Claude Managed Agents 2026: Dreaming, Outcomes, Multi-Agent

Claude Managed Agents là hosted runtime cho agentic workflow mà Anthropic ship tháng 4/2026, đến hội nghị Code with Claude ngày 6/5/2026 thì bổ sung 3 tính năng lớn: Dreaming (scheduled review tự curate agent memory), Outcomes (grading agent độc lập đo quality output), và Multi-Agent Orchestration (điều phối nhiều agent qua artifact thay vì shared context). Ba tính năng này biến agentic workflow từ “script thử nghiệm chạy local” thành “production-grade service mà Anthropic vận hành thay bạn”. Xem chi tiết multi-agent pattern.

Bài này đi sâu vào 3 tính năng nói trên, khi nào nên chuyển từ self-host Agent SDK sang Managed Agents, mức giá $0.08 mỗi session-hour, và lý do Notion + Rakuten + Sentry đã đưa lên production. Bài Claude Code roadmap pillar cover ecosystem tổng quan, bài này tập trung vào production deployment với Managed Agents.

Lưu ý nhanh để bạn khỏi nhầm hai sản phẩm gần tên: Managed Agents khác với Agent View trong Claude Code CLI. Agent View là dashboard local mở bằng lệnh claude agents để quản lý nhiều phiên làm việc trên máy của bạn, em đã viết riêng ở bài Claude Code Agent View. Còn Managed Agents là dịch vụ hosted Anthropic chạy thay bạn trên hạ tầng đám mây, dành cho production team cần compliance và scale. Hai mặt của cùng chiến lược agent ecosystem, không phải tên gọi khác của cùng một thứ.

Claude Managed Agents Là Gì Và Khác Agent SDK Self-Host Thế Nào?

Managed Agents là hosted runtime mà Anthropic vận hành thay cho bạn, mở public beta từ ngày 8/4/2026. Bạn chỉ cần submit agent definition (gồm instructions + danh sách tool + permission), Anthropic sẽ chạy nó trên hạ tầng được isolate sẵn, trả về kết quả qua API hoặc webhook. Mô hình này khác hoàn toàn với Agent SDK self-host, nơi bạn phải tự quản lý container, IAM, credential rotation, logging, và monitoring.

Ba lớp isolation chính như sau. Một, gVisor sandbox cho mỗi agent session, ngăn agent escape ra host kernel của Anthropic. Hai, default-deny egress firewall, agent chỉ được phép access những domain nằm trong allowlist của bạn. Ba, scoped filesystem chia rõ ràng: /workspace dành cho artifact ephemeral (mất khi session kết thúc), /source mount read-only repo của bạn, agent không có access ra ngoài hai path này. Xem chi tiết Sandbox AI là gì.

Credential vault tích hợp sẵn ngay trong dịch vụ. Bạn lưu API key (Slack, GitHub, Postgres) vào vault qua dashboard, agent tham chiếu qua biến {{credentials.slack_token}} mà không bao giờ chạm vào plaintext. Khác với mô hình self-host bạn phải tự dựng HashiCorp Vault hoặc AWS Secrets Manager, rồi loay hoay với credential rotation và IAM policy thủ công.

Checkpointing diễn ra tự động. Agent có thể tạm dừng giữa chừng phiên làm việc, lưu trạng thái xuống đĩa, rồi tiếp tục sau giờ nghỉ hoặc khi có người duyệt. Mô hình self-host muốn làm được điều này phải tự xây dựng qua Redis cộng với S3 snapshot, vừa tốn công vừa dễ có bug khó truy.

So sánh chi phí một cách cụ thể. Self-host AWS Fargate cho 1 agent chạy 24/7 tốn khoảng $70 mỗi tháng cộng thêm phần overhead DevOps. Managed Agents tính $0.08 mỗi session-hour, trung bình một session kéo dài 30-60 phút, làm 100 session một tháng chỉ rơi vào khoảng 4 đến 8 đô la cộng với chi phí DevOps gần như bằng không. Với team dưới 10 agent đang hoạt động, Managed Agents thắng rõ ràng về mặt kinh tế. Khi vượt qua mốc 100 agent đồng thời, self-host bắt đầu rẻ hơn nhưng yêu cầu phải có một kỹ sư DevOps chuyên trách.

Cluster Claude Code của ongboit cover roadmap pillar, giới hạn sử dụng, vs Codex CLI, Agent View dashboard, Routines cron, /ultrareview, non-coder use case cover surface. Bài này (Managed Agents) là spoke production deployment cho dev senior.

Dreaming Feature Hoạt Động Ra Sao?

Dreaming là scheduled review job Anthropic ship 6/5/2026 tại Code with Claude conference. Agent có thể chạy task daily, nhưng memory tích lũy bloat theo thời gian. Dreaming là scheduled job (mỗi đêm, mỗi tuần, hoặc trigger conditional) tự curate memory như con người ngủ rồi consolidate ký ức quan trọng + forget noise.

Workflow concretely. Agent chạy 8 tiếng ban ngày, accumulate 200K token context với 50 entity, 30 procedure learned, 100 conversation snippet. Cuối ngày schedule Dreaming job. Dreaming agent (separate process) đọc full context, identify: entity nào reference >3 lần (keep + promote to long-term memory), procedure nào succeeded với confidence >80% (codify thành SKILL document), conversation nào < 2 lần reference (drop hoặc compress).

Sau khi Dreaming chạy xong, lớp memory giảm 40 đến 60 phần trăm token nhưng vẫn giữ lại những hiểu biết quan trọng nhất. Sáng hôm sau agent khởi động với context tươi mới cộng thêm memory đã được curate sẵn, thay vì kéo theo 200K token cồng kềnh tích lũy từ ngày hôm trước.

Use case rõ ràng nhất của Dreaming là khi nào? Ba trường hợp đáng để bật tính năng này. Một, agent long-running chạy liên tục 7 ngày trở lên cho dự án nghiên cứu dài hơi. Hai, agent customer support cần học pattern từ hàng nghìn cuộc hội thoại. Ba, agent code refactor kéo dài nhiều tuần cho một codebase lớn. Cả ba trường hợp này nếu không có Dreaming thì agent sẽ chạm rate-limit hoặc mất khả năng giữ chiều hướng trong vòng 3 đến 4 ngày, lúc đó bạn buộc phải khởi động lại từ đầu và mất hết ngữ cảnh đã tích lũy.

Một số hạn chế cần lưu ý. Dreaming tốn một lượng token không nhỏ cho mỗi pass review, vào khoảng 10 đến 20 phần trăm số token mà agent đã dùng trong chu kỳ đó. Lịch chạy không thể đặt mỗi giờ, mặc định hàng ngày là một trade-off hợp lý giữa tươi mới và chi phí. Nếu muốn tự xây dựng equivalent ở mô hình self-host, bạn phải code một memory manager riêng kèm embedding cộng clustering, vốn là một bài toán machine learning khó cài đặt đúng nếu chưa có kinh nghiệm với hệ thống vector database. Xem chi tiết Machine Learning là gì.

Outcomes Feature Tính Quality Như Thế Nào?

Outcomes là grading agent độc lập Anthropic ship cùng Dreaming. Pattern: bạn define success criteria cho task, Outcomes agent (separate model run) evaluate output theo criteria đó. Output score 0-100 + explanation + suggested improvement. Iterate cho tới khi score pass threshold.

Internal benchmark Anthropic công bố: 10.1% quality lift trên PowerPoint creation task khi enable Outcomes. Pattern apply rộng: research summary, code refactor, content generation, customer email response. Bất kỳ task nào có “good output” definable đều benefit.

Workflow integration. Bước 1 agent generate draft. Bước 2 Outcomes evaluate (e.g., “Slide có ≥3 data point, ≥1 image, 5-7 bullet point, no jargon”). Bước 3 nếu score < threshold (default 80), Outcomes feedback specific. Bước 4 agent iterate. Bước 5 lặp 2-5 cycle tới khi pass. Bước 6 deliver output cùng score + iteration count.

So với human review. Outcomes không thay reviewer chuyên môn (domain expert vẫn cần cho edge case). Outcomes thay phần boilerplate check: “format đúng không”, “có đủ data point không”, “tone phù hợp brand không”. 70-80% workflow chỉ cần level này, ship cho production human review chỉ những case Outcomes flag.

Cân nhắc chi phí khi bật Outcomes. Mỗi vòng lặp Outcomes tiêu thêm 30 đến 50 phần trăm token so với chạy một lượt duy nhất. Trên thực tế từ 3 đến 5 vòng là số chu kỳ hợp lý để hội tụ, không phải càng nhiều càng tốt. Đánh đổi cụ thể như sau: bạn trả gấp 2 hoặc 3 lần chi phí token, đổi lại được hơn 10 phần trăm chất lượng cộng với gần như không tốn công review thủ công cho 70 phần trăm trường hợp. ROI rất tốt cho team đã ở mức scale, nhưng không phù hợp với solo dev dùng lai rai vài giờ mỗi ngày.

Multi-Agent Orchestration Khác Sub-Agent Như Thế Nào?

Multi-Agent Orchestration cho phép define + chạy multi-agent workflow trên Managed Agents runtime, khác fundamental với Claude Code sub-agents (Explore / Plan / general). Sub-agents share main context, Orchestration hand off via artifact (file, JSON, structured output) không pass full context.

Pattern artifact handoff. Agent A chạy research, save kết quả vào /workspace/research-summary.json. Agent B chạy writing, đọc file đó, không có access vào context Agent A. Agent C reviewer đọc cả 2 artifact, score + suggest. 3 agent chạy parallel hoặc sequential tùy DAG bạn define.

Tại sao artifact tốt hơn shared context. Một, scale tới 10-20 agent concurrent không context bloat. Hai, debug dễ vì mỗi step có audit trail file. Ba, security tốt hơn (agent A khong leak credential vào context agent B). Bốn, retry granular: nếu agent B fail, retry chỉ B với artifact A đã có.

So với traditional pipeline. Apache Airflow DAG cũng pattern này, nhưng phải code Python operator + setup infrastructure. Orchestration ngược lại: define qua YAML hoặc Python decorator simple, Anthropic chạy infrastructure phía sau.

Một ví dụ production cụ thể từ Notion. Họ dùng Multi-Agent cho pipeline import tài liệu: Agent A trích xuất văn bản từ PDF, Agent B chia nhỏ và cấu trúc lại, Agent C sinh metadata, Agent D đẩy vào search index. Bốn agent chạy song song trong vòng 30 phút thay vì tuần tự mất tới 2 tiếng đồng hồ, tức là tăng tốc gần 4 lần mà không cần thêm hạ tầng phức tạp.

Hạn chế hiện tại của Multi-Agent Orchestration mà bạn nên biết trước. DAG phức tạp với hơn 20 agent vẫn còn nhiều edge case khó debug, đặc biệt khi agent này phụ thuộc vào output của agent kia. Best practice là bắt đầu với pipeline 3 đến 5 agent, theo dõi trong khoảng một tháng, rồi mở rộng dần dần dựa trên số liệu thực tế. Đừng vội xây dựng con quái vật 50 agent ngay từ đầu, vì bạn sẽ không kịp hiểu hệ thống của chính mình khi có sự cố xảy ra ở production.

Khi Nào Nên Migrate Sang Managed Agents?

Có ba dấu hiệu rõ ràng cho thấy đã đến lúc bạn nên chuyển từ self-host sang Managed Agents thay vì tiếp tục bám trụ với hạ tầng cũ.

Một, chi phí DevOps đã vượt mức 500 đô la mỗi tháng. Bạn tính thử lương kỹ sư đang dành thời gian bảo trì Agent SDK infrastructure (giả sử 50 phần trăm FTE nhân với 80 nghìn đô la mỗi năm, tương đương khoảng 3,300 đô la mỗi tháng) cộng thêm hóa đơn AWS khoảng 200 đô la. Tổng chi phí thực tế gần 3,500 đô la. Trong khi đó Managed Agents chỉ ngốn 50 đến 100 đô la mỗi tháng cho cùng workload, nghĩa là bạn tiết kiệm được khoảng 3,400 đô la mỗi tháng cho team kích thước 10 đến 20 agent đang hoạt động.

Hai, công ty bạn rơi vào ngành chịu yêu cầu compliance khắt khe. Healthcare, fintech, hoặc legal đang siết quy định ngày càng nghiêm sau hàng loạt vụ rò rỉ dữ liệu trong những năm gần đây. Mô hình self-host buộc bạn phải tự tay viết tài liệu cho gVisor setup, IAM policy, credential rotation, rồi đem đi kiểm toán mỗi năm hai lần. Managed Agents thừa kế sẵn chứng nhận SOC 2 Type II cộng với ISO 27001 từ Anthropic, giúp giảm tới 80 đến 90 phần trăm phần overhead phục vụ compliance.

Ba, workload của bạn có những đợt spike khó dự đoán. Self-host bắt buộc phải pre-provision năng lực dư thừa hoặc chấp nhận độ trễ autoscaling khoảng 5 đến 10 phút mới mở rộng được. Managed Agents thì co giãn ngay tức thì, scale theo millisecond, bạn bùng nổ từ 0 lên 100 agent đồng thời cho một đợt ra mắt sản phẩm chỉ với một lời gọi API duy nhất, không cần khởi động trước thứ gì.

Ngược lại, khi nào bạn nên giữ nguyên mô hình self-host? Câu trả lời là khi workload của bạn ổn định ở mức trên 100 agent hoạt động 24 giờ mỗi ngày, đã có kỹ sư DevOps chuyên trách, và team compliance nội bộ đã đủ kinh nghiệm. Ở quy mô trên 500 agent đồng thời, công thức giá Managed Agents bắt đầu đắt hơn rõ rệt so với việc tự dựng và vận hành.

Lộ trình migration thực tế kéo dài bao lâu? Từ self-host vault sang Managed Agents hoàn chỉnh thường mất khoảng 4 đến 8 tuần cho khoảng 10 đến 20 agent: tuần 1 setup vault cộng với chuẩn hóa agent definition format, tuần 2 và 3 migrate test agent, tuần 4 và 5 chạy canary production ở mức 10 phần trăm traffic, tuần 6 đến 8 cutover toàn bộ và tháo gỡ hạ tầng self-host cũ.

3 Enterprise Production Sử Dụng Như Thế Nào?

Anthropic công bố 3 enterprise đã put Managed Agents production tại Code with Claude.

Notion. Họ chạy pipeline import tài liệu qua Multi-Agent Orchestration (chi tiết đã nói ở phần trên). Số liệu nội bộ Notion công bố: throughput tăng gấp 3 lần so với pipeline self-host cũ. Use case rõ ràng nhất là khi khách hàng doanh nghiệp di chuyển khối lượng tài liệu khổng lồ từ Confluence hoặc Google Docs sang Notion, lúc đó hệ thống cần burst công suất mà self-host không thể đáp ứng kịp thời.

Rakuten. Họ triển khai customer support agent kết hợp với Dreaming để curate memory. Agent này phục vụ hơn 5,000 ticket mỗi ngày trải dài 12 ngôn ngữ khác nhau. Dreaming chạy mỗi đêm để hợp nhất những pattern phổ biến của khách hàng thành SKILL document tái sử dụng. Sau 3 tháng vận hành, tỷ lệ agent tự xử lý hết ticket mà không cần leo thang lên con người tăng từ mức cơ sở 42 phần trăm lên 67 phần trăm, một cải thiện đáng kể về mặt kinh tế.

Sentry. Họ dùng agent phân tích lỗi cross-codebase kết hợp với chấm điểm Outcomes. Agent đọc stack trace, production log, và lịch sử pull request, rồi sinh ra giả thuyết fix kèm điểm tin cậy thông qua Outcomes. Sau 2 tháng, chỉ số mean-time-to-resolution của đội kỹ sư giảm 38 phần trăm với những pattern bug lặp đi lặp lại, tiết kiệm hàng trăm giờ làm việc mỗi quý.

Pattern chung của cả ba case này. Workload high-volume với task lặp đi lặp lại, cần đảm bảo tính nhất quán về memory hoặc quality, và đã từng gánh chi phí DevOps đáng kể từ trước. Đây chính là điểm ngọt mà Managed Agents thể hiện rõ nhất giá trị, không phải dạng workload thí nghiệm hay one-off project.

Pricing Math Cho Engineering Team Tính Thế Nào?

Standard pricing: token rate (Opus $5/$25 hoặc Sonnet $3/$15) + $0.08/session-hour overhead.

Tính case study 1 dev solo. 10 session/ngày × 30 phút trung bình = 5 session-hour/ngày = $0.40/ngày overhead. 22 ngày work = $8.80/tháng overhead. Plus token ~$50/tháng. Total ~$60/tháng. Vs self-host AWS Fargate ~$70 + 5h DevOps/tháng.

Case study team 5 dev. 50 session/ngày × 30 phút × 5 dev = 25 session-hour × 5 = 125 session-hour/ngày = $10/ngày = $220/tháng overhead. Plus token shared ~$300. Total $520/tháng. Vs self-host: $200 AWS + 20h DevOps. DevOps lương regional South-East Asia ~$2,000/tháng × 20h/160h = $250 effective DevOps cost. Self-host total $450, Managed Agents $520. Tie game cho team 5.

Case study team 20 dev. 100 session/ngày × 20 dev × 30 phút = 1,000 session-hour/ngày = $80/ngày = $1,760/tháng overhead. Self-host scale tốt hơn ở size này.

Sweet spot pricing. Team 1-10 dev: Managed Agents thắng. Team 10-50 dev: cần benchmark cụ thể. Team 50+: self-host thắng nếu có DevOps in-house.

Outcomes loop chính là implementation của Evaluator-Optimizer pattern được Anthropic chính thức công bố. Đọc đầy đủ 6 pattern trong Xây Dựng AI Agent Hiệu Quả: 6 Pattern Từ Anthropic 2026.

Outcomes loop là implementation production-grade của Evaluator-Optimizer pattern. Đọc Đánh giá AI agent eval framework để hiểu nguyên lý nền tảng đằng sau Outcomes.

Câu Hỏi Thường Gặp

Managed Agents có available cho Pro plan không?

Public beta hiện tại yêu cầu tài khoản Team plan trở lên với mức giá tối thiểu 25 đô la mỗi người dùng mỗi tháng. Lộ trình GA dự kiến quý 3 năm 2026 có thể bổ sung tier Pro với giới hạn thấp hơn cho dev cá nhân. Solo dev hiện tại nên tiếp tục dùng Claude Code CLI cộng self-host nếu thấy cần thiết, đợi GA mở rộng rồi quyết định di chuyển sau.

Có thể dùng Managed Agents cùng với Claude Code CLI không?

Hoàn toàn có thể, và đây là pattern khuyến khích. CLI gọi sang Managed Agents qua API như bất kỳ dịch vụ bên ngoài nào khác. Quy trình thực tế là dev viết và thử nghiệm prototype local bằng Claude Code, khi nào ổn định thì triển khai phần workload production lên Managed Agents. Hai mặt này bổ trợ cho nhau, không phải thay thế qua lại.

Dreaming có expose memory state ra ngoài không?

Không. Memory state stay trong Managed Agents runtime, encrypted at rest, isolated theo workspace. Bạn có thể export snapshot qua API nếu cần audit hoặc migrate. Default: memory không leak ra ngoài.

Outcomes có thay được Human Code Review không?

Một phần. Outcomes pass 70-80% boilerplate check (format, completeness, basic quality). 20-30% còn lại cần human cho domain judgment, business context, security review. Best pattern: Outcomes gate trước, human review chỉ case Outcomes flag low-confidence.

Multi-Agent Orchestration support max bao nhiêu agent concurrent?

Public beta hiện tại cap 20 agent concurrent per workspace. GA roadmap mở rộng 100+. Cho most use case, 5-10 agent là sweet spot cả về performance và debugging complexity.

Self-host migrate sang Managed Agents mất bao lâu?

4-8 tuần cho 10-20 agent. Bottleneck là agent definition format conversion + credential vault migration + canary rollout. Plus dev infrastructure rewrite cho artifact handoff (nếu trước dùng shared context pattern).

Bạn Bắt Đầu Managed Agents Như Thế Nào?

Tuần 1, signup beta + define agent đầu tiên đơn giản. Pick task có success criteria rõ ràng (e.g., “fetch top 10 HN story + summarize từng story 2-3 câu”). Run thử 1 tuần, observe cost + output quality.

Tuần 2, enable Outcomes cho task đó. Define success criteria explicit, observe iteration cycle + quality lift. Compare cost vs single-pass.

Tuần 3, thêm Dreaming job. Schedule daily review, observe memory size + cost trade-off.

Tuần 4, expand sang Multi-Agent. Tách task thành 2-3 agent specialized, hand off via artifact. Đo throughput vs single-agent.

Tháng 2-3, evaluate migrate self-host workload sang Managed. Bắt đầu canary 10%, scale dần dựa trên metric.

Tham khảo cluster Claude Code: roadmap pillar, giới hạn sử dụng, Agent View dashboard, Routines cron, ultrareview parallel PR review, non-coder vibe coding.

Bài này (Managed Agents) đóng vai trò spoke chuyên về production deployment, bổ sung cho phần CLI surface đã có ở các bài trên. Bạn có thể đọc theo thứ tự: hiểu Claude Code CLI trước, sau đó là Agent View để quản lý nhiều session local, rồi cuối cùng đến Managed Agents khi nào đã sẵn sàng đưa workload lên hạ tầng hosted. Lộ trình ba bước này giúp bạn không bị choáng ngợp khi tiếp cận hệ sinh thái agent của Anthropic vốn đang mở rộng rất nhanh chỉ trong vòng vài tháng gần đây.

Tài liệu tham khảo bên ngoài

• Anthropic Managed Agents announcement (4/8/2026).
• Simon Willison Code with Claude 2026 live blog (covers Dreaming, Outcomes, Multi-Agent).
• SiliconANGLE Managed Agents launch coverage.
• InfoQ Anthropic Managed Agents.
• Claude Managed Agents official docs.
• Zylos Agent SDK vs Managed Agents architecture analysis.