"Harness as a service или тестим Claude Managed Agents Anthropic сегодня выкатили Claude Managed Agents, де факто harness-as-a-service. С одной стороны напоминает OpenAI Agent Builder, с другой - они пошли гораздо дальше. Как это устроено: они хостят агентов у себя, на каждую сессию поднимают изолированный sandbox, где можно исполнять тулы (bash, файлы, web_search, web_fetch), скиллы, mcp. В комплекте из коробки: кэширование промптов, автоматическое сжатие контекста при приближении к лимитам, extended thinking, и тд и тп. Всё то, что мы с вами три месяца разбирали в постах про harness engineering — теперь это $0.08 за минуту сессии. Глобально это про ускорение разработки достаточно продвинутых AI агентов, я реально впечатлен! Первый тест: в Console за минуту наболтал дружбану описание агента, которого я хочу (""sales lead research agent""), платформа сгенерила YAML-конфиг. Без workflow билдеров, без узлов, без графа — просто текстом, типа AI билдер в n8n. Попросил: ""исследуй Gong.io как потенциального партнёра для onsa.ai"". Результат - в видео в аттаче. Дороговато и медленно, конечно, пока - наши агенты такое делают и быстрее, и дешевле раз в 7-8, но зато time to market бешеный просто. Помрёт ли n8n? Не полностью. Останутся задачи, где нужен детерминированный граф: биллинг, compliance, косты (см мое видео про workflow vs AI agents). Теперь про то, чего в пресс-релизе нет, но что я считаю самым важным стратегически. Переезд на Managed Agents — это vendor lock-in следующего уровня: твой конфиг агента, окружение, обвязки, сессии — всё завязано на платформу Anthropic. Унести это на свою инфру — недешёвая переделка. Сам по себе лок-ин не плох, если продукт стоит того, но понимать и осознанно принимать решение надо заранее. И вторая часть, более тонкая: Anthropic по коммерческим условиям не тренирует модели на вашем контенте. Но они видят агрегированную телеметрию — какие комбинации тулов успешны, где сессии падают, какие harness-паттерны работают, а какие нет. Это не тренинг на данных, это обучение на продуктовых метриках, и в совершенно иных масштабах чем наши разговоры с claude code. Именно это имхо позволит им итерировать harness быстрее всех остальных — потому что у них есть живой фидбек-луп с миллионов сессий, которого нет ни у кого. Имхо, это и есть настоящий стратегический moat. Дружбан не будет знать, что именно вы пишете, но будет знать, какие harness-паттерны работают лучше всего — и улучшать их, абсорбируя в модель и платформу, а вам больше не надо тратить на все это свое время В общем, новый дивный мир продолжается; этот материал точно залетает в ближайший поток ai product engineer и других курсов; сорян n8n"