Claude Managed Agents 新機能【2026年5月最新】5つのアップデートで何が変わったのか全解説

Claude Managed Agentsがリリースされて、まだ1ヶ月も経っていません。

それなのに、もうアップデートが来ました。しかも1つや2つではなく、一気に5つ。「リリースされたばかりなのに、もう次が来ている」という驚きが正直ありました。

この記事は、Claude Managed Agentsを知っている・使い始めているが、2026年5月のアップデートの全体像が把握しきれていない方に向けて書いています。

Managed Agentsが初めての方・基礎から知りたい方は、まずこちらをご覧ください！！

この記事で分かること：

• 2026年5月に追加された5機能の全体像と提供状況

• 「継続改善軸」と「インフラ展開軸」という2つの方向性での整理

• 各機能を「自前で実装するとどうなるか」という対比で解説

• セルフホストサンドボックス・MCPトンネルが開く「コンプライアンス問題の突破口」

• アップデートのスピード自体が示しているものへの考察

公式ドキュメントの翻訳ではなく、実際に使っている立場から「何がすごいのか」という角度で書いていきます。

01. 2026年5月のアップデート全体像

Claude Managed Agentsのおさらい

AIエージェントを自分で本番稼働させようとすると、インフラの構築・状態管理・エラー処理・セキュリティ設計など、ロジック以外のことに膨大な時間がかかります。

Managed Agentsは、その「ロジック以外の部分」をまるごとAnthropicが引き受けてくれるフルマネージドの実行環境です。サーバー・認証・状態管理・エラー復旧・ツール連携・長時間実行の6要素を、自前で構築しなくて済む。開発者はエージェントに何をさせるかだけ書けばいい状態になります。

要するに「プロダクトに組み込めるAIエージェントのインフラを、最初から用意してくれるサービス」です。そのManaged Agentsに、2026年5月、早速5つの新機能が追加されました。

5機能の一覧と提供状況

5つの機能が出た、と聞くと多く感じます。ただ、整理すると2つの方向性に分かれます。

1つは「継続改善軸」。エージェントが使われ続けるほど賢くなり、出力の品質が上がっていく仕組みを作る機能群です。Dreaming・Outcomes・Multiagent orchestrationがこれに当たります。

もう1つは「インフラ展開軸」。これまで「外部クラウドにデータを出せる企業向け」だったManaged Agentsを、コンプライアンスが厳しい環境でも使えるようにする機能群です。セルフホストサンドボックスとMCPトンネルがここに入ります。

各機能の現在の提供状況は以下のとおりです。

• Dreaming（過去セッションからエージェントが自律学習）：リサーチプレビュー

• Outcomes（品質チェックを別エージェントが担当）：パブリックβ

• Multiagent orchestration（役割分担で複雑なタスクを並列処理）：パブリックβ

• セルフホストサンドボックス（ツール実行を自社インフラに移行可能）：パブリックβ

• MCPトンネル（プライベートネットワークに外部公開なしで接続）：リサーチプレビュー

なおWebhooksも同時にパブリックβとして提供開始されています。エージェントのタスクが完了したときにアラートを受け取れる通知機能で、この2軸を補助する位置づけです。

02. Dreaming——エージェントが自分で学ぶ仕組み

Dreamingとは

これまでのエージェントには、静かな欠陥がありました。

同じ種類のタスクで、昨日もエラーが出た。今日また同じエラーが出た。それを見た人間がプロンプトを修正して、また使う。そして来週、また少し違う形で同じエラーが出る。

エージェントは昨日のことを知りません。毎回ゼロスタートで動くから、失敗を「次に活かす」という概念がない。その問題に、Dreamingは直接答えます。

Dreamingとは、エージェントが稼働していない時間（スケジュール実行）に過去セッションを振り返り、失敗パターンを抽出して、ベストプラクティスを更新し、メモリをキュレーションする自律学習サイクルです。

名前の由来は、人間が「睡眠中に記憶を整理・強化する」という原理と同じです。起きている間にインプットしたことを、眠っている間に脳が整理して定着させる。Dreamingはその仕組みをエージェントに再現しています。

仕組みのフロー：

① セッション分析：過去の稼働記録を読み込み、成功・失敗のパターンを抽出する

② パターン抽出：繰り返しているミス・うまくいった判断を分類する

③ メモリキュレーション：次回の稼働に活かせる形でベストプラクティスを更新する

なぜこれがすごいのか

もし自前で同じ仕組みを作ろうとしたら、どうなるか。

全セッションのログを保存する仕組みが必要です。そのログから失敗パターンを分類・抽出するロジックも必要です。抽出した学習内容を次回のプロンプトやメモリに反映する更新処理も作らなければならない。さらにこれらをスケジュール実行で自動化する仕組みも要ります。エージェントの「本業」とは別に、改善サイクルのシステムをゼロから設計・構築することになります。

DreamingはそのループをManaged Agentsのフレームワーク側で提供します。

使い続けるほど精度が上がるエージェントが初めて実現できる、というのが最も大きな変化です。次のOutcomesと組み合わせることで、品質改善のループが人間の手を離れて自動で回り始めます。

03. Outcomes——品質チェックを自動化する

Outcomesとは

エージェントの出力の「良し悪し」を判断するのが、これまでは人間の仕事でした。「この回答でいいか」「やり直しが必要か」をいちいち確認する。

Outcomesは、その品質チェックを別のエージェントに任せる仕組みです。

まず、成功の基準を「評価基準（ルーブリック）」として定義します。次に、別のエージェントがその評価基準で出力を採点します。基準に届いていなければ自動で再試行し、合格するまで繰り返す。

具体的な流れはこうなります。

① タスクを実行するエージェントが出力を生成する

② 評価エージェントが、設定した評価基準に対して採点する

③ 基準未達の場合、タスクエージェントが再試行する

④ 合格するまでこのサイクルを繰り返す

公式データでは、文書生成タスクで+8.4%・プレゼン生成タスクで+10.1%の品質改善が確認されています。

Harvey・Wisedocsの実績

自前で同じことをやろうとしたら、「品質を評価するプロンプトを別で作り、出力を食わせて採点し、基準に達していなければ再実行する」というロジックを自分で設計する必要があります。評価基準の定義・再試行ロジック・合格判定の仕組みを全部組み合わせて。これ自体がかなりの実装コストです。

法律AIスタートアップのHarveyでは、Outcomesの導入によってタスク完了率が約6倍になりました！
医療記録処理のWisedocsでは、レビュー時間が50%短縮されました。

Harvey（法律）とWisedocs（医療記録）——どちらも「品質の精度が直接ビジネスに影響する」領域です。ミスが許されない、曖昧さが許されない領域で出た数字だからこそ、重みがあります。

自社プロダクトで考えたとき、「この出力の品質を毎回人間が判断している部分」がどこかあれば——そこにOutcomesは刺さります。

04. Multiagent orchestration——役割分担で並列処理する

仕組みの概要

1つのエージェントに全部やらせると、処理が遅くなるし精度にも限界があります。

人間でも同じです。「調査・分析・資料作成・レビュー」を1人でやるより、それぞれの専門家が並列で動いた方が速くて精度が高い。マルチエージェントオーケストレーションはその設計をAIエージェントに持ち込みます。

自前でマルチエージェントの仕組みを作ろうとすると、エージェント間の通信設計・タスクの分解ロジック・共有メモリの管理・実行順序の制御・どれかが失敗したときのエラーハンドリングを、全部自分で組み上げる必要があります。小さなプロジェクトでも、これだけで数週間かかることがあります。

Managed Agentsのマルチエージェントオーケストレーションでは、リードエージェントが指揮者になります。複雑なタスクを分解して、それぞれの専門エージェントへ並列で委譲する。専門エージェントたちは共有ファイルシステム経由でやりとりしながら進める。Claude Consoleでは全エージェントのトレースが可視化されるので、「どのエージェントがどこで何をしているか」を追えます。パブリックβ。

実際の例を出します。Every社が構築したSpiralというプロダクトでは、HaikuがオーケストレーションしてOpusが執筆という役割分担が機能しています。軽量モデルが全体の指揮をとり、高精度モデルが出力を担う——この組み合わせで、速度と品質を両立させています。

Consoleで全エージェントのトレースが可視化できるのも重要です。どのエージェントが何をしたかを追跡できるため、問題が起きたときの原因特定が格段に速くなります。「今何が動いているか」を把握しながら運用できるのは、本番稼働において大きな安心材料になります。

「複雑なタスクを1つのエージェントに押し込むと詰まる」という経験がある人には、この構造が直接答えになります。

05. セルフホストサンドボックス——自社インフラでエージェントを動かす

セルフホストサンドボックスとは

社内の機密データをAIエージェントに処理させたい。でも、データを外部クラウドに送ることに、どうしても踏み切れない。

この不安は正直で、まっとうです。

セルフホストサンドボックスは、その問題に直接答える機能です。

Claudeが「判断・推論する」部分（エージェントループ）はAnthropicのクラウドに残ります。一方、「ツールを実際に実行する」部分（コード実行・ファイル操作・外部API呼び出し）を、自社インフラ上で動かせるようになります。

「判断はClaude、実行は自社」という分離が、セルフホストサンドボックスの核心です。

対応しているプロバイダーは現在4社です。

• Cloudflare

• Daytona

• Modal

• Vercel

自社インフラを使いたい場合は、BYO（Bring Your Own）オプションとして自前のサーバーも選択できます。パブリックβとして提供中です。

ただし制限事項も正直に書いておきます。Claude Platform on AWSでは現在このオプションは非対応です。また、セルフホストセッションではメモリ機能（エージェントの記憶）がサポートされていない制約があります。自社インフラで動かしたい場合は、この点を確認してから設計してください。

料金・プランの詳細はこちら：

なぜこれがターニングポイントなのか

もしこの機能がなかったとしたら——「社内データを使いながらAIエージェントを動かす」ためには、自前でエージェント実行環境をAWS等に構築し、セキュリティ設計・ネットワーク設計・スケーリング設定を全て自分でやる必要がありました。インフラエンジニアが必要で、設計だけで数ヶ月かかるケースもある。

セルフホストサンドボックスの登場で、その壁が一段下がります。

医療・金融・製造・官公庁のような、コンプライアンスが厳しい領域の企業には、これまで事実上の壁がありました。「使いたいが、社内データを外部に出せない」という理由で、Managed Agentsに踏み込めなかった組織が多かったはずです。

実際に使っている立場から率直に言うと、セルフホストサンドボックスの登場は、コンプライアンスの厳しい企業にもAIエージェントが入っていけるようになるターニングポイントだと感じています。エージェントAI市場の裾野が、この機能1つで一気に広がる可能性がある。それぐらいの変化です。

次のMCPトンネルと組み合わせると、その可能性がさらに明確になります。

06. MCPトンネル——社内ネットワークに接続する

MCPトンネルとは

もう一つの壁があります。

社内ネットワーク（プライベートネットワーク）の中にMCPサーバーを置いている場合、外部のClaude Managed AgentsがそのMCPサーバーにアクセスしようとすると、通常はサーバーを外部公開する必要がありました。しかしセキュリティ上、社内サーバーをインターネットに公開することへの抵抗は当然あります。

これを自前で解決しようとすると、VPN設定・ファイアウォールの穴あけ・セキュリティ審査・DMZ設計……会社によっては、情報システム部門を通した申請だけで数ヶ月かかることもあります（笑）。

MCPトンネルは、この問題に答えます。

「外からドアを開けるのではなく、内側から廊下を作って外と繋ぐ」という構造です。軽量なゲートウェイを社内に1つ置き、そのゲートウェイが外部（Claude Managed Agents）との間に単一のアウトバウンド接続を作ります。社内のMCPサーバーはインターネットに公開せず、このトンネル経由でClaudeと通信できる。通信経路は全て暗号化されています（エンドツーエンド暗号化）。

社内DB・社内Slack・イントラネットの情報に、AIエージェントがアクセスできるようになるイメージです。

現在はリサーチプレビューです。利用するにはアクセスリクエストが必要です。

セルフホストとの組み合わせ効果

2つの機能をセットで使ったときに、何が変わるか。

• ツール実行は自社インフラ（セルフホストサンドボックス）

• 社内データへのアクセスは暗号化トンネル（MCPトンネル）

• 判断・推論はClaude

この3層の分離が、外部クラウドに一切データを出さずにAIエージェントを動かす構成を可能にします。

これがこの記事で最も伝えたいことです。

「社内データを使いたいが、外部には出したくない」という問いへの答えが、初めて現実的な形で揃いつつある。これまでManaged Agentsに対して「面白そうだが、うちでは使えない」と感じていた人がいれば——その「使えない」の理由が、この2機能のセットで一つずつ取り除かれていきます。

07. なぜこれだけ早く次々と新機能が入るのか

アップデートスピードが示すもの

2026年5月に5つの機能が一度に動き出しました。パブリックβが3本、リサーチプレビューが2本——これが1ヶ月の間に起きています。

実際に使っている立場から率直に言うと、これだけ短期間にこれだけ多くの機能追加が入ってくること自体、Anthropicが一つこの「フルマネージドのAIサーバー領域」に賭けているという証拠だと思っています。

「追いつけない」と感じる必要はありません。5つを全部完璧に把握しようとするより、自分のプロダクトに合う軸を確認する方が実用的です。

• エージェントの出力を改善したい → 継続改善軸（Dreaming・Outcomes・Multiagent）

• 社内インフラで使いたい・データを外に出せない → インフラ展開軸（セルフホストサンドボックス・MCPトンネル）

どちらが刺さるかだけ判断して、そこから触れ始めれば十分です。

Managed Agentsが革命的なサービスになる予感

現時点でも、Managed Agentsはすでに3つの壁を越えつつあります。

継続改善（Dreaming・Outcomes）
並列分担（Multiagent orchestration）
コンプライアンス対応（セルフホストサンドボックス・MCPトンネル）

この3つが揃い始めている。

今はまだリサーチプレビューのものもあります。制限があるものもあります。完成形ではありません。

でも個人的には、Claude Managed Agentsは革命的なサービスになる予感があります。 このアップデートスピードを見ると、来月また何かが変わっていてもおかしくない。

触れ始めるなら、今が最も良いです！ 前の記事でManaged Agentsの基礎を確認して、この記事で新機能の全体像を把握したなら、次にやることは1つだけです。

試す。それだけです。

何か試してみた機能や、気になったアップデートがあれば、ぜひコメントで教えてください。

最後までご覧いただきありがとうございました。
今後は、Claude Managed Agentsを使ったAIエージェントの具体的な設計手順や、セルフホストサンドボックスの実装事例なども書いていく予定です。
よければ「いいね/フォロー」をもらえると励みになります。