Skillget

build-managed-agents

agent
Security Audit
Warn
Health Warn
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 5 GitHub stars
Code Pass
  • Code scan — Scanned 2 files during light audit, no dangerous patterns found
Permissions Pass
  • Permissions — No dangerous permissions requested
Purpose
This is a Claude Code skill (agent) that automates the creation, execution, and auditing of cloud-hosted agents using the Anthropic Managed Agents API. It acts as a reference guide and automation wrapper, allowing coding agents to seamlessly handle agent lifecycles without manually setting up infrastructure.

Security Assessment
Overall risk: Low. The tool primarily functions as a collection of documentation, recipes, and lightweight Python scripts. The automated code scan found no dangerous patterns or hardcoded secrets. The scripts require the user to provide their own Anthropic API key via a standard environment variable. It inherently makes network requests to the Anthropic API to manage cloud agents, but it does not request dangerous local system permissions. As a precaution, developers should review the provided `scripts/` directory to ensure the API key is handled securely according to their local environment policies.

Quality Assessment
The project is very new and has low community visibility, currently sitting at only 5 GitHub stars. However, it is actively maintained, with its most recent push occurring today. It benefits from a clear, permissive MIT license and includes excellent, detailed documentation alongside a straightforward project structure. The README proactively highlights common pitfalls and rate limits, which is a strong indicator of thoughtful, developer-focused design.

Verdict
Safe to use, but developers should review the provided Python scripts before execution to ensure they align with internal API key management standards.
SUMMARY

Claude Code skill for Anthropic Managed Agents — create / run / audit the cloud-hosted agent API end-to-end. 教 Claude 用 Anthropic 托管代理 API 的 skill,覆盖创建/运行/审计全流程。

README.md

build-managed-agents

一个给 coding agent 用的 skill —— 装到 Claude Code / OpenClaw / Cursor 等编程代理上，当用户说"帮我搞一个 managed agent"的时候，这个 skill 会接管，照着 recipe 一步步调 Anthropic 新出的 Claude Managed Agents API，覆盖 create / run / audit 全流程：定义 agent + environment、跑 session、流式处理事件、审计 token 用量和事件链。

把自己搭 agent loop / 工具执行 / 沙箱 / SSE 解析 / 审计日志这堆基础设施全卸掉，直接让 coding agent 去调 Anthropic 托管的那套。

安装

# 全局（推荐，所有项目可用）
git clone https://github.com/YijiaDuan/build-managed-agents \
  ~/.claude/skills/build-managed-agents

# 或只装到当前项目
mkdir -p .claude/skills
git clone https://github.com/YijiaDuan/build-managed-agents \
  .claude/skills/build-managed-agents

运行时依赖：

pip install anthropic          # 或 npm install @anthropic-ai/sdk
export ANTHROPIC_API_KEY="sk-ant-..."

使用

在 Claude Code 对话框里随便说一句：

  • "帮我创建一个 managed agent，做 XXX"
  • "给这个 session 做个审计，看 token 消耗和事件流"
  • "用 client.beta.sessions.events.stream 写一个 XXX"
  • "open-source this as a managed agent"

Claude 会自动匹配到这个 skill 并按 reference/ 下的参考文档执行。完整 recipe 在 SKILL.md。

它覆盖什么

 Create ──────► Run ──────► Audit
   │             │           │
   │             │           ├─ 列出所有 session 状态
   │             │           ├─ 拉完整事件流（审计链）
   │             │           ├─ token 用量 + 成本估算
   │             │           └─ 导出 Markdown 报告
   │             │
   │             ├─ 发 user.message
   │             ├─ 流式接收 agent.message / tool_use
   │             ├─ 处理 custom_tool_use 闭环
   │             ├─ tool_confirmation（always_ask）
   │             ├─ interrupt 中断
   │             └─ 多 agent / memory stores（研究预览）
   │
   ├─ 创建 Agent（model + system + tools + MCP + skills）
   ├─ 创建 Environment（云容器 + 预装包 + 网络规则）
   └─ 创建 Session（挂 GitHub repo / 文件 / memory）

项目结构

build-managed-agents/
├── SKILL.md                 # 入口：触发词 + 工作流速查 + 陷阱清单
├── reference/
│   ├── create.md            # Agent/Environment/Session 完整参数
│   ├── run.md               # 事件收发、多 agent、memory stores
│   ├── events.md            # 全部事件类型 schema
│   ├── audit.md             # 列表查询、用量、成本、导出
│   └── errors.md            # 错误类型、重试、状态机
├── scripts/
│   ├── quickstart.py        # 一键跑通 create→run→audit 模板
│   └── admin.py             # CLI: list/show/export/stats/cost/cleanup
├── README.md
├── LICENSE
└── .gitignore

SKILL.md 保持精简（6KB），细节按需加载 reference/ 下的参考文件。scripts/ 是可以直接拿去跑的模板和管理工具，不是装饰。

踩坑预警（从 SKILL.md 精选）

  • stream 顺序不能反。先 .stream() 打开通道再 .send() 发消息，反了会丢前几个事件。
  • custom tool 必须回结果。收到 agent.custom_tool_use 必须发 user.custom_tool_result（is_error=True 也行），否则 session 永远卡在 idle。
  • Agent 版本漂移。生产环境要 pin agent={"type": "agent", "id": "...", "version": N}，否则 update 后新 session 静默升级。
  • Running session 不能 delete。先 user.interrupt 让它进 idle。
  • Archive 优先于 delete。archive 保留审计链，delete 是永久的。
  • Rate limits：创建类 60/min、读取类 600/min，列表类操作用 pagination。
  • Beta header：研究预览功能（outcomes / 多 agent / memory stores）需要额外一个 beta header。

不适合用在

  • 毫秒级实时交互 —— 用 Messages API 更合适。
  • 简单单轮问答 —— 上 managed agents 是杀鸡用牛刀。
  • 没有云端工具需求的纯文本生成 —— 直接用模型。

License

MIT © Yijia Duan

Reviews (0)

No results found