Claude Managed Agents: la guida completa alla nuova piattaforma per agenti di Anthropic

TL;DR

• L’8 aprile 2026 Anthropic ha lanciato Claude Managed Agents in beta pubblica: un servizio gestito sulla Claude Platform che fa girare agenti AI di produzione sull’infrastruttura di Anthropic, così Lei salta i mesi di plumbing normalmente richiesti per spedirne uno.
• Lei definisce un agente in linguaggio naturale o YAML, imposta i guardrail e Anthropic gestisce esecuzione di codice in sandbox, checkpointing, gestione credenziali, permessi a scope ristretto, identità e tracing di esecuzione.
• Prezzi: tariffe token Claude API standard, più 0,08 $ per session-hour di runtime attivo (il tempo idle è gratuito), più 10 $ per 1.000 ricerche web.
• I clienti di lancio includono Notion, Rakuten, Asana, Atlassian e Sentry, tutti che riportano agenti spediti in giorni anziché in mesi.
• Questo articolo scompone cosa è davvero, l’architettura che Anthropic chiama «cervello, mani, sessione», come si confronta con n8n, LangGraph e Zapier, trade-off onesti, un calcolatore di prezzi realistico e una guida passo passo per costruire il primo agente.
• Versione breve per operatori: se finora ha fatto girare agenti su un VPS con n8n o LangGraph, Managed Agents è la prima offerta credibile «gestiamo noi l’infra» che non sia un giocattolo.

---

Cos’è Claude Managed Agents?

Claude Managed Agents è un servizio gestito sulla Claude Platform (platform.claude.com) che fornisce il runtime completo per agenti AI di produzione. Finora Anthropic Le dava il modello e Lei portava l’infrastruttura. Con Managed Agents, Lei porta la definizione di cosa l’agente debba fare e Anthropic porta tutto il resto.

Nelle parole di Anthropic, spedire un agente di produzione richiede esecuzione di codice in sandbox, checkpointing, gestione credenziali, permessi a scope ristretto e tracing end-to-end: mesi di lavoro infrastrutturale prima di spedire qualcosa che gli utenti vedano. Managed Agents gestisce quella complessità. Lei definisce task, strumenti e guardrail dell’agente e Anthropic lo fa girare sulla propria infrastruttura.

Il servizio è andato in beta pubblica l’8 aprile 2026, accessibile tramite l’API Claude Platform. Tutti gli endpoint Managed Agents richiedono l’header beta managed-agents-2026-04-01, che l’SDK imposta in automatico. Tre funzionalità avanzate, outcomes (auto-valutazione rispetto a criteri di successo), coordinamento multi-agente e memoria persistente, sono attualmente in research preview e richiedono una richiesta d’accesso separata.

---

Perché questo lancio conta davvero

Ogni settimana negli ultimi diciotto mesi qualcuno ha annunciato «la piattaforma per agenti che cambia tutto». La maggior parte non l’ha fatto. Allora perché questa sta ottenendo 2 milioni di visualizzazioni su un singolo tweet e 39.000+ like nel giorno del lancio? Tre ragioni che vale la pena capire prima di valutare se adottarla.

Primo, Anthropic ha risolto il 70% noioso. Se ha costruito un agente in produzione, già conosce il segreto: il modello è la parte facile. Tutto ciò che sta attorno al modello (la sandbox in cui esegue codice, lo stato persistente che sopravvive a un crash del container, le credenziali che gli strumenti usano per autenticarsi, lo scope dei permessi che impedisce all’agente di cancellare dati di produzione, l’audit log che il team compliance pretende, il recupero d’errore quando una chiamata strumento fallisce a metà) è dove se ne vanno i mesi. È la parte che Managed Agents rimuove.

Secondo, la storia di governance è il vero sblocco per l’enterprise. Permessi a scope ristretto, gestione identità e tracing di esecuzione sono le tre cose che tradizionalmente bloccano i rollout enterprise di agenti AI. CISO e responsabili compliance non si curano di quanto sia ingegnoso il Suo prompt; si curano di poter rispondere alla domanda «chi ha fatto cosa quando» in un audit. Managed Agents lo costruisce di default, ed è il motivo per cui la lista dei clienti di lancio si legge così: Atlassian, Notion, Rakuten e Asana non sono aziende che spediscono agenti senza un benestare di compliance.

Terzo, è prezzato per essere usato davvero. A 0,08 $ per session-hour di runtime attivo, e soprattutto il tempo idle non conta, i conti tornano per i carichi async long-running che sono stati i più difficili da spedire sulle piattaforme esistenti. Un agente di ricerca che passa 2 ore a leggere documenti e 22 ore ad aspettare nuovi task Le costa runtime per 2 ore, non per 24.

---

L’architettura: cervello, mani, sessione

È il pezzo che la maggior parte della copertura del lancio ha saltato ed è il pezzo che conta se costruirà sopra. Anthropic ha pubblicato un blog d’ingegneria di accompagnamento lo stesso giorno del lancio che spiega il design e l’astrazione core vale la pena interiorizzarla.

Managed Agents virtualizza un agente in tre componenti separabili:

Il cervello. L’LLM stesso (Claude) più l’harness che orchestra il suo loop di ragionamento, decidendo quando chiamare strumenti, come gestire il contesto e come recuperare dagli errori.

Le mani. Un ambiente d’esecuzione in sandbox, effimero, dove gli strumenti girano davvero. Esecuzione di codice, operazioni su file, web browsing e chiamate ai server MCP avvengono qui. È importante che le mani siano stateless: se un container crasha o si corrompe, il sistema ne avvia uno fresco e l’agente prosegue. Un container compromesso non persiste, che è una proprietà di sicurezza significativa per chiunque faccia girare output di strumenti non fidati.

La sessione. Un event log durabile, append-only, che vive al di fuori sia del cervello sia delle mani. Registra ogni chiamata strumento, ogni risultato, ogni decisione. Se il cervello deve riavvolgere e controllare cosa è successo tre step fa, legge dal log della sessione. Se l’intero sistema riparte a metà task, la sessione riprende da dove era rimasta.

Perché conta nella pratica? Perché ogni pezzo può scalare in modo indipendente e perché le astrazioni sono stabili anche al cambiare dell’implementazione sottostante. Nelle parole di Anthropic, è progettata come «meta-harness»: non opinionata sull’harness specifico di cui Claude avrà bisogno in futuro, ma opinionata sulle interfacce attorno a esso. Conta perché gli harness codificano assunzioni su ciò che il modello non sa fare da solo e quelle assunzioni invecchiano in fretta al migliorare dei modelli. Costruire direttamente contro un harness specifico significa re-piattaformare ogni volta che Anthropic spedisce un modello più intelligente. Costruire contro le interfacce di Managed Agents significa non doverlo fare.

Cosa Lei definisce davvero come sviluppatore: l’agente (modello, system prompt, strumenti, server MCP e skill), l’ambiente (un container cloud con pacchetti pre-installati come Python, Node.js, Go, più regole di rete e file montati) e la sessione (che fa riferimento a entrambi). Crei l’agente una volta e lo referenzi per ID nelle sessioni.

---

Prezzi: quanto costa davvero

Il prezzo di Managed Agents impila tre componenti, tutte trasparenti e tutte documentate nella pagina di pricing ufficiale dell’API:

1. Token del modello. Ogni token consumato in una sessione Managed Agents è fatturato alle tariffe Claude API standard. I moltiplicatori di prompt caching si applicano in modo identico. Significa che se sta usando Sonnet 4.6, paga le tariffe Sonnet 4.6; se usa Opus 4.6, paga le tariffe Opus.

2. Runtime della sessione. 0,08 $ per session-hour, misurato al millisecondo, fatturato solo mentre lo stato della sessione è running. Il tempo passato idle (in attesa del Suo messaggio successivo o di una conferma strumento), rescheduling o terminata non conta verso il runtime. Il runtime della sessione sostituisce il modello di billing container-hour di Code Execution: non è fatturato separatamente per le container-hour in aggiunta.

3. Web search. 10 $ per 1.000 ricerche web attivate dentro una sessione, identico alla tariffa dello strumento web search standard altrove nell’API Claude.

Significativamente, i seguenti modificatori API non si applicano alle sessioni Managed Agents: sconto Batch API, prezzi Message Batches e prezzi Fast mode. Se sta ottimizzando i costi, qui non aiutano.

Esempi di prezzi realistici

Qualche esempio lavorato, perché i numeri astratti non atterrano finché non li vede applicati.

Esempio 1: agente di triage inbox per un piccolo team. Gira due volte al giorno, media 15 minuti di runtime attivo a esecuzione, processa ~50 email con Sonnet 4.6, fa circa 5 ricerche web a esecuzione. Conti mensili: 30 giorni × 2 esecuzioni × 0,25 ore = 15 session-hour × 0,08 $ = 1,20 $ di runtime. Token: circa 8-15 $/mese alle tariffe Sonnet. Ricerche web: 300/mese × 0,01 $ = 3 $. Totale: circa 12-20 $/mese.

Esempio 2: agente di lead enrichment per un team outbound B2B. Gira on demand quando nuovi lead atterrano nel CRM, media 3 minuti di runtime attivo per lead, processa 200 lead al mese con Sonnet 4.6, fa 4 ricerche web per lead. Conti: 200 × 0,05 ore = 10 session-hour × 0,08 $ = 0,80 $ di runtime. Token: circa 20-40 $/mese a seconda del contesto. Ricerche web: 800 × 0,01 $ = 8 $. Totale: circa 30-50 $/mese.

Esempio 3: agente di ricerca always-on che monitora un mercato. Attivo circa 2 ore al giorno per scannerizzare news, generare report, usando Opus 4.6 per lo step di sintesi. Conti: 60 session-hour/mese × 0,08 $ = 4,80 $ di runtime. Token alle tariffe Opus: circa 80-200 $/mese a seconda del volume. Ricerche web: 3.000/mese × 0,01 $ = 30 $. Totale: circa 120-240 $/mese.

Esempio 4: un agente «24/7 sempre in esecuzione». È l’edge case da segnalare. Se un agente è davvero in esecuzione continua, attivamente processando, non idle, i conti sono 730 ore/mese × 0,08 $ = 58,40 $/mese solo di runtime, più token, più ricerche web. La maggior parte dei carichi reali non gira di continuo; gira in burst. Se il Suo lo fa, lo metta in conto.

L’insight chiave: il tempo idle è gratuito. È ciò che fa funzionare il pricing per il tipo di carichi long-running, async, event-driven che sono il caso d’uso principale di Managed Agents. Un agente che aspetta 23 ore al giorno un trigger non Le costa nulla durante quelle 23 ore.

---

Claude Managed Agents vs n8n vs LangGraph vs Zapier

È il confronto che tutti stanno davvero cercando su Google, quindi siamo diretti su dove ciascuno strumento sta.

vs n8n (self-hosted o cloud)

n8n è uno strumento di workflow automation che eccelle nelle automazioni deterministiche trigger-based con molte integrazioni SaaS: webhook, job schedulati, notifiche Slack, scritture su database. I suoi nodi AI agent Le permettono di innestare il ragionamento LLM su un workflow, ma n8n è fondamentalmente un motore di workflow con funzionalità AI innestate, non un runtime per agenti.

Quando vince ancora n8n: pipeline deterministiche dove ogni step è prevedibile. Job cron-based. Semplici flow «se X, fai Y, poi Z» con 20+ integrazioni SaaS. Self-hosting a basso costo su un VPS quando serve controllo assoluto.

Quando vince Managed Agents: task aperti dove l’agente deve decidere il prossimo step in base a ciò che ha trovato nel precedente. Sessioni long-running che possono durare ore. Carichi dove lo strato di governance (permessi a scope ristretto, audit trail, identità) non è negoziabile. Tutto ciò in cui serve che l’agente scriva ed esegua codice in sicurezza in una sandbox.

La vera divisione: n8n è per workflow con AI dentro. Managed Agents è per agenti con strumenti dentro. Se sta usando nodi AI agent di n8n e sta sbattendo contro muri di lunghezza sessione, gestione contesto o sicurezza, quello è il Suo segnale.

vs LangGraph / LangChain

LangGraph è il framework open-source per costruire applicazioni stateful multi-agente con control flow esplicito basato su grafo. È lo strumento che la maggior parte dei team seri di AI engineering ha usato per costruire agenti di produzione nell’ultimo anno.

Quando vince ancora LangGraph: quando serve controllo totale sul loop dell’agente, vuole girare sulla Sua infrastruttura per ragioni di compliance o costo, ha bisogno di orchestrazione multi-modello (mischiando Claude, GPT, Gemini, modelli open-source) o vuole personalizzare ogni aspetto della gestione dello stato.

Quando vince Managed Agents: quando vuole smettere di mantenere lo strato infrastrutturale interamente. Quando è già su modelli Claude. Quando i mesi di lavoro che Anthropic ha fatto su checkpointing, compaction e ottimizzazione dell’harness sono davvero migliori di ciò che il Suo team costruirebbe. Quando vuole che la storia di compliance e audit Le venga consegnata.

La vera divisione: LangGraph è un framework che Lei ospita e mantiene. Managed Agents è un servizio che noleggia. Uno Le dà massima flessibilità; l’altro massima velocità in produzione.

vs Zapier / Make

Zapier e Make sono piattaforme di automazione SaaS ottimizzate per utenti non tecnici che connettono app aziendali. Sono la risposta giusta per «quando una nuova riga arriva nel mio Google Sheet, posta su Slack e crea una card Trello». Hanno funzionalità AI ora, ma non sono runtime per agenti.

Quando vincono ancora Zapier/Make: quando la persona che costruisce l’automazione non è tecnica e il task è una pipeline lineare ben definita tra app SaaS note.

Quando vince Managed Agents: quando il task richiede davvero ragionamento, leggere documenti, decidere cosa conta, scrivere codice, fare ricerca. Cose che nessun numero di step Zapier risolverà in modo pulito.

La vera divisione: Zapier è per connettere app note con logica nota. Managed Agents è per logica ignota che deve auto-determinarsi a runtime.

---

Passo passo: costruisca il Suo primo Managed Agent

Ecco il percorso minimo viable da «mai toccato» a «agente funzionante spedito in produzione». Claude Managed Agents si accede tramite l’API Claude Platform (platform.claude.com) e i passi seguenti assumono che abbia già un account Anthropic Console con billing abilitato.

Passo 1: pianifichi l’agente su carta prima

Prima di scrivere una sola riga di YAML, scriva un piano di una pagina rispondendo a cinque domande:

1. Cosa fa l’agente, in una frase? «Fai triage della mia inbox e prepara bozze di risposta alle 10 email più importanti.» Non «gestisci l’email».
2. A quali strumenti deve avere accesso? Gmail in lettura/scrittura, web search, magari il Suo calendario.
3. Quali sono i guardrail? Cosa non gli è mai permesso fare? (Per esempio: «Non inviare mai email senza la mia approvazione. Non cancellare mai nulla.»)
4. Come si presenta il successo? Come saprà che l’agente sta funzionando davvero?
5. Qual è il trigger? Invocazione manuale, schedule, webhook, evento CRM?

Salti questo passo e passerà la prima settimana a debuggare sintomi di un problema sotto-specificato.

Passo 2: definisca l’agente

Ha due opzioni. Per non-sviluppatori o prototipi rapidi, definisca l’agente in linguaggio naturale attraverso la UI della Claude Platform: descriva ciò che vuole e il tooling di Anthropic genererà la configurazione sottostante. Per qualsiasi cosa che manterrà sotto version control, usi un file di definizione YAML con modello, system prompt, lista strumenti, server MCP e skill dell’agente.

La definizione dell’agente è creata una volta e referenziata per ID tra le sessioni. Conta: la stessa definizione di agente può servire molte sessioni concorrenti senza overhead di ri-definizione.

Passo 3: configuri l’ambiente

L’ambiente è il container cloud in cui gireranno le mani del Suo agente. Specifica pacchetti pre-installati (Python, Node.js, Go e altri), regole di accesso di rete (quali domini l’agente può raggiungere) e qualsiasi file montato di cui l’agente ha bisogno.

Inizi blindato. Gli dia il minimo accesso di rete richiesto, installi solo i pacchetti che sa servono e monti solo i file specifici rilevanti per il task. Può sempre espandere dopo; non può «de-spedire» una fuga di dati.

Passo 4: lanci una sessione

Una sessione fa riferimento sia alla definizione dell’agente sia all’ambiente. Una volta lanciata, l’agente gira in modo autonomo: ragiona, chiama strumenti, esegue codice e persiste lo stato nel log della sessione. Può ispezionare qualsiasi sessione tramite la Claude Console, incluse tutte le chiamate strumento, i punti decisionali e le modalità di fallimento.

Passo 5: strumenti e iteri

Tracing della sessione, integration analytics e guida al troubleshooting sono costruiti direttamente nella Claude Console. Li usi. Riveda manualmente le prime 20-50 sessioni prima di iniziare a fidarsi che l’agente giri non supervisionato. Cerchi tre pattern: strumenti che l’agente chiama ma non dovrebbe, strumenti che dovrebbe chiamare ma non lo fa e punti in cui ha dichiarato il task completato prematuramente.

Passo 6: indurisca per la produzione

Una volta che l’agente funziona, aggiunga le tre cose che separano una demo da un sistema di produzione:

• Permessi a scope ristretto. Dia all’agente l’identità più stretta possibile: un service account con accesso in sola lettura ai sistemi di cui ha bisogno e accesso in scrittura solo dove assolutamente necessario.
• Checkpoint human-in-the-loop per qualsiasi azione irreversibile. Inviare un’email, cancellare un file, addebitare una carta di credito, pubblicare contenuto: dovrebbero richiedere approvazione esplicita finché non avrà mesi di prove che l’agente li gestisca in modo affidabile.
• Alert di budget. Imposti tetti di spesa a livello organizzazione e alert ben sotto il tetto. Un agente in un loop non intenzionale può bruciare token in fretta.

---

Limitazioni oneste (giorno due)

Tutti gli articoli di copertura del lancio le tralasciano. Ecco cosa effettivamente sorvegliare.

È in beta pubblica. Lanciato l’8 aprile 2026. L’affidabilità in produzione su mesi di operatività non è dimostrata: gli early adopter sono grandi nomi, ma il battle-testing diffuso richiede tempo. Lo tratti come capace di produzione ma non ancora production-hardened.

I rate limit si applicano ancora. I rate limit Claude API esistenti non spariscono perché sta usando Managed Agents. Se fa girare 50 agenti in parallelo che bruciano tutti token, sbatterà contro i tetti. Gli endpoint Managed Agents sono inoltre rate-limited per organizzazione e Anthropic non ha pubblicato numeri specifici per la beta ancora.

Il lock-in è reale. Una volta che i Suoi agenti girano sull’infrastruttura di Anthropic, con i loro strumenti, il loro formato di sessione e il loro sandboxing, passare a un altro provider non è banale. Non è un deal-breaker, tutto il SaaS ha switching cost, ma è una considerazione che vale la pena nominare.

Le funzionalità avanzate che probabilmente vuole sono in research preview. Outcomes (auto-valutazione rispetto a criteri di successo), coordinamento multi-agente e memoria persistente richiedono tutte una richiesta d’accesso separata e non sono ancora generalmente disponibili.

La prevedibilità dei costi su agenti long-running è tricky. Il tempo idle gratuito è ottimo. Ma se il Suo agente entra in un loop non intenzionale di lavoro attivo, ad esempio una web search che continua a triggerare altre ricerche, il conto può salire in fretta. Gli alert di budget sono obbligatori.

---

Chi dovrebbe adottarlo ora vs aspettare

Lo adotti ora se:

• È già su modelli Claude per i Suoi carichi agente
• Ha mantenuto un setup n8n / LangGraph / harness custom e la tassa infrastrutturale sta uccidendo la velocità
• Il Suo use case è lavoro async long-running: ricerca, document processing, content pipeline, lead enrichment
• Governance, audit e permessi a scope ristretto sono richiesti perché i Suoi buyer firmino

Aspetti se:

• Le serve orchestrazione multi-modello tra Claude, GPT e modelli open-source nello stesso loop d’agente
• Il Suo carico è automazione deterministica semplice meglio servita da n8n o Zapier
• Opera in una giurisdizione con regole rigide di data residency che Anthropic non soddisfa ancora per la Sua classe di dati
• Le servono funzionalità che sono ancora in research preview (coordinamento multi-agente, memoria persistente)

---

FAQ

Cos’è Claude Managed Agents? Claude Managed Agents è un servizio gestito sulla Claude Platform che fornisce il runtime completo per agenti AI di produzione, inclusa esecuzione di codice in sandbox, checkpointing, gestione credenziali, permessi a scope ristretto, gestione identità e tracing di esecuzione. Lei definisce l’agente; Anthropic lo fa girare.

Quando è stato lanciato? Beta pubblica lanciata l’8 aprile 2026. Tutti gli endpoint richiedono l’header beta managed-agents-2026-04-01.

Quanto costa? Tariffe token Claude API standard per l’uso del modello, più 0,08 $ per session-hour di runtime attivo, più 10 $ per 1.000 ricerche web. Il tempo idle non viene fatturato.

Come si confronta con n8n? n8n è uno strumento di workflow automation con funzionalità AI innestate. Managed Agents è un runtime per agenti, progettato apposta per task di ragionamento aperto in cui lo step successivo dipende dal risultato precedente. Usi n8n per pipeline deterministiche; usi Managed Agents per lavoro autonomo d’agente.

Posso fare self-host? No. Managed Agents è un servizio gestito esclusivamente sulla Claude Platform. Se Le serve self-hosting, LangGraph o un harness custom è la risposta giusta.

Quali clienti di lancio lo stanno usando? Notion, Rakuten, Asana, Atlassian e Sentry sono clienti di lancio pubblici, con use case che vanno da agenti di coding a compagni di produttività a document processing.

Devo essere uno sviluppatore per usarlo? Per use case base, no: può definire agenti in linguaggio naturale tramite la UI della Claude Platform. Per qualsiasi cosa production-grade, una conoscenza pratica di API e YAML è essenzialmente richiesta.

---

La conclusione per le aziende europee

Se sta osservando lo spazio degli agenti chiedendosi quando diventerà reale per le aziende che non hanno un team di AI engineering dedicato, questo è probabilmente quel momento. Non perché Managed Agents sia perfetto, è un prodotto beta con limitazioni reali, ma perché è la prima offerta credibile «gestiamo noi l’infrastruttura» da parte di un frontier lab che sia sia prezzata in modo sensato sia architettata seriamente.

Per le PMI europee e le aziende mid-market, l’implicazione pratica è che la matematica build-vs-buy è appena cambiata. Costruire un agente di produzione significava un progetto infrastrutturale di tre-sei mesi più manutenzione continuativa. Adesso significa scrivere una buona specifica e pagare 0,08 $ per ora attiva. Sposta «dobbiamo spedire un agente per questo workflow?» da decisione capex a decisione opex.

Se è un founder, CTO o operatore che cerca di capire cosa fare davvero con tutto questo, non solo annuire con sapienza su LinkedIn, è la conversazione che facciamo da areza.digital ogni settimana. Aiutiamo le aziende europee a progettare, costruire e far girare agenti AI di produzione. Prenoti una discovery call di 30 minuti →

---

Scritto da Nikita Janockin, founder di areza.digital. Fonti: documentazione ufficiale Claude Platform (platform.claude.com/docs), blog d’ingegneria Anthropic «Scaling Managed Agents: Decoupling the brain from the hands», annuncio di lancio claude.com, The New Stack, SiliconANGLE, FindSkill.ai, blog d’ingegneria Epsilla. Prezzi e disponibilità funzionalità verificati rispetto alla documentazione live al 9 aprile 2026. Ultimo aggiornamento 9 aprile 2026.