ハーネス（頭脳）はコンテナの外に存在し、コンテナを「ツールの一つ」として呼び出す構造に変わっています。
- ステートレスなハーネス: セッションログが永続化されているため、ハーネスを再起動してもデータが失われない
- コンテナは「使い捨て」: 個々のコンテナは交換可能な部品として扱われ、障害時も新しいコンテナに切り替わる
- 推論の即時開始: コンテナのプロビジョニングを待たずに推論を開始し、ツール呼び出し時に初めてコンテナを起動。P50で約60%、P95で90%以上のTTFT（最初のトークンまでの時間）改善を達成
この設計は、将来的に複数のコンテナ（複数の「手」）を1つのハーネス（「頭脳」）が同時に操るマルチエージェント構成にも対応できる拡張性を持っています。
料金体系 — 3つの課金軸
Managed Agentsの料金は、トークン従量 + セッション稼働時間 + Web検索の3軸です。
1. トークン料金（通常のClaude API料金と同一）
- Claude Opus 4.6: 入力 $5/100万トークン、出力 $25/100万トークン
- Claude Sonnet 4.6: 入力 $3/100万トークン、出力 $15/100万トークン
- Claude Haiku 4.5: 入力 $1/100万トークン、出力 $5/100万トークン
プロンプトキャッシュも適用可能で、キャッシュヒット時は入力料金の10%まで下がります。
2. セッション稼働時間
$0.08/時間（ミリ秒単位で計測）。ステータスが「running」の間のみ課金され、アイドル状態・待機中は課金されません。
3. Web検索
$10/1,000回検索。セッション内でWeb検索ツールが実行された回数に応じて課金されます。
具体的な試算
公式ドキュメントに掲載されている試算例を紹介します。
1時間のコーディングセッション（Claude Opus 4.6使用）:
- 入力トークン 50,000 × $5/100万 = $0.25
- 出力トークン 15,000 × $25/100万 = $0.375
- セッション稼働 1.0時間 × $0.08 = $0.08
- 合計: $0.705（約106円）
プロンプトキャッシュが効く場合（入力の80%がキャッシュヒット）:
- 未キャッシュ入力 10,000 × $5/100万 = $0.05
- キャッシュヒット 40,000 × $0.5/100万 = $0.02
- 出力トークン 15,000 × $25/100万 = $0.375
- セッション稼働 1.0時間 × $0.08 = $0.08
- 合計: $0.525（約79円）
注意点として、Batch APIの割引やFast Modeプレミアムは適用されません。Managed AgentsはClaude APIの直接利用のみで、AWS BedrockやGoogle Vertex AI経由では利用できない点も押さえておきましょう。
企業導入事例
すでに複数の大手企業がManaged Agentsを本番環境に導入しています。
Rakuten — 全社横断のAIエージェント展開
楽天はManaged Agentsを活用し、プロダクト・営業・マーケティング・財務・人事の各部門に専門エージェントを配備しました。
- 1エージェントあたり1週間でデプロイ
- リリースサイクルが四半期ごと → 2週間ごとに短縮
- クリティカルエラーが97%削減
- 市場投入時間が79%短縮（24日 → 5日）
従業員はSlackやTeams経由でエージェントにタスクを割り当て、スプレッドシート・スライド・アプリケーションなどの成果物を受け取る形で運用されています。
Sentry — バグ検出からPR作成まで一気通貫
Sentryは自社のデバッグツール「Seer」とManaged Agentsを連携させ、バグの検出 → パッチ作成 → Pull Request自動作成までを一つのフローで実現しました。当初は数ヶ月かかると見込んでいた統合が、数週間で完了したとのことです。
Notion — ワークスペース内での並列タスク実行
Notionはプライベートアルファとして、ワークスペース内で直接エージェントにタスクを委任できる機能を構築中です。エンジニアリングコードからナレッジワーカーの成果物まで、数十のタスクを並列実行できる仕組みを目指しています。
Asana — AI Teammatesの実現
Asanaは「AI Teammates」——人間と並んで協働するエージェント——をManaged Agents上に構築しています。高度な機能の追加スピードが大幅に向上したと報告しています。
誰が使うべきか — 規模別の判断基準
Managed Agentsは万人向けではありません。規模と用途に応じた判断が必要です。
個人・フリーランス → まだClaude Codeで十分
Claude Maxサブスクリプション（$200/月）からは利用できず、APIアカウントと従量課金が必要です。個人の対話型作業ならClaude Codeのほうがコスト効率が良く、操作も直感的です。
小規模事業者（1〜10名） → 様子見が妥当
料金体系を見ると、人間を置き換えるレベルの継続的なタスクを想定した設計です。小規模チームではManaged Agentsの恩恵を受けられる場面が限定的で、Claude Code + Skills + MCPの組み合わせで大半の自動化ニーズは満たせます。
私自身、1人法人でClaude Codeを使い倒していますが、正直なところManaged Agentsを自社で使う場面は今のところ見当たりません。Claude CodeのSkillsとMCPで記事生成・SEO分析・顧客対応・提案書作成まで自動化できており、「クラウドで非同期に動かす必要性」が発生していないからです。同じ規模感の事業者は、まずClaude Codeの自動化基盤を整備するほうが投資効率が良いでしょう。
中堅企業（50〜300名） → 検討の価値あり
部門横断でAIエージェントを展開したい場合、セキュリティ・認証・監査の基盤を自前で構築するコストとManaged Agentsの従量課金を比較する意味があります。特に、社内の機密データを扱う自動化プロセスがある場合は有力な選択肢です。
大企業 → 積極的に導入を検討すべき
Rakutenの事例のように、複数部門への展開・ガバナンス対応・監査証跡の確保が求められる規模では、Managed Agentsが最も威力を発揮します。カスタム料金プランも用意されています。
3つのClaude製品の使い分け
AnthropicのClaude製品は、現在3つの使い方に分かれています。
- Messages API（Claude API）: モデルに直接プロンプトを送る。自前でエージェントループを構築したい場合。最も自由度が高く、完全なカスタム制御が可能
- Claude Code: ローカルPCで対話しながら作業するCLIツール。Skills・Hooks・MCPによる自動化基盤。個人〜小規模チーム向け
- Managed Agents: クラウドで自律的に動くエージェント基盤。インフラ・セキュリティ・状態管理込み。プロダクト組み込み・企業のビジネスプロセス向け
判断基準はシンプルです。「AIに仕事を頼みたい」ならClaude Code。「業務の仕組みにAIを組み込みたい」ならManaged Agents。
現時点での制約
パブリックベータとして公開されたばかりのため、いくつかの制約があります。
- ベータヘッダーが必須: すべてのAPIリクエストに
managed-agents-2026-04-01ベータヘッダーが必要 - リサーチプレビュー機能: マルチエージェント（エージェントが別のエージェントを起動）、自動プロンプト改善、メモリ機能はアクセス申請が必要
- レート制限: 作成系60リクエスト/分、読み取り系600リクエスト/分
- Claude API直接利用のみ: AWS Bedrock、Google Vertex AI、Microsoft Foundry経由では利用不可
- エンジニア知識が前提: API操作、環境設定、JSONでのAgent定義など、現時点ではノンエンジニアが単独で導入するのは難しい
今後の展望 — ハーネスの「公式化」がもたらすもの
Managed Agentsの登場は、AIエージェント活用のフェーズが「個人の工夫」から「企業のインフラ」に移行したことを示しています。
Claude Codeユーザーがハーネス・Skills・MCPで実践してきたことを、Anthropicが公式にプロダクト化した。概念自体は既存のものですが、公式がインフラ込みで提供する点が決定的に異なります。
私がハーネスエンジニアリングに取り組んできて実感するのは、AIエージェントの性能はモデルの賢さだけでなく、「どう動かすか」の設計で大きく変わるということです。Managed Agentsはまさにこの「どう動かすか」を公式がインフラとして引き受けた形であり、ハーネスの整備に時間を割けない企業でもAIエージェントの恩恵を受けられるようになります。
特に注目すべきは以下の3点です。
- マルチエージェント: エージェントが別のエージェントを起動・指揮する構成。複雑なワークフローの自動化が加速する
- 自動プロンプト改善（Outcomes）: エージェントが自己評価して改善する仕組み。内部テストでタスク成功率が最大10ポイント向上
- ベータ終了後の価格改定: 現在のベータ価格が正式リリース後にどう変わるかは未定。価格がこなれれば、より広い層に手が届く可能性がある
Managed Agentsが「業務の仕組みにAIを組み込む」ハードルを下げたことで、今後は「AIエージェントを使うかどうか」ではなく「どの業務にどう組み込むか」が企業の意思決定のテーマになっていくでしょう。
御社の業務に合わせたClaude Code導入支援
「AIツールを導入したが、現場で使われない」を終わらせる。
業務課題のヒアリングから設計、ハンズオン実践、運用定着まで一貫して支援します。