TL;DR

2026年6月、Anthropic が Claude Code Managed Agents をパブリックベータリリース。
スケジュール実行（cron）・CLI tools 安全統合・Vault管理の環境変数が組み込まれた
エージェント自動化基盤が登場しました。本ガイドではAPI実装～本番運用まで完全網羅します。

1. Managed Agents とは

従来の Claude API（call-and-response）では、毎回ユーザーがトリガーして
エージェントを起動する必要がありました。Managed Agents は以下を内包：

機能	説明
Schedule-based Execution	cron記法でスケジュール定義。24時間無人で自動実行
Secure CLI Tool Integration	Shell commands を安全にエージェントから実行（ホワイトリスト制御）
Vault-stored Environment Variables	Secrets.json で API キー・DB パスワード等を暗号化管理
Managed Lifecycle	エージェント実行の state 管理・failure recovery 自動化

向いてる用途:

日次・週次の自動レポート生成
定期的なデータ収集・ETL
スケジュール定期実行の監視タスク
CI/CD パイプラインの AI 駆動オーケストレーション

2. 実装ステップ

2.1 エージェント定義（AGENTS.md 形式）

Claude Code では .claude/agents/my-agent.md 形式で定義：

---
name: daily-report-generator
description: |
  毎日 09:00 JST にQiita・Zenn・noteの最新トレンドを収集し、
  Slack に自動投稿するレポートジェネレーター。
schedule: "0 9 * * *"  # 毎日9:00 実行（UTC）
tools:
  - web_search
  - file_read
  - file_write
environment:
  - SLACK_WEBHOOK_URL  # vault から読み込み
  - QIITA_TOKEN
tools_timeout: 300      # 5分でタイムアウト
max_iterations: 10      # 最大ループ回数
---

## ロール

このエージェントは以下のロールを持ちます：

### リサーチャー
Web search で最新トレンド記事を検索（過去24時間のみ）

### データ分析官
収集データから「読者へのインパクト」で Top 5 を抽出

### レポーター
Markdown 形式で整理し、Slack webhook 経由で投稿

2.2 環境変数の Vault 管理

claude-code-cloud/.secrets.json に暗号化して保存：

{
  "SLACK_WEBHOOK_URL": "https://hooks.slack.com/services/...",
  "QIITA_TOKEN": "...",
  "ZENN_API_KEY": "..."
}

ポイント: リポジトリに commit しない（.gitignore で除外）。
CloudSecret や GitHub Secrets 連携で、プロセスが開始時に Vault から inject。

2.3 CLI Tools のホワイトリスト制御

Managed Agents が実行可能な shell コマンドを明示的に許可：

allowed_commands:
  - curl          # HTTP リクエスト
  - python3       # 処理スクリプト実行
  - npm run       # パイプライン実行
  - date          # タイムスタンプ取得
  - jq            # JSON parsing

blocked_patterns:
  - "rm -rf"
  - "sudo"
  - "ssh"
  - "/etc/passwd"

2.4 スケジュール定義（cron 形式）

┌───────────── minute (0 - 59)
│ ┌───────────── hour (0 - 23)
│ │ ┌───────────── day of month (1 - 31)
│ │ │ ┌───────────── month (1 - 12)
│ │ │ │ ┌───────────── day of week (0 - 7) (0 and 7 are Sunday)
│ │ │ │ │
│ │ │ │ │
* * * * *

例：
0 9 * * *         毎日 09:00 実行
*/30 * * * *       30分ごと実行
0 0 1 * *         毎月1日00:00 実行
0 9-17 * * 1-5    平日 9-17時 毎時 00分実行

3. 実装例：日次トレンドレポート

以下は実装フローの完全例：

ステップA: Web 検索フェーズ

import anthropic
from datetime import datetime, timedelta

client = anthropic.Anthropic(api_key="YOUR_KEY")

SEARCH_PROMPT = """
過去24時間のAI技術トレンドを検索してください。
以下のテーマ優先：
- Claude / Anthropic
- エージェント / LLM
- Gemini / GoogleAI
- MCP
- セキュリティ

結果をMarkdown形式で返す。
各項目は {数値: いいね数・いいね率, リンク, 概要} を含む。
"""

message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=2000,
    system="You are a research analyst for AI trends.",
    messages=[
        {"role": "user", "content": SEARCH_PROMPT}
    ]
)

research_text = message.content[0].text

ステップB: 分析・抽出フェーズ

ANALYSIS_PROMPT = f"""
以下の収集結果から「読者インパクト Top 5」を抽出してください。

{research_text}

出力形式:
1. タイトル - いいね数 | 📊 伸びるテーマ度
2. ...

判定基準:
- ✅ 伸びる: ハンズオン・CLI・自動化・Security・エージェント
- ❌ 伸びない: 単なるモデル紹介・エンタープライズニュース
"""

analysis_message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1500,
    messages=[
        {"role": "user", "content": ANALYSIS_PROMPT}
    ]
)

top_5_text = analysis_message.content[0].text

ステップC: Slack 投稿フェーズ

import requests
import os
from datetime import datetime as dt

webhook_url = os.environ.get("SLACK_WEBHOOK_URL")
jst_now = dt.now().isoformat()

slack_payload = {
    "text": f"🤖 AI Trends Report - {jst_now}",
    "blocks": [
        {
            "type": "header",
            "text": {
                "type": "plain_text",
                "text": "📊 AI Trends Report（24h）"
            }
        },
        {
            "type": "section",
            "text": {
                "type": "mrkdwn",
                "text": top_5_text
            }
        }
    ]
}

response = requests.post(webhook_url, json=slack_payload)
print(f"Slack posted: {response.status_code}")

4. ベストプラクティス

4.1 エラーハンドリング

# Managed Agent の内部エラーは自動リトライ
# ただし、timeout / tool_error の場合は以下で catch

try:
    response = client.messages.create(...)
except anthropic.APIStatusError as e:
    if e.status_code == 504:  # Gateway timeout
        print("Tool execution timeout - agent will retry next schedule")
    elif e.status_code == 403:  # Permission denied
        print("Tool not in allowed_commands - check whitelist")
    raise

4.2 State 管理

# Managed Agent は execution state を自動保存
# 前回実行の context を活用できる

STATEFUL_PROMPT = """
前回実行（24時間前）の結果: {previous_result}

今回実行で新しく追加されたトレンド（重複排除）を
抽出してください。
"""

4.3 リソース制限

agent_config:
  max_tokens_per_call: 2000      # 1call の token 上限
  max_tool_calls: 20             # 最大 tool call 数
  timeout_seconds: 300           # 5分でタイムアウト
  max_iterations: 10             # 最大 conversation loop

5. 監視・デバッグ

5.1 Execution Logs

Managed Agent の実行ログは Cloud Console から確認：

# CLI でログ確認
claude logs my-agent --since 24h

# Output:
# 2026-06-19T09:00:00Z | START
# 2026-06-19T09:00:15Z | web_search called (Query: ...)
# 2026-06-19T09:00:45Z | file_write called (Path: reports/...)
# 2026-06-19T09:01:12Z | SLACK_WEBHOOK triggered
# 2026-06-19T09:01:20Z | SUCCESS

5.2 失敗時の自動通知

notifications:
  on_failure:
    slack: true
    email: ops@company.com
  retry_policy:
    max_attempts: 3
    backoff: exponential

6. 制限事項・注意

項目	制限
Max context window	Agent depends on model（Opus 4.8 = 1M）
Tool call timeout	300秒（5分）以上の I/O はタイムアウト
Concurrent agents	Account 単位で上限あり（通常 10 agents）
Schedule frequency	最小 1分単位。秒単位は非対応
Tool whitelist	許可コマンド以外は実行不可（セキュリティ）

7. まとめ・次のステップ

できるようになること

✅ Cron スケジュールでエージェント自動実行
✅ CLI tools を安全に統合（ホワイトリスト制御）
✅ Vault で secrets 暗号化管理
✅ Slack / Email への自動通知
✅ 複雑なワークフロー（search → analyze → post）の完全自動化

本格導入チェックリスト

.claude/agents/my-agent.md でエージェント定義
.secrets.json で環境変数設定（gitignore 確認）
許可コマンド whitelist を最小権限で定義
Timeout / retry policy を本番要件に合わせ設定
本番前に dry-run で 24時間監視
Slack / email notification を設定
Execution logs の monitoring dashboard を構築

参考リンク

Sources: