AI 에이전트가 꿈을 꾼다 — Claude Managed Agents 신기능 3가지 완전 분석

 

 

출처 : https://claude.com/blog/new-in-claude-managed-agents

 

AI 에이전트를 서비스에 붙여봤지만 같은 실수를 반복하거나, 복잡한 작업에서 성능이 들쑥날쑥해 답답하셨던 적 있으신가요? 단순히 "AI한테 시키기"를 넘어, 에이전트가 스스로 개선하고 성공 기준을 검증하며 여러 전문가가 협력하는 구조가 필요합니다.

Anthropic이 2026년 5월 6일 Code with Claude 행사에서 Claude Managed Agents의 3가지 핵심 신기능 — Dreaming(드리밍), Outcomes(결과 정의), Multiagent Orchestration(다중 에이전트 조율) — 을 발표했습니다. 이 기능들은 프로덕션 AI 에이전트를 한 단계 업그레이드할 수 있는 구체적인 방법을 제시합니다.

 

1. Claude Managed Agents란?

Claude Managed Agents는 Anthropic이 제공하는 엔터프라이즈 AI 에이전트 관리 플랫폼입니다. 개발자가 Claude 기반 AI 에이전트를 프로덕션 환경에서 안전하게 배포하고, 모니터링하고, 제어할 수 있도록 Agent(모델·시스템 프롬프트·도구 정의), Environment(실행 컨테이너 설정), Session(실제 실행 인스턴스), Events(스트리밍 이벤트) 네 가지 핵심 개념으로 구성되어 있습니다.

 

기존 Anthropic API로 챗봇이나 단순 자동화를 구현하는 것과 달리, Managed Agents는 bash 실행, 파일 I/O, 웹 검색 등 사전 구축된 도구 세트를 바로 활용하면서 장기 세션을 안정적으로 운영할 수 있습니다. 2026년 공개 베타로 출시되어 현재 메모리, 멀티에이전트 조율, 결과 정의 기능이 포함된 상태입니다.

 

2. 3가지 신기능 상세

이번 업데이트의 핵심은 에이전트가 스스로 나아지고, 성공을 스스로 검증하며, 복잡한 작업을 분산 처리할 수 있게 된 점입니다.

 

Dreaming (드리밍 — 연구 미리보기): 에이전트가 과거 세션과 메모리 저장소를 주기적으로 검토하여 패턴을 추출하고 메모리를 자동으로 개선하는 기능입니다. 단일 세션에서는 보이지 않는 반복 실수, 팀 전체가 수렴한 워크플로우, 공유 선호도 같은 패턴을 발견합니다. 쉽게 말해 에이전트가 밤사이 "꿈을 꾸듯" 과거 경험에서 학습해 다음 날 더 나은 성능을 발휘합니다.

 

Outcomes (결과 정의 — 공개 베타): 성공 기준을 루브릭 형태로 작성하면 에이전트가 그 기준을 향해 작업하고, 별도의 그레이더가 독립적인 컨텍스트 창에서 결과물을 평가합니다. 그레이더가 미흡한 점을 발견하면 에이전트에게 재작업 지시를 내립니다. 실제 성과: 문서 생성 작업에서 docx +8.4%, pptx +10.1% 품질 향상, Harvey(법률 AI) 완료율 약 6배 증가.

 

Multiagent Orchestration (다중 에이전트 조율 — 공개 베타): 단일 에이전트가 처리하기 어려운 복잡한 작업을 리드 에이전트가 세분화하고 각각의 전문 에이전트에게 위임합니다. 전문 에이전트는 각기 다른 모델, 프롬프트, 도구를 갖고 공유 파일시스템에서 병렬로 작업합니다. Netflix가 수백 개 빌드 로그를 병렬 분석하거나, Spiral이 Haiku와 Opus를 조합해 작성 품질을 높이는 방식으로 활용하고 있습니다.

 

기능	상태	핵심 효과	실제 사례
Dreaming	연구 미리보기	세션 간 자동 학습 및 메모리 최적화	반복 실수 제거, 팀 패턴 추출
Outcomes	공개 베타	성공 기준 기반 자동 검증 및 재작업	Harvey 완료율 6배, 문서 품질 +10%
Multiagent Orchestration	공개 베타	복잡 작업 분산 병렬 처리	Netflix 로그 분석, Spiral 작성 품질 향상

 

 

 

3. 설치 및 시작 방법

Claude Managed Agents를 시작하려면 Anthropic Console 계정과 API 키가 필요합니다. 모든 요청에 managed-agents-2026-04-01 베타 헤더가 필요하며, SDK를 사용하면 자동으로 설정됩니다.

 

CLI 설치 (macOS): Anthropic 전용 CLI인 ant를 설치합니다.

brew install anthropics/tap/ant

 

SDK 설치: Python 또는 TypeScript 환경에 맞게 설치합니다.

pip install anthropic (Python) 또는 npm install @anthropic-ai/sdk (TypeScript)

 

API 키 환경 변수 설정:

export ANTHROPIC_API_KEY="your-api-key-here"

 

Step 1 — 에이전트 생성: 모델, 시스템 프롬프트, 사용할 도구를 정의합니다. agent_toolset_20260401 타입을 지정하면 bash, 파일 작업, 웹 검색 등 사전 구축 도구 전체가 활성화됩니다.

agent = client.beta.agents.create(name="My Agent", model="claude-opus-4-7", system="...", tools=[{"type": "agent_toolset_20260401"}])

 

Step 2 — 환경 생성: 에이전트가 실행될 클라우드 컨테이너 환경을 설정합니다.

environment = client.beta.environments.create(name="my-env", config={"type": "cloud", "networking": {"type": "unrestricted"}})

 

Step 3 — 세션 시작 및 메시지 전송: 에이전트 ID와 환경 ID로 세션을 만들고 사용자 메시지를 전송합니다. 응답은 SSE 스트림으로 실시간 수신됩니다. session.status_idle 이벤트가 오면 작업이 완료된 것입니다.

 

Claude Code에서 인터랙티브 가이드: Claude Code의 최신 버전에서 /claude-api managed-agents-onboard 명령을 실행하면 단계별 대화형 셋업 가이드를 바로 시작할 수 있습니다.

 

4. 실전 활용과 시사점

세 기업의 실제 사례는 Claude Managed Agents가 어떤 환경에서 가장 빛을 발하는지 잘 보여줍니다.

 

Harvey (법률 AI): Outcomes 기능 도입 후 법률 문서 작성 자동화 완료율이 약 6배 증가했습니다. 성공 루브릭을 명확히 정의하고 그레이더가 자동 재검토하는 구조가 법률처럼 정밀도가 중요한 도메인에서 특히 효과적이었습니다.

 

Netflix: 수백 개 빌드의 로그를 병렬로 분석하는 작업에 멀티에이전트 조율을 활용했습니다. 리드 에이전트가 조사를 진행하는 동안 서브에이전트들이 배포 히스토리, 에러 로그, 메트릭, 지원 티켓을 동시에 파고드는 구조로 분석 시간을 대폭 단축했습니다.

 

Spiral: 글쓰기 보조 AI에서 Haiku(빠른 초안)와 Opus(품질 검토) 모델을 조합하는 멀티에이전트 파이프라인을 구성했습니다. 비용은 낮추면서 최종 출력 품질은 높이는 실용적인 접근입니다.

 

이 세 사례의 공통점은 단순 자동화를 넘어 '검증 → 재작업 → 자기 개선'의 루프를 AI 레이어에서 구현했다는 점입니다. 특히 Outcomes의 독립 그레이더 방식은 LLM이 자신의 출력을 스스로 평가할 때 발생하는 편향을 구조적으로 차단한다는 점에서 주목할 만합니다.

 

AI 에이전트가 단발성 작업 수행에서 스스로 학습하고 검증하며 협업하는 시스템으로 진화하고 있습니다. Claude Managed Agents의 Dreaming, Outcomes, Multiagent Orchestration은 이 방향의 구체적인 첫걸음입니다. 지금 바로 공식 퀵스타트 가이드를 통해 첫 번째 에이전트를 만들어보시길 권합니다.