在大模型技术从“对话”向“行动”演进的关键节点，基础设施的争夺战已然打响。当巨头们试图构建闭环的商业生态时，开源社区往往能以惊人的速度提供另一种可能性。这种“官方发布”与“开源平替”几乎同步出现的现象，正在成为 AI Agent 领域的新常态。
近日，全球顶尖的人工智能实验室宣布推出面向企业级的智能体托管服务，试图降低 Agent 落地的门槛。然而，几乎在同一时间，一个名为 Multica 的开源项目迅速在社区内走红，以其相似的功能定位和完全开放的姿态，引发了开发者群体的广泛关注。
开源平替 GitHub 迅速揽获 2.6k Star
刚刚，相关团队推出“企业版”服务，发布Claude Managed Agents，结果被开源项目“开团秒跟”！
先说 Claude Managed Agents，这是一套支持模块化组合的 API 套件，专门用来帮企业/团队规模化构建和部署云端托管的智能体。
它将性能优化的 Agent 运行框架与生产级基础设施深度整合。
用户只要用自然语言描述清楚需求，或者直接上传 YAML 配置文件，就能定义好想要运行的智能体，再设定好对应的约束规则，剩下的运行、和基础设施相关的繁琐工作，都被平台打包处理。
有意思的是，Claude Managed Agents 刚刚发布，就被开源抢去了风头。
同款但开源项目Multica，目前在 GitHub 已迅速揽获 2.6k Star：
连 logo 都贴脸开大（doge）：
网友的反应也是笑不活：
有人甚至提出要捐钱为爱发电，但被丑拒：
官方列举的 Claude Managed Agents 核心功能如下：
- 生产级智能体运行能力：沙箱隔离、身份验证、工具调用执行这些关键环节，全都帮你配置妥当。
- 长时自主运行：智能体单次可自主运行数小时，就算中途断开连接，运行进度和生成结果也能完整保留。
- 多智能体协同编排：支持智能体自主创建并调度其它智能体，实现复杂任务的并行处理。
- 可靠的治理体系：允许智能体接入真实业务系统，内置权限范围划定、身份管理和执行追踪功能，安全合规有保障。
在此之前，该机构业务重心一直是给用户提供模型，除了代码辅助和协作工具，并没有再开放自家的基础设施，供用户运行这些自主搭建的智能体。
现在，官方显然想要两手抓。
要知道，将智能体真正落地到生产环节，必须攻克沙箱化代码执行、检查点机制、凭证管理、权限范围划定及端到端追踪等一系列技术难关。过往企业单是搭建满足要求的基础设施，往往就要耗费数月时间。
Claude Managed Agents 直接帮用户搞定这些复杂环节。
用户只需定义智能体的任务目标、可用工具集与运行约束规则，后续的运行调度全由这套平台基础设施承接。其内置的编排框架，会自动决策工具调用时机、上下文管理策略，以及故障发生后的恢复方案。
作为专为该模型量身打造的托管服务，支持用户设定好目标和成功标准，模型自主评估、反复迭代，直到达成目标。
如果需要更精细的控制，它也支持传统的“提示词 – 响应”交互模式。
在结构化文件生成的内部测试中，任务成功率比标准提示词交互模式最高提升 10%，尤其在高难度任务上的优势更为明显。
会话追踪、集成分析和故障排查指引功能，都直接内置在控制台中，用户可以查看每一次工具调用、每一步决策过程，以及出现问题的具体原因。
不过有一点要说明，部分功能目前还处于受限的研究预览阶段，比如高级记忆工具、多智能体协同编排，还有智能体自主评估迭代。
团队表示，借助该服务，有不少团队已经在多种生产用例中实现了 10 倍的交付提速。
例如能够阅读代码库、规划修复方案并提交拉取请求的编码 Agent；能够加入项目、领取任务、与团队其他成员协同完成工作的生产力 Agent；以及能够处理文档、提取关键信息的金融与法务 Agent……
Notion 团队就分享了其应用实践：
让团队可以直接在自家协作平台内，把工作任务委派给模型（该功能目前已在自定义智能体模块中开启内测）。工程师用它高效交付代码，知识工作者则借助它快速制作网站与演示文稿。数十项任务可并行推进，团队成员还能围绕智能体生成的结果开展协同作业。
对于企业最关心的定价问题，计费分为两个维度：Token 用量和会话运行时长。
第一部分 Token 费用，按平台标准 Token 计价规则收取。如果会话内触发网络搜索，每千次搜索 10 美元。
智能体活跃运行时长单独计费，每会话小时 0.08 美元。智能体处于等待用户输入或工具响应的闲置时段，不计费。
目前，该服务已经在平台正式开放使用。
开发者还可以借助最新版代码工具，以及内置的 API Skill，来开发托管智能体相关应用。只需输入指令”start onboarding for managed agents in Claude API”，就能开启。
再看开源 Multica 的核心功能：
- Agent 即协作队友：Agent 可自主承接任务、编写代码、上报阻塞问题，并实时同步任务状态。
- 全流程自主执行：配置完成后即可免运维运行，支持任务排队、认领、执行、完结/失败的全生命周期管理，通过 WebSocket 实时推送进度。
- Skill 沉淀与复用：每一套解决方案都会转化为全团队共享的可复用 Skill。部署实施、数据库迁移、代码审查…… Skill 持续沉淀.
- 统一算力运行时：一个控制台即可管控所有算力资源，兼容本地 daemon 与云端运行时，自动识别可用命令行工具（CLI），并支持实时监控。
- 多工作区隔离管理：按团队组织工作，工作区级别隔离。每个工作区有独立的 Agent、Issue 和设置。
下面是视频演示：
Multica 核心推动者Jiayuan (JY) Zhang，之前还创办了面向开发者的 AI 垂直搜索引擎 Devv.ai。
实际上，Multica 发布时间比官方托管服务还要早一些。
Jiayuan (JY) Zhang 表示，团队最初打造它是为了解决自己团队中“团队间知识无法共享、多人+ 多 Agent 协作缺乏中枢”的问题。
用法上，GitHub 仓库也有详细的使用教程：
从产业视角来看，此次“官方托管”与“开源平替”的几乎同步亮相，折射出 Agent 基础设施层正在成为新的竞争高地。对于大型企业而言，官方提供的托管服务在合规性、安全性以及生态集成上具有天然优势，尤其是针对金融、法务等敏感场景，闭环的商业服务更能满足审计与追踪需求。
然而，开源项目的快速崛起也表明，开发者社区对于灵活性、成本控制以及数据主权有着强烈的诉求。Multica 这类项目的出现，不仅降低了中小企业尝试 Agent 工作流的门槛，更通过社区协作加速了最佳实践的形成。未来，我们或许会看到更多“官方定标准，开源做生态”的互补格局，共同推动智能体技术从实验走向规模化生产。
