Claude Managed Agents 출시 - 직접 살펴본 첫인상

2026년 4월 8일, Anthropic이 Claude Managed Agents를 퍼블릭 베타로 출시했습니다.

한 줄로 요약하면, AI 에이전트를 Anthropic 인프라에서 바로 배포하고 운영할 수 있는 매니지드 서비스입니다. 샌드박싱, 상태 관리, 권한 처리, 오류 복구 같은 인프라 작업을 전부 Anthropic이 해주고, 개발자는 "에이전트가 뭘 해야 하는지"만 정의하면 됩니다.

이전까지는 프로덕션에 에이전트를 배포하려면 인프라 구축에만 몇 달이 걸렸는데, Managed Agents를 쓰면 며칠 만에 가능하다는 게 Anthropic의 주장이고, Notion, Rakuten, Asana, Sentry 같은 회사들이 이미 프로덕션에서 쓰고 있습니다.

저도 이거 보자마자 "이게 진짜 되면 엄청나겠다"라는 생각이 들어서 직접 살펴보고 정리해 봤습니다.

---

왜 이게 필요한가?

AI 에이전트를 만드는 건 사실 어렵지 않습니다. Claude에게 도구 몇 개 주고 프롬프트 잘 쓰면 동작하는 프로토타입은 금방 만들 수 있죠. 문제는 그걸 프로덕션에 올리는 순간 시작됩니다.

• 에이전트가 코드를 실행할 수 있으니까 샌드박스가 필요합니다
• 2시간짜리 작업이 중간에 끊기면 체크포인팅이 필요합니다
• API 키를 에이전트에게 직접 노출하면 안 되니까 크리덴셜 관리가 필요합니다
• 에이전트가 뭘 했는지 추적할 수 있는 트레이싱이 필요합니다
• 모델이 업데이트될 때마다 에이전트 루프를 다시 작성해야 합니다

이 목록만 봐도 벌써 머리가 아프죠. Managed Agents는 이걸 전부 Anthropic이 대신해줍니다.

---

핵심 구성 요소: Agent, Environment, Session

Managed Agents의 아키텍처를 이해하려면 세 가지 핵심 개념을 알아야 합니다.

1. Agent - "무엇을 할 것인가"

에이전트는 시스템 프롬프트, 모델, 도구 접근 권한의 조합입니다. "이 에이전트는 의료 데이터를 읽고 의사처럼 설명한다" 같은 페르소나와 역할을 정의하는 거죠. Claude Console UI에서 만들 수도 있고, API로 만들 수도 있고, Claude Code에서 자연어로 만들 수도 있습니다.

2. Environment - "어떤 환경에서 실행할 것인가"

환경은 에이전트가 실행될 샌드박스 컨테이너입니다. 필요한 패키지를 미리 설치하고, 네트워크 접근을 제어하고, GitHub 레포를 마운트 할 수 있어요. 예를 들어 웹사이트 성능 최적화 에이전트라면 Lighthouse와 Puppeteer가 미리 설치된 환경을 구성하는 식이죠.

3. Session - "실제 실행 단위"

세션은 에이전트가 실제로 작업을 수행하는 단위입니다. 에이전트와 환경을 참조해서 세션을 시작하면, Claude가 도구를 호출하고, 코드를 실행하고, 결과를 스트리밍 합니다. 세션은 연결이 끊겨도 유지되고, 이전 세션의 히스토리를 불러올 수도 있습니다.

여러 세션을 동시에 실행할 수 있다는 게 중요합니다. 칸반 보드를 예로 들면, 티켓 하나를 "진행 중"으로 옮기면 세션이 시작되고, 첫 번째 세션이 아직 돌아가는 와중에 두 번째 티켓도 이동시킬 수 있습니다. 두 세션, 두 컨테이너, 두 작업이 완전히 병렬로 실행되는 거죠.

---

아키텍처: Harness, Session, Orchestrator

내부 아키텍처를 조금 더 깊이 들여다보면 세 가지 핵심 컴포넌트가 있습니다.

Harness (손) — Claude 모델이 실행되는 곳입니다. stateless router로 동작하면서 도구 호출, MCP 연결, 코드 실행, 파일 편집을 처리합니다. 중요한 건 이게 Claude Code와는 다른 별도의 하니스라는 겁니다. Managed Agents 전용으로 최적화됐어요.

Session (기억) — 하니스의 행동을 append-only 로그로 기록합니다. 하니스와 분리되어 있기 때문에, 만약 하니스가 실패하면 오케스트레이터가 새 하니스를 만들고, 이 세션 로그를 읽어서 정확히 중단된 지점부터 이어서 작업할 수 있습니다.

Orchestrator (뇌) — 하니스가 어떤 모드(빌드, 플랜 등)로 동작해야 하는지 결정합니다. 하니스가 실패하면 새 하니스를 생성하고, 세션 로그를 기반으로 복구합니다.

이 아키텍처의 핵심은 하니스와 세션의 분리입니다. 실행 로직과 상태가 분리되어 있기 때문에 장애에 강하고, 수평 확장이 가능합니다.

---

보안: 크리덴셜은 런타임에만 존재

보안 측면에서 인상적인 부분은 크리덴셜 관리 방식입니다.

API 키나 인증 정보는 Claude Console의 Credentials Vault에 저장됩니다. 그리고 이 크리덴셜들은 런타임에만 사용됩니다. 즉, 하니스(Claude 모델)는 크리덴셜을 절대 알지 못합니다.

예를 들어 날씨 MCP 도구를 호출해야 할 때, API 키는 도구 호출 자체에만 존재하고 모델에게는 노출되지 않아요. 심지어 자기 자신의 Anthropic API 키조차 모델이 모릅니다. 전부 런타임에 주입되는 방식이죠.

로컬에서 에이전트를 돌릴 때는 .env 파일이나 직접 만든 시크릿 관리 시스템을 써야 하는데, Managed Agents는 이 부분을 플랫폼 레벨에서 해결해 줍니다.

---

빌트인 도구

Managed Agents에는 Claude가 사용할 수 있는 다양한 빌트인 도구가 포함되어 있습니다. 파일 읽기/쓰기, Bash 실행, Glob/Grep 검색, 웹 검색 등이 기본으로 제공되고, MCP 서버를 연결해서 Slack, Notion, Asana 같은 외부 서비스와 통합할 수도 있습니다.

에이전트를 만들 때 어떤 도구를 허용하고 어떤 도구를 차단할지 세밀하게 제어할 수 있습니다. 예를 들어 의료 데이터를 읽기만 하는 에이전트라면 Read, Glob, Grep만 허용하고 Write, Edit, Bash는 차단하는 식이죠.

---

리서치 프리뷰 기능들

현재 퍼블릭 베타로 공개된 기능 외에, 리서치 프리뷰 상태인 기능이 세 가지 있습니다. 별도 접근 요청이 필요해요.

1. Outcomes (자기 평가)

개발자가 "완료의 기준"을 정의하면, Claude가 스스로 결과를 평가하고 기준을 충족할 때까지 반복합니다. 예를 들어 "Lighthouse 점수 90 이상, 렌더 차단 리소스 없음, 모든 이미지 lazy loading" 같은 루브릭을 정의하면, 별도의 채점자가 자체 컨텍스트 윈도우에서 결과를 평가하고, Claude가 피드백을 읽고 수정해서 재제출합니다.

Anthropic 내부 테스트에서는 일반적인 프롬프팅 루프보다 작업 성공률이 최대 10포인트 향상됐다고 합니다.

2. Multi-Agent Coordination (다중 에이전트 조율)

코디네이터 에이전트가 여러 전문가 에이전트에게 작업을 분배하고 결과를 종합합니다. 각 전문가는 자기만의 컨텍스트 윈도우에서 독립적으로 작동하지만, 같은 파일 시스템을 공유합니다.

예를 들어 모니터링 알림이 들어오면 코디네이터가 세 명의 전문가(로그 분석, 인프라 점검, 코드 변경 추적 등)에게 분배하고, 각자의 분석 결과를 종합해서 인시던트 요약을 만드는 식이죠.

3. Memory (메모리)

에이전트가 메모리 스토어에서 읽고 쓸 수 있습니다. 작업 시작 전에 지난주에 발견한 내용을 확인하고, 작업 완료 후에 변경된 내용을 저장합니다. 그래서 다음 주 리포트에서는 "클라우드 컴퓨팅 비용 지난주 대비 15% 감소"라고 보고하는 게 가능해집니다.

---

가격 정책

가격 구조는 두 가지입니다.

항목	비용
모델 토큰 사용	Claude API 표준 가격
세션 런타임	$0.08 / 세션-시간 (밀리초 단위)
웹 검색	$10 / 1,000건

중요한 점: Pro, Max, Team 구독은 Managed Agents에 적용되지 않습니다. API 과금 방식만 사용됩니다. 이게 좀 아쉬운 부분이에요. Pro 구독자 입장에서는 이미 구독료를 내고 있는데, Managed Agents를 쓰려면 별도로 API 비용을 더 내야 하니까요.

다만 유휴 시간에는 과금되지 않습니다. Claude Console에서 세션 목록을 보면 idle 상태의 세션에는 비용이 붙지 않아요. 실제로 에이전트가 작업하는 시간만 과금됩니다.

비용을 줄이려면 Sonnet이나 Haiku 모델을 쓰는 게 효과적입니다. 무조건 Opus를 쓸 필요는 없어요.

---

에이전트 만드는 방법

에이전트를 만드는 방법은 크게 세 가지입니다.

1. Claude Console UI

Claude Console에서 Managed Agents 메뉴로 들어가 자연어로 에이전트를 만들 수 있습니다. 코드를 한 줄도 쓸 필요 없이, 시스템 프롬프트, 모델, 도구 접근 권한을 UI에서 설정합니다.

에이전트를 만든 후에도 Console에서 시스템 프롬프트를 수정하거나, 모델을 변경하거나, 도구 접근 권한을 바꿀 수 있습니다. 버전 관리도 돼서, 몇 번째 수정인지 히스토리를 볼 수 있어요.

2. Claude Code에서 자연어로

Claude Code에 빌트인 Managed Agent 스킬이 있습니다. /claude-api 명령 뒤에 managed agents onboarding을 입력하면, Claude가 대화형으로 에이전트를 만들어 줍니다.

/claude-api managed agents onboarding

세 단계를 거칩니다.

1. Tools, Skills, Files: 어떤 도구와 파일을 사용할 것인지
2. Repos: 어떤 저장소에 접근할 것인지
3. Environment & Identity: 실행 환경과 에이전트 정체성

Claude가 도구 추천, 시스템 프롬프트 생성, 모델 선택까지 다 해줘서 정말 편합니다.

3. SDK/API로 직접

TypeScript나 Python SDK를 사용해서 프로그래밍 방식으로 에이전트를 만들 수도 있습니다. 모든 Managed Agents API 엔드포인트에는 managed-agents-2026-04-01 베타 헤더가 필요한데, SDK가 자동으로 추가해 줍니다.

---

실제 사용 사례

영상에서 봤던 사례들과 공식 발표된 고객 사례를 정리하면 이렇습니다.

1. 의료 데이터 어시스턴트

GitHub에 저장된 의료 기록 마크다운 파일을 읽고, 의사처럼 해석해서, Slack으로 소통하는 에이전트입니다. "내 의료 기록 기반으로 오징어 먹어도 돼?"라고 물으면, 레포에서 파일을 읽고 분석해서 "새우 알레르기가 있으니 오징어는 조심해야 합니다"라고 답합니다.

2. 칸반 보드 자동화 (웹사이트 성능 최적화)

칸반 보드 티켓을 "진행 중"으로 옮기면 세션이 자동 시작됩니다. 환경에 Lighthouse와 Puppeteer가 미리 설치되어 있고, GitHub 레포가 마운트 됩니다. Claude가 감사를 실행하고, 이미지 압축, CSS 인라이닝, 스크립트 디퍼링을 수행합니다. Outcomes 기능으로 "Lighthouse 점수 90 이상"이라는 루브릭을 설정하면, 채점자가 결과를 평가하고 Claude가 반복해서 96점까지 올립니다.

3. SaaS 비용 추적 리포트

매주 월요일 아침 스탠드업 전에 자동으로 SaaS 도구 가격 변동을 추적합니다. 웹 검색으로 최신 가격을 확인하고, 샌드박스에서 Python으로 비용 분석을 하고, Excel 스킬로 스프레드시트를 만들고, Slack과 Asana에 결과를 올립니다. Memory 기능으로 지난주 데이터와 비교도 합니다.

4. 인시던트 대응 (Multi-Agent)

모니터링 알림이 들어오면 코디네이터 에이전트가 세 명의 전문가에게 분배합니다. 전문가들이 각자 분석하고, 코디네이터가 종합해서 인시던트 요약을 만듭니다. Memory에서 과거 인시던트를 확인해서 "2주 전 DNS 해석 이슈와 유사합니다. 원인은 잘못된 TTL 설정이었습니다"라고 맥락을 제공합니다.

5. 실제 기업 사례

회사	활용
Notion	Custom Agents로 코드 작성, 프레젠테이션/웹사이트 생성
Rakuten	제품, 영업, 마케팅, 재무, HR 에이전트를 Slack/Teams에 연결
Asana	AI Teammates — 프로젝트 워크플로우에서 사람과 함께 작업
Sentry	Seer 디버깅 에이전트와 연동, 패치 작성 + PR 생성

---

OpenClaw와의 관계

이 출시 타이밍이 좀 흥미롭습니다. Anthropic이 4월 4일에 OpenClaw 같은 서드파티 도구에서 Claude 구독 사용을 차단한 지 불과 4일 뒤에 Managed Agents를 출시했거든요.

비유하자면 이렇습니다. OpenClaw은 리눅스입니다. 직접 하드웨어 고르고, 모델 선택하고, 보안도 직접 챙겨야 하는 틴커러의 에이전트죠. Managed Agents는 애플입니다. 인프라, 보안 다 Anthropic이 처리하고, 사용자는 원하는 걸 말하기만 하면 됩니다.

OpenClaw은 Telegram, Discord, WhatsApp 같은 다양한 채널을 지원하고 완전히 오픈된 반면, Managed Agents는 Anthropic이 제공하는 범위 안에서 동작합니다. Managed Agents가 지원하지 않는 채널이나 기능이 필요하면 직접 코드를 작성하거나, Claude에게 코드를 작성하게 해야 합니다.

---

마무리

솔직히 말하면, Managed Agents를 처음 봤을 때 "드디어 이런 게 나왔구나"라는 생각이 들었습니다.

지금까지 AI 에이전트의 가장 큰 병목은 모델 성능이 아니라 인프라였습니다. 샌드박싱, 크리덴셜 관리, 상태 유지, 오류 복구... 이런 것들을 직접 구축하는 데 몇 달씩 걸렸죠. Managed Agents는 이 인프라 계층을 통째로 추상화해서 개발자가 비즈니스 로직에만 집중할 수 있게 해 줍니다.

아쉬운 점은 Pro/Max 구독이 적용되지 않는다는 겁니다. API 과금 방식이라 비용 예측이 좀 어렵고, 구독자 입장에서는 이중으로 돈을 내는 느낌이에요. 그리고 Multi-Agent, Memory, Outcomes 같은 가장 흥미로운 기능들이 아직 리서치 프리뷰라서 별도 접근 요청이 필요합니다.

하지만 방향성은 확실합니다. AI 에이전트가 프로토타입에서 프로덕션으로 넘어가는 시대가 오고 있고, Managed Agents는 그 전환을 가속화하는 인프라입니다. Notion, Rakuten, Asana, Sentry 같은 회사들이 이미 프로덕션에서 쓰고 있다는 게 그 증거죠.

에이전트를 직접 구축하는 데 관심이 있는 분이라면 한 번 살펴보시는 걸 추천합니다. Claude Console에서 코드 없이도 시작할 수 있으니까요.

---

참고

• Claude Managed Agents 공식 문서
• Anthropic 공식 블로그 - Managed Agents