ruflo 云上 Agent 运行时实战指南：用 managed-agent 技能驱动 Anthropic Claude Managed Agents

ruflo 云上 Agent 运行时实战指南用 managed-agent 技能驱动 Anthropic Claude Managed Agents【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo导读ruflo-agent插件提供了一个心智模型、两套运行时的 Agent 执行体系本地 WASM 沙箱wasm_agent_*负责快速、免费、离线的可信度较低任务云端 Managed 运行时managed_agent_*则把 Agent 搬进 Anthropic 托管的真实容器用于分钟到小时级的异步长任务、预装包与联网环境、跨轮次持久化的文件系统与对话记录。本文以 plugins/ruflo-agent/skills/managed-agent/SKILL.md 为主体骨架结合 managed-agent-tools.ts 源码与 ADR-115完整讲解六个 MCP 工具的参数、调用流程、成本与清理纪律让你能安全、可控地编排一个真实的云端 Agent 会话。一个心智模型两套运行时ruflo-agent对 Agent 的抽象不因后端而改变无论本地还是云端你面对的都是创建 → 提问 → 检查 → 列出 → 终止这套生命周期。区别只在运行时本身运行时工具适用场景WASM本地rvagentwasm_agent_*/wasm_gallery_*快速、免费、临时性、离线在沙箱中运行不受信任的代码ManagedAnthropic 云端本文技能managed_agent_*长时间 / 异步工作分钟到小时级真实云容器 预装包 网络跨轮次持久化文件系统与完整记录本技能驱动的正是Managed运行时 —— Anthropic 的 Claude Managed Agentsbeta。其概念模型为Agent模型 系统提示 工具 MCP servers skills→Environment容器模板→Session运行中的实例→Events轮次 / 工具调用 / 状态服务端持久化。设计依据可参见 plugins/ruflo-agent/docs/adrs/0001-wasm-contract.md 与项目 ADR-115。从源码角度看这一映射是 1:1 的managed_agent_create对应agents.create environments.create sessions.createmanaged_agent_prompt对应events.send(user.message) 轮询 eventsmanaged_agent_terminate对应DELETE /v1/sessions/{id}整体生命周期与wasm_agent_*完全镜像见 managed-agent-tools.ts 的注释。前置条件密钥与优雅降级使用 Managed 运行时需要环境变量中存在ANTHROPIC_API_KEY或CLAUDE_API_KEY且该账号已开通 Claude Managed Agents beta 访问权限无密钥时所有managed_agent_*工具都会返回结构化的 usewasm_agent_createfor a local no-key runtime 错误此时应回退到 WASM 技能。这不是设计缺陷而是刻意的容错源码中apiKey()依次读取ANTHROPIC_API_KEY/CLAUDE_API_KEY取不到就返回NEEDS_KEY结构化错误managed-agent-tools.ts保证 CLI/MCP 服务器离线时依然存活。该行为有专门的 no-network 测试守护managed-agent-tools.test.ts 在清空两个环境变量后逐一断言六个工具不抛异常、不发起网络请求、错误信息同时包含ANTHROPIC_API_KEY与wasm_agent_create。这背后是 ADR-115 的约束——runtime: wasm始终是默认的安全底座云端运行时是可选增强。六个 MCP 工具完整参数与调用流程1. Create —— 创建云端 Agent调用mcp__plugin_ruflo-core_ruflo__managed_agent_create参数{ model: claude-haiku-4-5-20251001, system: Terse. Do exactly what is asked., name: scratch, networking: unrestricted, packages: {}, initScript: , mcpServers: [], skills: [] }一次调用完成三件事源码中按顺序执行三步 REST 请求任一失败都会返回带stage标记的局部结果便于定位见 managed-agent-tools.ts创建 AgentPOST /v1/agents自动挂载agent_toolset_20260401内置工具集bash、文件读写、glob/grep、web search/fetch创建 EnvironmentPOST /v1/environments容器模板创建 SessionPOST /v1/sessions把两者绑定成一个运行实例。返回{ sessionId, agentId, environmentId, status }——务必保存这三个 ID后续所有操作都依赖它们。关键参数详解model模型 ID默认claude-sonnet-4-6见源码DEFAULT_MODEL常量。项目建议其选择可路由到 ADR-026 的三级模型路由体系mcpServers[{type:url, url, name, authorization_token?}]给云端 Agent 挂 MCP 工具源。关键约束云端容器必须能实际访问该 URL——本地ruflo mcp start走 stdio/本机Anthropic 云端无法触达若想让云端 Agent 拿到 ruflo 的 314 个 MCP 工具必须先部署或隧道暴露一个 HTTP 版 ruflo MCP 服务器ADR-115 称之为高价值组合之一当前标记为未完成的 follow-uppackages容器预装包{pip?:[], npm?:[], apt?:[], cargo?:[], gem?:[], go?:[]}对应 Environment 的config.packages源码会包成{type:packages, ...}结构networkingunrestricted/restricted/none默认unrestrictedinitScript容器启动时执行的 bash 初始化脚本对应 Environment 的config.init_scriptskills附加到 Agent 的 Markdown 技能文件——Managed Agents 直接接受 ruflo 的技能格式这让云端 Agent 与本地 Agent 可以携带同一套技能与成功标准。2. Prompt —— 发送任务并等待空闲调用mcp__plugin_ruflo-core_ruflo__managed_agent_prompt{ sessionId: sesn_…, message: echo hello /tmp/x cat /tmp/x — then stop., maxWaitMs: 60000 }它发送一个用户轮次POST /v1/sessions/{id}/events事件类型user.message然后轮询事件日志直到会话进入空闲态源码waitForIdle每 1.5s 拉取一次事件检测session.status_idle / status_error / status_failed终止事件见 managed-agent-tools.ts。默认等待180 秒上限600 秒DEFAULT_MAX_WAIT_MS 180_000轮询内部再夹紧到 600_000ms。返回结构{ finished: true, status: idle, stopReason: end_turn, assistantText: Done., toolUses: [{ name: bash, input: { command: echo hello /tmp/x cat /tmp/x } }], eventCount: 13 }超时未结束时finished: false工具会在返回中提示Session still running after …ms此时有两种续法调大maxWaitMs重试或改用managed_agent_events继续观察。注意源码提示SSE 流只有在你先挂上再发送事件时才可靠快速任务结束后再 attach 会拿不到数据因此GET /events轮询才是可靠的记录来源。3. Inspect —— 状态与完整记录两个互补的检查工具mcp__plugin_ruflo-core_ruflo__managed_agent_status{ sessionId }→ 返回生命周期状态idle/running/error以及title、environmentId、最近错误GET /v1/sessions/{id}mcp__plugin_ruflo-core_ruflo__managed_agent_events{ sessionId, raw? }→ 拉取服务端持久化的完整事件日志用户轮次、agent thinking、agent.tool_use、agent.tool_result、状态事件并额外给出摘要assistantText/toolUses/stopReason/eventCount。raw: true时返回原始事件对象否则返回精简列表每条消息文本与工具结果截断至 500 字符。它是云端版的wasm_agent_files——工作发生在 Anthropic 的容器里而非你本地磁盘events就是它的工件视图。摘要的生成逻辑可精确到源码summarizeEvents按事件类型聚合agent.message文本、收集agent.tool_use、并用session.status_running/idle/error/failed推导状态与stop_reasonmanaged-agent-tools.ts。4. List —— 列出组织内全部会话mcp__plugin_ruflo-core_ruflo__managed_agent_list{ limit? }→ 列出该 Anthropic org 下的所有 Managed Agent 会话GET /v1/sessions?limit…默认 50 条、上限 200 条返回sessionId / status / title / environmentId。它的用途非常明确审计哪些会话仍在running仍在计费作为清理动作的前置侦察。5. Terminate —— 终止并清理mcp__plugin_ruflo-core_ruflo__managed_agent_terminate{ sessionId, environmentId? }→DELETE /v1/sessions/{id}必做传入environmentId时额外DELETE /v1/environments/{id}推荐删除 ruflo 创建的容器模板。返回{ sessionDeleted, environmentDeleted }。这是最重要的纪律任务结束后务必调用。云端会话在删除前会持续按容器时间 token 计费孤儿会话等同于泄漏资源。标准清理流程是managed_agent_list发现 stale 会话 →managed_agent_terminate挨个清掉。ADR-115 还规划了doctor/GC 巡检来兜底孤儿会话。成本与安全计费模型按会话计费LM tokens 容器时间并按 org 限流ADR-115 记录 create 300/min、read 600/min 及层级消费上限。长任务前先估算成本完成的会话应记录到cost-tracking命名空间与 ruflo-cost-tracker 的 LM 调用记录方式一致。孤儿会话 泄漏资源managed_agent_listmanaged_agent_terminate双连招清理一切 stale 会话。Beta 风险API 处于 betaanthropic-beta: managed-agents-2026-04-01源码将 beta header 集中为BETA_HEADER常量managed-agent-tools.ts便于随 API 演进统一升级multiagent/define-outcomes属于 research preview需 feature-flag 对待。安全边界Managed 运行时运行在 Anthropic 云端容器中与你的机器隔离其输出回流到宿主 LLM 时仍需按 ruflo-aidefence 3-gate 模式 做提示注入防御。快速示例端到端managed_agent_create { model: claude-haiku-4-5-20251001, system: Terse. Do exactly what is asked., name: scratch } → { sessionId: sesn_…, agentId: agent_…, environmentId: env_…, status: idle } managed_agent_prompt { sessionId: sesn_…, message: echo hello /tmp/x cat /tmp/x — then stop., maxWaitMs: 60000 } → { finished: true, status: idle, stopReason: end_turn, assistantText: Done., toolUses: [{ name: bash, input: { command: echo hello /tmp/x cat /tmp/x } }] } managed_agent_terminate { sessionId: sesn_…, environmentId: env_… } → { sessionDeleted: true, environmentDeleted: true }ADR-115 记录了真实环境验证结果使用 Haiku 模型跑一个琐碎 bash 任务容器从创建、执行 Agent 循环、调用工具到自动空闲全程约 7 秒事件日志共 13 条包含session.status_running → user.message → agent.thinking → agent.tool_use(bash) → agent.tool_result → agent.message(Done.) → session.status_idle (stop_reason: end_turn)的完整轨迹。这也印证了managed_agent_prompt返回eventCount: 13的由来。日常使用/managed-agent命令除技能外插件还提供/managed-agent命令commands/managed-agent.md做会话运营先用managed_agent_list列出全部云端会话并标记仍running 仍在计费的对指定会话用statusevents查看状态与完整记录要跑新任务则createprompt完整流程见本技能最后terminate清理过期会话。无密钥时命令会提示回退到本地/wasm运行时。验证与测试云端工具的行为由三层机制守护结构契约smoke.sh 共 12 项检查其中第 12 项专门守护本技能——要求managed-agent技能与命令存在、六个managed_agent_*工具全部被引用、技能声明了显式allowed-tools禁止通配符、且必须保留wasm_agent_create回退提示。本地运行bash plugins/ruflo-agent/scripts/smoke.sh期望输出12 passed, 0 failed行为守卫managed-agent-tools.test.ts 是无网络测试验证六个工具注册齐全、description 均满足 ADR-112长度 ≥ 80 且必须提及wasm_agent_*/native 回退、无密钥时全部优雅降级CI 联动插件 smoke 接入.github/workflows/ruflo-agent-smoke.yml并纳入audit-cli-mcp-tools/audit-tool-descriptions审计311 个注册工具 / 0 悬挂 / 0 无指引。更进一步三种运行时图谱ADR-115 还展望了第三个运行时——Claude Agent SDKanthropic-ai/claude-agent-sdk即 ADR-116与现有两者共同构成完整谱系WASM本地沙箱无主机文件系统/网络默认安全底座→SDK规划中运行在你的进程与文件系统上完整宿主信任可作为claude -p的进程内版本→ManagedAnthropic 云容器云端隔离长任务与托管基础设施。其中 给 Agent 挂 ruflo 的 314 个工具 在 SDK 运行时下会变得极其简单——直接传mcpServers: { ruflo: { command: npx, args: [ruflo, mcp, start] } }走本地 stdio无需任何部署。对当前版本而言记住一句话即可短期任务用 WASM长任务上 Managed跑完必 terminate。【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考