Code with Claude London 2026：開幕主題演講（第 3/4 段）

🧑‍🏫 這段主要講兩件事。前半段發表 Claude Managed Agents 的新功能，並用一家虛構公司實際示範，讓 agent 在公司防火牆裡面安全做事。後半段介紹寫程式的 AI 工具 Claude Code 有哪些用法，以及怎麼同時管很多個 agent。如果你想知道 AI 怎麼從陪聊天變成真的幫公司做事，這段很值得看。

• 23:15 本段開頭延續前段談的功能：它能降低成本，適合用在 premium 模型（想拿出最好的產品、又得顧成本），也適合 agentic 工作量極大、需要盯緊 ROI 的情況
  ↳ 這段接著上一段講的功能，重點是省錢。適合兩種人：想用最強的 premium（高階）模型但怕太貴，或是 agent（會自己拆步驟做事的 AI）跑量很大，得算清楚 ROI（投資報酬率）。
• 23:15 講者指出速度（speed）和規模（scale）必須同時兼顧，並以此帶出 Claude Managed Agents
  ↳ 講者的意思是，只追求做得快不夠，還要撐得住大量使用。這兩件事常常互相拉扯，Claude Managed Agents 就是要同時解決這兩個問題。
• 23:45 Claude Managed Agents 是 agentic harness 加上 production grade 的基礎設施，能讓團隊出貨快 10 倍，幾天內就能做出 production grade agent，不必花好幾個月
  ↳ Claude Managed Agents 是 Anthropic 幫你準備好的一整套環境：讓 AI 做事的框架（agentic harness），加上能正式上線的 production grade 基礎設施。所以做出能上線的 agent 從幾個月縮短到幾天。
• 23:45 客戶案例 Asana：做了 AI teammates，讓人在 Asana 專案裡直接和 agent 協作、分派任務；為了兼顧速度與規模，選擇建在 Claude Managed Agents 上
  ↳ Asana 是專案管理軟體。他們做了「AI 隊友」，你可以像指派同事一樣把任務交給 agent。因為要做得快、又要撐住大量用戶，所以選擇建在 Claude Managed Agents 上。
• 24:15 近期升級的功能之一：Multi-agent orchestration，可以建立整批（fleets）agent
  ↳ Multi-agent orchestration（多 agent 協調）的意思是，不只用一個 agent，而是一次調度一整批（fleets）agent，讓它們分工合作。
• 24:15 近期升級的功能之二：outcomes，由你定義「成功長什麼樣子」，Claude 會反覆迭代直到達成
  ↳ outcomes：你先講清楚「做到什麼程度才算成功」，Claude 就會一直做、檢查、修改，重複到達標為止，不會做一次就交差。
• 24:15 近期升級的功能之三：dreaming，Claude 會回顧自己過去的 transcripts，從中學習、自我改進
  ↳ dreaming：Claude 會回頭看自己以前的工作紀錄（transcripts，也就是對話和操作的逐字紀錄），找出能改進的地方，讓下次做得更好。
• 24:15 今天新發表之一：self-hosted sandboxes，Claude 可以在你自己的伺服器上執行工作
  ↳ sandbox（沙盒）是 agent 動手做事時用的隔離空間。以前這個空間在 Anthropic 那邊，現在有 self-hosted sandboxes，可以放在你們公司自己的伺服器上。
• 24:47 今天新發表之二：MCP tunnels，讓做內部 agent 的人能在 Claude Managed Agents 上安全存取內部 MCP servers
  ↳ MCP 是讓 AI 連接外部工具和資料的標準接法，MCP server 就是被連上的服務。MCP tunnels 讓公司的內部 agent 能安全連到只放在公司裡面的 MCP server。
• 24:47 Claude Managed Agents 要執行工作（例如編輯檔案）時會開 sandbox；可以繼續用官方的 sandbox，從今天起也能改用自己的
  ↳ agent 要真的動手做事（例如改檔案）時，需要一個執行環境，也就是 sandbox。你可以繼續用官方提供的，從今天起也能換成自己架的。
• 24:47 self-hosted sandboxes 首發就有 first class support：Daytona、Cloudflare、Vercel、Modal，整合很簡單
  ↳ 一推出就正式支援（first class support）Daytona、Cloudflare、Vercel、Modal 這四家雲端服務。如果你本來就在用其中一家，接起來很簡單。
• 25:17 MCP tunnels 讓 MCP servers 放在防火牆後的私有網路裡，Claude Managed Agents 照樣能存取，不必暴露在公開網際網路上
  ↳ 防火牆是擋在公司網路外面的門禁。有些內部系統不能公開，有了 MCP tunnels，agent 照樣連得到，這些系統也不用暴露在公開網路上。
• 25:17 Demo 情境：虛構公司 Counter，提供小型企業建立數位店面的軟體，想成為 AI native business
  ↳ 接下來是示範。Counter 是虛構的公司，賣讓小店家開網路商店的軟體。它想成為 AI native business，影片沒解釋這個詞，只說 Counter 想朝這個方向走。
• 25:47 Counter 很常做的工作流程是持續跑成長實驗來優化商家 onboarding；Caitlyn 為它在 Claude Managed Agents 上做了一個 growth agent
  ↳ Counter 常做的事是一直跑成長實驗，比較不同版本，讓新商家註冊、上手（onboarding）更順。Caitlyn 為這件事在 Claude Managed Agents 上做了一個專管成長的 agent。
• 25:47 在 Counter 的 Slack 裡，Growthbot 主動回報最新實驗有明顯贏家：簡化版 onboarding 大勝舊的長版（舊版商家常在註冊完成前流失）
  ↳ 在公司聊天工具 Slack 裡，叫做 Growthbot 的 agent 沒人問就主動回報：簡化版註冊流程大勝舊版。舊版太長，很多商家還沒註冊完就走了。
• 26:18 這個 agent 會主動宣布實驗結果（calling the experiment），並開始清理舊版本
  ↳ 它不只報結果，還自己宣布實驗結束、哪個版本贏了，接著開始清掉舊版本，連收尾都一起做。
• 26:18 講者用 Claude API CLI 和 Claude developer console 查看 agent 的設定
  ↳ 講者接著打開後台，看這個 agent 怎麼設定。一個是 Claude API CLI（打字下指令的工具），另一個是網頁版的 Claude developer console（開發者控制台）。
• 26:48 agent 設定內容包括 system prompt、skills、tools 和 MCP servers
  ↳ 設定分四塊：system prompt（給它的角色和基本規則）、skills（事先教好的做事方法）、tools（它能用的工具）、MCP servers（它能連的外部服務）。
• 26:48 這個 agent 接了三個 MCP server：Slack（在 Slack 對話）、data warehouse（讀實驗數據判斷贏家）、feature flags（宣布或啟動實驗）
  ↳ 它接了三個服務：Slack 用來跟人講話；data warehouse（公司集中存資料的地方）用來讀實驗數據判斷輸贏；feature flags（控制功能開關的系統）用來宣布結果或開新實驗。
• 26:48 Slack 用的是一般的公開 MCP URL；data warehouse 和 feature flags 的 URL 則在 tunnel.anthropic.com 底下
  ↳ 看連線網址就分得出來：Slack 是一般的公開網址，另外兩個都在 tunnel.anthropic.com 底下，表示它們是透過 MCP tunnel 連進去的。
• 27:21 這代表這兩個 MCP server 在 Counter 的防火牆後面，只能透過 tunnel 存取，符合 MCP server 必須留在私有網路的要求
  ↳ 也就是說，這兩個系統放在 Counter 的防火牆裡面，外面連不到，只能走 tunnel 這條專用通道進去，符合公司「內部系統不能外露」的規定。
• 27:21 設定方式：Counter 先在自己的私有網路架一個 gateway，再和 Anthropic 建立安全連線，之後用這個 MCP tunnel 的 agent 都能安全存取內部 MCP servers
  ↳ 設定分兩步：Counter 先在自己的內網架一個 gateway（對外的出入口），再由它跟 Anthropic 建立安全連線。之後只要是用這條 tunnel 的 agent，都能安全存取內部服務。
• 27:51 MCP tunnels 可以直接在 Claude developer console 建立，也有幾種設定選項可以調整
  ↳ 建 MCP tunnel 不用寫一堆程式，在 Claude developer console 網頁上就能建，也有幾個選項可以照需求調整。
• 27:51 Counter 另一個要求：agent 寫程式、執行程式都要在 self-hosted sandbox 上跑，不要用公開基礎設施
  ↳ Counter 的第二個要求是：agent 寫程式、跑程式，都要在公司自己的 self-hosted sandbox 裡做，不能用公開的基礎設施。
• 28:21 可以在 Claude Managed Agents 的 environment 設定改用 self-hosted sandbox
  ↳ 在 Claude Managed Agents 的 environment（執行環境）設定裡就能切換，把預設的 sandbox 換成自己架的。
• 28:21 運作流程：agent 要執行工作時先把 work item 放進 queue；Counter 用的是 Vercel 的 self-hosted sandbox，Vercel 取走 work item 後，在 Counter 的 Vercel 帳號裡開 sandbox 執行
  ↳ 流程有點像排號：agent 要做事時，先把工作單（work item）放進排隊區（queue）。Counter 用的是 Vercel，Vercel 拿到工作單後，會在 Counter 自己的 Vercel 帳號裡開 sandbox 來執行。
• 28:51 Claude Managed Agents 在 console 裡有很完整的 observability，可以查看產生那段 Slack 對話的 session
  ↳ observability（可觀察性）就是事後能查 agent 到底做了什麼。在 console 裡可以打開那段 Slack 對話背後的 session（一次完整的工作紀錄），一步一步看。
• 28:51 session 裡有 set flag winner 這個 tool call，證明 agent 成功透過 MCP tunnel 呼叫了 feature flag 的 MCP server
  ↳ 紀錄裡有一個叫 set flag winner 的 tool call（agent 呼叫工具的一次動作），證明它真的透過 MCP tunnel 連進內部的功能開關系統，把勝出的版本設好了。
• 29:21 agent 動手寫程式清理舊版本時，會先 checkout 一個新的 git branch，這些工作都在 Vercel self-hosted sandbox 上進行
  ↳ agent 改程式清舊版本之前，會先開一個新的 git branch（程式碼分支，像另存一份副本來改，不動到正式版）。整個過程都在 Vercel 的自架 sandbox 裡進行。
• 29:21 Growthbot 很主動：它不只判斷應該把簡化版設成預設，還開了一個 PR 來完成設定和清理，執行時跑在 Counter 自己的伺服器（self-hosted sandbox）
  ↳ Growthbot 很主動：判斷該把簡化版設成預設後，它自己開了 PR（請人審核、合併程式修改的申請）來完成設定和清理，全程都在 Counter 自己的伺服器上跑。
• 29:51 Growthbot 還附上截圖，對比雜亂的舊版和比較乾淨的新版
  ↳ 它還附上前後對比的截圖，一眼就看得出舊版多亂、新版多清爽，不用自己點開去比。
• 29:51 Growthbot 也很懂得協作：Caitlyn 問「What next?」，它找出下一個機會：解決 onboarding 流程中 46% 的流失
  ↳ 它也懂得配合人。Caitlyn 問「接下來呢？」，它馬上找出下一個機會：註冊流程裡有 46% 的人中途流失，值得處理。
• 30:21 這個 46% 是它透過 MCP tunnel 安全查詢 data warehouse 算出來的，最後還主動問要不要開始處理
  ↳ 這個 46% 不是隨口說的，是它透過 MCP tunnel 安全查詢內部資料倉儲算出來的。最後它還主動問要不要現在就開始處理。
• 30:21 小結：今天為 Claude Managed Agents 推出兩項大升級（self-hosted sandboxes、MCP tunnels），讓成為 AI native business、替所有工作流程建 agent 變得更容易
  ↳ 小結：今天 Claude Managed Agents 多了自架 sandbox 和 MCP tunnels 兩大功能，公司更容易把各種工作流程都交給 agent 處理。
• 30:52 接下來換 Claude Code：講者說，Claude 平台要縮小的差距是「模型能做到的」和「企業實際上線的 agent」之間；Claude Code 要縮小的則是「模型能力」和「每位開發者都能受益」之間
  ↳ 接著換 Claude Code（Anthropic 給寫程式用的 AI 工具）。講者說，平台要讓模型的能力真正變成企業上線的 agent；Claude Code 則要讓每個開發者都用得到模型的能力。
• 31:53 Claude Code 的使命：幫每位 builder 縮小「有好點子」到「產品出貨」之間的差距；做法是打造能引出模型前沿智慧的工具，並讓每位 builder 都用得到
  ↳ Claude Code 的目標是縮短「有點子」到「做出產品」的距離。做法是打造能發揮模型最強能力的工具，而且讓每個想做東西的人（builder）都用得到。
• 31:53 團隊說自己沒有一份現成的完整 roadmap 可以交給大家，比較像登山者，和使用者一起在沒人探過的地形上邊走邊摸索
  ↳ 團隊坦白說，他們沒有一份完整的未來規劃（roadmap）可以給大家看。比較像登山隊，跟用戶一起在沒人走過的地方邊走邊找路。
• 32:23 使用方式的轉變：去年講者會逐一檢查每個 edit、每個權限提示，還要給超詳細的指示
  ↳ 用法的改變：去年講者用的時候，每一處修改、每次「可以執行嗎？」的權限詢問都要自己確認，指示也得寫得非常詳細。
• 32:53 現在大多數人用 auto mode 把權限交給 Claude，等 Claude 自己測試、驗證完、PR 也備好了才回來看
  ↳ 現在大多數人開 auto mode（自動模式），讓 Claude 自己決定要不要執行。等它測完、確認沒問題、PR 也準備好了，人再回來看結果。
• 32:53 Claude Code 最早從 CLI 起家；terminal 至今仍是 power user 的介面，適合想要極簡文字介面、最多控制權和自訂空間的人
  ↳ Claude Code 一開始是 CLI，在 terminal（終端機，打字下指令的視窗）裡用。現在這仍是進階使用者的首選，畫面最簡單，能控制和自訂的空間也最大。
• 33:23 後來加了 IDE：一樣強大的 agent，但能在 agent 工作時同步跟著看所有程式碼變更
  ↳ 後來加了 IDE（寫程式用的編輯軟體）版本。agent 的能力一樣，但它工作的時候，你能同步看到它改了哪些程式碼。
• 33:23 很多人同時開好幾個 Claude Code，團隊暱稱為「multi-clauding」，因此新增兩個介面來管理更多 agent
  ↳ 很多人會同時開好幾個 Claude Code，各做各的事，團隊叫這個「multi-clauding」。為了方便管理這麼多 agent，又多做了兩種介面。
• 33:53 Claude Code on desktop：全螢幕圖形介面，內建預覽、sidebar control plane，能呈現圖片和 rich outputs
  ↳ 第一種是桌面版 Claude Code：全螢幕的圖形介面，能直接預覽成果，側邊欄可以集中控制各個工作，也能顯示圖片等比純文字更豐富的內容。
• 33:53 desktop 用單一畫面同時看本機 session 和 cloud session，並用視覺標示哪些 agent 在跑、哪些卡住、哪些等你回覆
  ↳ 桌面版在同一個畫面裡就能看到你電腦上和雲端上跑的工作，還會標示哪些在跑、哪些卡住、哪些在等你回覆。
• 33:53 最新介面：CLI 裡的 Claude agents view，給喜歡留在 terminal 的人
  ↳ 第二種是最新的 Claude agents view，做在 CLI 裡面，給習慣待在終端機、不想換到圖形介面的人用。
• 34:25 agents view 一眼就能看到哪些在跑、哪些在等你、哪些已完成；可以直接行內回覆解除卡關，也能在 session 之間切換而不會跟丟進度
  ↳ 在 agents view 裡，一眼就看得出哪些在跑、在等你、已經做完。卡住的可以直接在清單裡回覆放行，也能在不同工作之間切換，不會搞丟進度。
• 34:25 VS Code IDE extension 和 desktop app 都建在 Claude Agent SDK 上，也就是很多開發者自己在用的同一套 SDK
  ↳ VS Code 擴充套件和桌面版，底層都是 Claude Agent SDK（做 agent 用的開發工具包），也就是很多開發者自己做 agent 時用的那一套。

在 Counter 的 demo 中，哪些 MCP server 是透過 MCP tunnel（tunnel.anthropic.com）連線的？