Claude Managed Agents 快速入门

创建您的第一个自主智能体。

本指南将引导您完成创建智能体、设置环境、启动会话以及流式传输智能体响应的全过程。

核心概念

概念	描述
Agent（智能体）	模型、系统提示、工具、MCP 服务器和技能
Environment（环境）	会话运行位置的配置：Anthropic 托管的云沙箱，或在您自己的基础设施上自托管的沙箱
Session（会话）	在环境中运行的智能体实例，执行特定任务并生成输出
Events（事件）	您的应用程序与智能体之间交换的消息（用户轮次、工具结果、状态更新）

前提条件

一个 Claude Console 账户
一个 API 密钥

安装 CLI

brew install anthropics/tap/ant

对于 Linux 环境，请直接下载发布的二进制文件。

VERSION=1.38.0
OS=$(uname -s | tr '[:upper:]' '[:lower:]')
case $(uname -m) in
  x86_64) ARCH=amd64 ;;
  aarch64) ARCH=arm64 ;;
esac
curl -fsSL "https://github.com/anthropics/anthropic-cli/releases/download/v${VERSION}/ant_${VERSION}_${OS}_${ARCH}.tar.gz" \
  | sudo tar -xz -C /usr/local/bin ant

您可以在 GitHub 发布页面上找到所有发布版本。

您也可以使用 go install 从源代码安装 CLI。需要 Go 1.25 或更高版本。

go install github.com/anthropics/anthropic-cli/cmd/ant@latest

二进制文件会被放置在 $(go env GOPATH)/bin 中。如果该目录尚未加入您的 PATH，请将其添加进去：

export PATH="$PATH:$(go env GOPATH)/bin"

检查安装：

ant --version

安装 SDK

pip install anthropic

将您的 API 密钥设置为环境变量：

export ANTHROPIC_API_KEY="your-api-key-here"

创建您的第一个会话

1
创建智能体
创建一个智能体，用于定义模型、系统提示和可用工具。
ant apply coding-assistant.md
coding-assistant.md
--- name: Coding Assistant model: claude-opus-5-5 tools: - type: agent_toolset_20260401 --- You are a helpful coding assistant. Write clean, well-documented code.
ant apply 会打印智能体的 ID 并将其记录在 claude-lock.json 中。您创建的每个会话都会引用它。
agent_toolset_20260401 工具类型会启用全套预构建的智能体工具（bash、文件操作、网页搜索等）。有关完整列表和各工具的配置选项，请参阅工具。
2
创建环境
环境定义了智能体运行所在的沙箱。
ant apply environment.yaml
environment.yaml
# yaml-language-server: $schema=https://platform.claude.com/schemas/ant/beta/environment.json name: quickstart-env config: type: cloud networking: type: limited allow_package_managers: true
ant apply 同样会将环境的 ID 记录在 claude-lock.json 中。要用一条命令同时创建智能体和环境，请传入两个文件：ant apply coding-assistant.md environment.yaml。
如果要在您自己的基础设施上运行沙箱，而不是使用云沙箱，请参阅自托管沙箱。

启动会话

创建一个引用您的智能体和环境的会话。

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

print(f"Session ID: {session.id}")

发送消息并流式传输响应

打开一个流，发送一个用户事件，然后在事件到达时进行处理：

with client.beta.sessions.events.stream(session.id) as stream:
    # Send the user message after the stream opens
    client.beta.sessions.events.send(
        session.id,
        events=[
            {
                "type": "user.message",
                "content": [
                    {
                        "type": "text",
                        "text": "Create a Python script that generates the first 20 Fibonacci numbers and saves them to fibonacci.txt",
                    },
                ],
            },
        ],
    )

    # Process streaming events
    for event in stream:
        match event.type:
            case "agent.message":
                for block in event.content:
                    if block.type == "text":
                        print(block.text, end="")
            case "agent.tool_use":
                print(f"\n[Using tool: {event.name}]")
            case "session.status_idle":
                print("\n\nAgent finished.")
                break

智能体会编写一个 Python 脚本，在沙箱中运行它，并验证输出文件是否已创建。您的输出类似于以下内容：

I'll create a Python script that generates the first 20 Fibonacci numbers and saves them to a file.
[Using tool: write]
[Using tool: bash]
The script ran successfully. Let me verify the output file.
[Using tool: bash]
fibonacci.txt contains the first 20 Fibonacci numbers (0 through 4181).

Agent finished.