AnthropicがClaude Managed Agentsに、過去セッションを振り返って自己改善する「dreaming」、出力を独立採点して合格まで再試行させる「outcomes」、複数エージェントを分担実行する「multiagent orchestration」を追加した。
AnthropicはClaude Managed Agentsに3つの新機能を追加した。過去セッションを振り返ってパターンを抽出し自己改善する「dreaming」（リサーチプレビュー）、出力を独立コンテキストで採点し合格まで再試行させる「outcomes」（パブリックベータ）、複数エージェントを分担実行する「multiagent orchestration」（パブリックベータ）だ。webhooksも開発者に提供される。
outcomesは標準プロンプトループ比でタスク成功率を最大10ポイント改善し、内訳はdocx +8.4%、pptx +10.1%。実利用ではHarveyがdreaming活用で完了率約6倍、Wisedocsがoutcomesでレビュー50%高速化を報告している。
核心は、人間が逐一レビューせずともエージェントが自ら検証・自己修正し、セッションをまたいで学習し続ける構成が一次提供された点。長時間・複雑業務の自動化を検討する開発者の意思決定に直結する。本番投入時はリサーチプレビューとパブリックベータの境界、そして再試行に伴うコスト増の見積もりが判断のカギになる。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
Managed Agentsはエージェントが作業中に学習を蓄積するmemory機能を備えてきた。dreamingはセッション間でその記憶を整理・統合し、複数エージェント間で共有学習を引き出して最新化する役割を担う。outcomesは別の採点器が独立したコンテキストで出力を評価し、合格するまでエージェントに再試行させる仕組み。multiagent orchestrationはリードエージェントがタスクを分割し、専門サブエージェントに各モデル・プロンプト・ツールを割り当てて並列処理する。
人間が逐一レビューせずとも、エージェントが自ら検証・自己修正し、セッションをまたいで学習し続ける構成が一次提供される点が重要。outcomesは内部ベンチでタスク成功率を最大10ポイント改善し、実利用でも完了率向上や処理高速化が報告されており、長時間・複雑業務の自動化を検討する開発者の意思決定に直結する。
AnthropicはClaude Managed Agentsに、出力を独立したコンテキストで採点する「outcomes」を追加した。別の採点器が合格基準を満たすまでエージェントに再試行させる構成で、内部ベンチでは標準プロンプトループ比でタスク成功率を最大10ポイント改善した(docx +8.4%、pptx +10.1%)。
Dreaming, outcomes, and multiagent orchestration are now available in Claude Managed Agents. Build agents that learn, meet a quality bar, and work in parallel.
同時に追加された「dreaming」は、過去セッションを振り返ってパターンを抽出し、複数エージェント間で学習を整理・統合する役割を担う。人間が逐一レビューせずとも、エージェント自身が品質基準を満たす出力を出し、セッションをまたいで学習し続ける構成が一次提供された点が核心だ。
発表では実利用の効果も公開された。Harveyはdreamingの活用で完了率が約6倍に、Wisedocsはoutcomesでレビューが50%高速化したと報告している。
提供段階は機能ごとに分かれる。dreamingはリサーチプレビュー、outcomes・multiagent orchestration・memoryはパブリックベータ、加えてwebhooksも開発者に提供される。multiagent orchestrationはリードエージェントがタスクを分割し、専門サブエージェントに各モデル・プロンプト・ツールを割り当てて並列処理する構成だ。本番投入を考えるなら、リサーチプレビューとパブリックベータの境界を最初に押さえる必要がある。
得をするのは長時間・複雑業務を自動化したい開発者だ。これまで自前で組んでいた「出力を採点し合格まで再試行する」ループや「セッション間で記憶を引き継ぐ」処理が、outcomesとdreamingとしてマネージド側に取り込まれた。
一方、自前でエージェント検証基盤を内製してきたチームや、人手レビューを前提にワークフローを提供してきたベンダーは、優位の根拠を問い直すことになる。エージェント自身が合格まで再試行する構成が標準化されれば、レビュー工程の価値が移動する。国内でエージェント運用を検討する実装現場にとっては、パブリックベータで実機検証できる状態になったことが意思決定の材料になる。
立場別、明日から動ける一手。
dreamingがリサーチプレビュー、outcomes・multiagent orchestrationがパブリックベータという提供段階と本番投入の境界を公式ブログで確認する。
outcomesの採点基準を自社業務の合格条件として、docx +8.4%・pptx +10.1%の改善幅が自社タスクで再現するかの検証スコープを定義する。
1つの定型業務でoutcomes有効時のタスク成功率・再試行回数・人手介入回数を標準プロンプトループと比較して測る。
『エージェントが自己改善する』『セッションをまたいで学習し続ける』というdreamingの構成に注目が集まる一方、outcomesの『標準プロンプトループ比で最大10ポイント改善』『Harveyの完了率約6倍』という具体数値が実装者の関心を引いている。
公式発表と各所の反応から編集部が要約した主な論点です。個別のX投稿そのものは下部のセクションに表示されます。
『エージェントが自己改善する』
『セッションをまたいで学習し続ける』
『標準プロンプトループ比で最大10ポイント改善』
『Harveyの完了率約6倍』
人間のレビューを介さない自己検証・自己修正の挙動について、本番投入時の監査ログや説明責任をどう設計するかという論点も語られている。dreamingがリサーチプレビュー段階に留まる点をめぐり、本番採用の可否を見極める声がある。
※トレンド検出時刻付近の人気投稿を表示
What is Claude Managed Agents?
Claude
