К содержимому
Дайджест

Собираем агента-исследователя на Claude Managed Agents

AI Engineer·12 октября 2026·35:36
текст даёт основное можно повторить промо пошагово
Открыть на YouTube
Мастер-класс Anthropic для разработчиков, которые хотят собрать исследовательского агента на управляемых агентах Claude и научиться оркестровать параллельные задачи с SEC-отчётностью.

Что в ролике

Вам нужен агент, который сам анализирует финансовые отчёты SEC, — этот мастер-класс показывает, как собрать его на Claude Managed Agents (CMA) без управления инфраструктурой. Сначала через веб-интерфейс создают базового агента: Claude сам придумывает системный промпт, имя, описание и модель, а для песочницы настраивают окружение с нужными Python-пакетами и доступом к сайту SEC. Общение с агентом идёт через поток событий (SSE): бэкенд пересылает сообщения пользователя в сессию и стримит ответы обратно в браузер, так что можно сделать свой чат-интерфейс. Затем агента расширяют до мультиагентной системы: добавляют навык вызова SEC EDGAR через Python-пакет, суб-агентов для финансового анализа и оценки рисков, а также общее хранилище памяти, доступное разным сессиям. Для асинхронных задач используют «исходы» (outcomes): задание, рубрику для самопроверки и максимальное число итераций, после чего Claude выполняет работу, а отдельный суб-агент проверяет по рубрике, достигнут ли результат. На примере анализа квартальных отчётов Nvidia агент находит нужные формы, делегирует извлечение данных и оценку рисков суб-агентам, пишет заметку в общую память и сохраняет структурированный JSON-файл со scorecard. Для массовой обработки нескольких тикеров создают кастомный инструмент dispatch analysis, который позволяет головному агенту запускать параллельные сессии на каждый тикер, а затем агрегировать результаты в единую таблицу. Завершают показом Deployments API для запуска сессий по расписанию и dreaming — механизма, который анализирует транскрипты и заметки прошлых сессий, чтобы обновлять память и улучшать будущие запуски.

Практика

Что получишь
Вы сможете повторить архитектуру: базовый агент, навык для SEC, суб-агенты, общая память и асинхронные задачи с самопроверкой через outcomes. Также поймёте, как оркестровать параллельные сессии для массового анализа нескольких тикеров.
Первый шаг
Склонируйте репозиторий research-desk, запустите bun run dev, впишите API-ключ Anthropic и данные для SEC в .env.local, затем запустите в Cloud Code скилл 'workshop start'.
Цифры
  • —10 минут — примерно столько занимает анализ одного тикера Nvidia с делегированием суб-агентам и самопроверкой по рубрике
  • —5 минут — за это время после запроса приходят кредиты Anthropic API, хотя в форме указано 1–2 дня
  • —10 сессий — столько параллельных сессий можно запустить через кастомный инструмент dispatch analysis для массового анализа тикеров
Честно
Это воркшоп Anthropic, который продвигает их платформу Claude Managed Agents; для повторения нужен аккаунт с кредитами (выдаются в течение 5 минут после запроса) и знание TypeScript/Node. Код и пошаговый скилл лежат в публичном репозитории research-desk, но настройки окружения, интерфейс консоли и команды показаны только на экране, так что по тексту полностью воспроизвести не получится.
Если слова незнакомы — 5 терминов

Связки из этого ролика

3 шт.

Компоненты

5 шт.

Формат: сборка на живом примере · для практикующих · уверенность разметки 0.85 · источник