上線你的第一個 Managed Agent（第 2/3 段）

🧑‍🏫 這段是實作示範：用 Claude Managed Agents（Anthropic 推出的服務，幫你把 AI 代理人跑起來，不用自己從零架整套系統）一步步做出一個 SRE agent。SRE 是負責讓線上服務穩定運作的工程角色，服務出狀況時要負責找原因。看完你會知道，一個能實際做事的 agent 由哪幾塊組成，每一塊各自負責什麼。

• 12:23 第一步是定義 agent：agent 決定 persona 與能力，也就是 model、system prompt 和 tools
  ↳ agent 就是會自己動手完成任務的 AI 助手。第一步是決定它「是誰、會什麼」：用哪個 model（背後的 AI 模型）、system prompt（事先給它的角色說明）、tools（它可以使用的功能）。
• 12:23 這次示範定義的是 SRE agent，使用 Claude Opus 4.7，system prompt 和 tools 已預先設定好
  ↳ 這次要做的是 SRE agent，模型選 Claude Opus 4.7。角色說明和工具講者事前都寫好了，示範時直接套用，不用現場從頭打。
• 12:53 system prompt 非常簡單：告訴它是 SRE agent、負責進來除錯事故（incident），可以使用 metrics、recent deployments、get diff 等工具。講者表示也可以再加更多複雜度和限制
  ↳ 角色說明只寫三件事：你是 SRE、負責處理 incident（服務出狀況的事故）、可以用哪些工具，例如看 metrics（系統數據指標）、查最近上線紀錄、看程式改了哪裡。要加規則之後再加就好。
• 12:53 設計原則：給 agent 的工具，就是開發者自己處理事故時會想要的工具，例如抓 logs 看到底哪裡出錯
  ↳ 挑工具的方法很直覺：想像你自己處理事故時會想打開什麼。例如 logs（系統自動留下的運作紀錄），要翻它才知道哪裡壞掉。你需要什麼，就給 agent 什麼。
• 13:23 設定完成後，agent 會拿到一個唯一識別碼（unique identifier）
  ↳ 設定好之後，系統會給這個 agent 一組 unique identifier（獨一無二的編號），有點像身分證字號，之後要叫用它就靠這組編號。
• 13:56 第二步是 environment，也就是 agent 實際工作的地方
  ↳ 第二步是 environment，也就是 agent 實際做事的地方，它跑指令、讀檔案都在這裡進行。簡單說，agent 決定「誰來做」，environment 決定「在哪做」。
• 13:56 講者說前一天在 Code with Claude London 剛發布新功能：可以把自己的 container 和運算資源接進 Claude Managed Agents，讓 agent 的工具和動作在你自己的基礎設施上執行，不限於 Anthropic 代管的基礎設施
  ↳ 前一天在 Code with Claude London（Anthropic 的開發者活動）剛發布新功能：可以接上自己的 container（打包好的獨立執行環境）和運算資源，讓 agent 在自家機器上做事，不一定要用 Anthropic 的。
• 14:26 這次示範的 environment 設定在 Anthropic cloud 上執行，網路存取完全不設限
  ↳ 這次示範比較單純：直接用 Anthropic cloud（Anthropic 代管的雲端機器），而且網路完全開放，agent 想連哪個網站都可以。
• 14:26 網路設定其實是 allowed list（允許清單），想讓 agent 只能連特定網站和 URL，就可以盡量收窄
  ↳ 網路設定其實是 allowed list（允許清單），只有清單上的網址連得到。正式使用時可以收得很窄，例如只准連公司內部系統，降低 agent 連到不該連的地方的風險。
• 14:59 另外也發布了 MCP tunnels，可以在私有環境執行 MCP server，不必放在公開網路上，目的是讓 agent 盡可能達到 production ready 又安全
  ↳ MCP 是讓 AI 接上外部工具的通用規格，MCP server 就是提供這些工具的程式。新推出的 MCP tunnels 讓它留在公司內網、不必公開上網，好讓 agent 安全到可以上 production（正式營運環境）。
• 15:29 設定完成後，agent 和 environment 各有自己的唯一識別碼，後面定義 session 時會用到
  ↳ 到這一步，agent 和 environment 各有一組編號。先記著，等一下開 session 時要把兩組一起填進去，系統才知道要派哪個 agent 到哪裡做事。
• 15:29 第三步是讓 agent 能看 logs。講者說在 Claude Code 上，團隊第一次體會到讓 agent 存取檔案和檔案系統的威力
  ↳ 第三步是讓 agent 看得到 logs。講者說團隊做 Claude Code（Anthropic 的寫程式 AI 工具）時第一次發現：讓 AI 能直接讀檔案、翻資料夾，能力會大幅提升。
• 15:29 Claude Managed Agents 基本上是透過 Files API 上傳 metrics 和 logs，讓 agent 能執行程式碼來處理這些檔案
  ↳ 做法是用 Files API（讓程式上傳檔案的介面）把 metrics 和 logs 傳上去。agent 不只是讀，還能自己寫程式分析這些檔案，例如篩出錯誤訊息。
• 16:00 重點：能給 agent 的資料越多，agent 就越強大。context engineering 是讓 agent 變強的一大關鍵
  ↳ 核心觀念：agent 手上的資料越多就越能幹。context engineering 是在設計「要讓 AI 看到哪些資訊、用什麼方式給」，講者認為這是 agent 變強的一大關鍵。
• 16:00 開發者在 Claude Managed Agents 這類 primitive 上，大部分時間都花在管理 context：要上傳哪些檔案、agent 怎麼處理這些檔案，這些都可以自己組合、客製
  ↳ primitive 指現成的基本積木。用 Claude Managed Agents 這類積木時，開發者大部分時間花在規劃要給 agent 哪些檔案、讓它怎麼處理，這些都可以自己組合調整。
• 16:31 第四步是定義 session：把 agent 和 environment 綁在一起並掛載 log 檔，要傳入 agent ID、environment ID 和 resources
  ↳ 第四步是開 session（一次工作階段）：填入 agent 編號、environment 編號，再加上 resources（要掛進去的資源，這裡是 log 檔）。等於指定誰、在哪、帶哪些資料開工。
• 17:01 接著讓 agent 能把回應串流（stream）給使用者
  ↳ 接著設定 stream（串流）：agent 的回應邊產生邊送到畫面上，就像你跟 Claude 聊天時字一個一個冒出來，而不是等全部寫完才一次出現。
• 17:01 session 內的運作單位是 events，不是「tokens 進、tokens 出」。events 包括使用者訊息、agent 的 tool call、agent 的回應
  ↳ tokens 是 AI 處理文字的最小單位。講者強調 session 不是單純「文字進、文字出」，而是一連串 events（事件）：你講一句話、agent 用一次工具、agent 回一段話，各算一件。
• 17:31 每個 event 都能記錄下來做 observability，也能串流給使用者，讓使用者看到 agent 呼叫工具、產生回應的過程，不必等整個任務做完
  ↳ 每個事件都能記錄下來，這叫 observability（可觀察性，事後查得到系統做了什麼）；也能即時推給使用者，讓你看到 agent 正在用哪個工具、回了什麼，不必乾等到最後。
• 17:31 Claude Managed Agents 內建一個 console，可以查看 agent 做的每件事，還有很多 observability 功能
  ↳ Claude Managed Agents 自帶一個 console（管理後台畫面），agent 做過的每一步都查得到，還有其他監看功能，不用自己另外做紀錄系統。
• 18:02 這時對 agent 說 hi，它會回應，但還不能呼叫 get metrics 這類工具，因為還沒把工具接到本地要執行的動作
  ↳ 這時跟 agent 說 hi，它會回話，但叫它看 metrics 就做不到，因為工具只登記了名字，背後真正要執行的程式還沒接上。
• 18:33 agent 其實已經在 server 端定義好了，缺的只是本地工具（local tools）。接上之後就能呼叫 get metrics、get recent deploys、get diffs，在你的電腦或基礎設施上採取行動
  ↳ agent 本身已經在 server（遠端伺服器）上定義好了，缺的是 local tools，也就是在你電腦或公司機器上實際跑的程式。接上之後，查數據、查部署紀錄、看程式改動才會真的動起來。
• 19:03 最後加上刪除 session 的功能，這對安全性很重要：可以主動管理 session，避免在 cloud 或你的基礎設施上留下不想保留的資料
  ↳ 最後加上「刪除 session」的功能，重點是安全：工作做完可以主動清掉，不讓對話和資料留在雲端或你的機器上沒人管。
• 19:03 session 刪除後，所有 log 裡的相關內容也會一併移除，讓資料能被主動管理
  ↳ session 刪掉後，相關的 log 紀錄也會一起清除，不只是關掉畫面而已。這樣公司就能自己決定資料要留多久。
• 19:34 試跑：開一個新 session，請 agent「debug my incident」
  ↳ 開始實測：開一個新 session，只丟一句「debug my incident」（幫我查這次事故），看 agent 會不會自己想辦法查。
• 20:05 因為給了 sandboxing、bash、get recent deploys 等工具，agent 會執行 sandbox 指令查看 logs，再呼叫 get recent deploys 取得近期部署和 metrics 等結果
  ↳ 因為手上有 sandbox（隔離的安全執行空間）、bash（下指令操作電腦的工具）、查部署紀錄等工具，agent 先下指令翻 logs，再去查最近的部署和數據。
• 20:35 點開各個分頁，可以從使用者角度看到透過 local tools 傳給 agent 的資料
  ↳ 點開畫面上的各個分頁，可以看到 local tools 實際回傳給 agent 的資料，站在使用者的角度確認它拿到了什麼、根據什麼下判斷。
• 20:35 串流效果：tool call 一呼叫就會出現，user prompt 一送出就會顯示，agent 的回應也會邊產生邊串流
  ↳ 串流很即時：問題一送出就出現在畫面上，agent 一用工具就會顯示，回答也是邊寫邊跑出來，整個查案過程都看得到。
• 21:05 這次示範的事故：P99 latency 比 baseline 高出 10 倍
  ↳ 這次模擬的事故是 P99 latency 比 baseline 高 10 倍。P99 latency 是最慢那 1% 請求的回應時間，baseline 是平常的正常水準，也就是最慢的那批使用者要等平常的 10 倍久。
• 21:35 設計真正的 SRE／事故應變 agent 時，要深入思考各個組成元件，以及要給 agent 哪些 MCP servers 和 skills
  ↳ 講者提醒，真的要做事故處理 agent，不能只照這個簡化版：要仔細想每個零件怎麼搭配，還有要接哪些 MCP servers、給哪些 skills（可以裝給 agent 的專門能力包）。
• 21:35 講者團隊打造 SRE agent 時，還會考慮給 agent 一個執行 runbook 的 skill。runbook 是團隊除錯後記錄下的處理方式，下次遇到類似事故可以照著做
  ↳ 例如講者團隊會給 agent 一個執行 runbook 的 skill。runbook 是團隊處理完事故後寫下的處理步驟，下次遇到類似狀況照著做，不用每次從頭摸索。
• 22:05 原則：人類開發者能用的資料，也要讓 agent 能用。例如 runbook skill 讓 agent 能看範例 runbook，或抓其他事故的 postmortem，更能理解你的系統並成功除錯
  ↳ 原則是：人查問題時看得到的資料，agent 也應該看得到。給它 runbook 範例、以前事故的 postmortem（事後檢討報告），它才會更懂你的系統，查得更準。
• 23:09 這場示範的資料全部在本地（例如 get metrics 讀的是 JSON），但因為 agent 可以在你的 container 和基礎設施裡跑，這類工具很容易改接 DataDog 等 production 系統
  ↳ 示範資料都放在本地的 JSON 檔（一種常見的資料格式）。不過因為 agent 能在你的 container 裡跑，要改接 DataDog（常見的系統監控服務）這類正式環境的真實數據並不難。
• 24:19 所有 tool call 都會持久保存在 cloud 的 logs 裡，也會記錄到 observability console
  ↳ agent 每次用工具的紀錄都會存在雲端 logs，也會出現在 console 裡。事後想追查它做了什麼、為什麼這樣判斷，都查得到。
• 24:19 agent 的結論：事故原因似乎是 database pool exhaustion。Alice 一個重構 order summary builder 的 commit 引入了一個 query（字幕在此截斷）
  ↳ 結論：疑似 database pool exhaustion（資料庫連線被占滿，新請求只能排隊）。線索指向 Alice 改寫 order summary builder 的某次 commit（程式變更）加了一個查詢，字幕在這裡中斷。

講者說 Claude Managed Agents 在 session 裡用什麼作為運作單位？