Managed Agents (托管智能体)
托管智能体（Managed Agents）是 Anthropic 于 2026 年 4 月推出的一套基于云端的 L5 级多智能体编排与部署规范（运行需携带 managed-agents-2026-04-01 协议头）。它极大地简化了多智能体协作的基础架构建设，将状态持久化、会话管理、多模态沙箱与共享内存直接封装进运行时环境中。
Source: 2026-07-01-x-x-com-0xcodez-status-2058513716509913581-s-46（来源未公开）
核心架构原则与设计
- 隔离思考，共享协作：团队名册（Roster）上限为 20 个独立智能体。每个智能体拥有自身隔离的上下文窗口（Isolated Context Window），以规避随着功能增加而导致的系统 Prompt 臃肿和模型注意力退化；同时，所有智能体共享同一个文件系统（Shared Filesystem），实现了独立思考与资产共享修改的有机结合。
- 持久化会话线程：子智能体在被委托时会生成独立的、隔离的 Session 线程流。这些线程支持持久化，允许协调器（Coordinator）在随后的步骤中继续向子智能体进行 follow-up 追问，并保留此前的上下文 Turns。
- 一级委托硬性限制：协调器仅被允许进行 **1 级深度（one level deep）**的智能体委托。子智能体无法再分裂和委托下一级子团队。这一硬性限制旨在保证系统的可预测性、可审计性，防止死循环和无法控制的 token 消耗。
- Dreaming 机制与共享内存：当多个子智能体共同完成特定任务后，系统可以通过 Dreaming（梦境）机制在带外对运行日志和所学知识进行聚合，提炼出团队共性洞察，并发布到团队级别的共享内存（Team-wide Memory Store）中，使整个团队随时间推移实现自主学习与自演进。
团队配置最佳实践
- 协调器是 Manager，而不是 Doer：协调器（Coordinator）的系统 Prompt 中绝不应该包含具体的业务领域执行逻辑（这些应属于 Specialist 专家），而只应包含委托方案（Delegation）、路由规则（Routing）和综合分析逻辑（Synthesis）。
- 混合模型优化成本（以 Spiral 生产实践为例）：不要在所有智能体上无脑使用昂贵的大模型。在托管架构中，推荐使用便宜、高速、吞吐量大的 Haiku 作为 Coordinator 进行排序与分发工作，仅在需要进行重度智力产出（如报告撰写、深度 Debug）的专家（Specialist）智能体上运行 Opus，这是优化系统成本与响应速度的最大杠杆。
- 精细化工具 scope 控制：每个专家智能体的工具包必须被紧密限制在其职责所需范围内（例如 Researcher 仅暴露 Web Search，Pricing 仅暴露定价规则文件），以保持高内聚低耦合，防止注意力溃散。
长程托管与多智能体团队协同范式
Source: 2026-09-06-x-x-com-finntsai88-status-2096136796258132227-s-46-bf02474d4b.md（来源未公开）
Source: 2026-09-07-xiaohongshu-xhslink-cn-o-5jnUiTh3hok-3715ed8668.md（来源未公开）
Anthropic 与 OpenAI 工程师一致表明：告别单一 Agent 的线性调用，构建由 Planner（规划）、Worker（多任务执行）与 Verifier（验收把关）协同的托管智能体团队（Agent Team），并在上下文耗尽时通过结构化快照与跨会话记忆实现长程任务自转。