Claude Managed Agents 发布 vs OpenClaw 被封：12 天组合拳看懂 Harness 层战争

4 月 4 日，Anthropic 封禁了 Claude Code 订阅用户调用 OpenClaw 的权限。社区炸锅，HN 讨论帖 item 47633396 两天内涨到一千多 point。4 月 16 日——整整 12 天之后——Anthropic 推出 Managed Agents 公测，自己做的官方 Agent Harness，带沙箱、带 built-in tools、API 上新加了 beta header managed-agents-2026-04-01。同一天 Opus 4.7 也发了，编程、长任务、高分辨率视觉三条线全部升级。第二天 4 月 17 日，Claude Design 发布，Opus 4.7 驱动的设计产品。

这不是巧合。

这是 Anthropic 12 天打完的一套组合拳：一手封禁社区方案、一手推出官方 Harness。 如果你只盯着模型在看谁强谁弱，你错过了 2026 年 AI 工程真正重要的那场战争——Harness 层才是下一个商业化战场。Agent 时代，模型不是护城河。运行容器才是。这篇文章我要做的，就是把这 12 天拆开来看清楚：时间线、动机、对 OpenClaw 用户的实际影响、以及对整个开发者生态的长期信号。

时间线：12 天里到底发生了什么

我把 4 月 4 日到 4 月 17 日的关键节点整理成了一张图。先看全貌，再逐天拆解。

timeline
    title Anthropic Harness 层商业化 12 天时间线（2026-04）
    section 封禁阶段
        4/4 封禁 OpenClaw : Claude Code 订阅不再允许调用 : HN item 47633396 两天热榜
        4/6 社区发酵 : Reddit、X 抗议 : AMD AI director 公开质疑 Claude Code
        4/10 Anthropic 沉默 : 无官方解释 : 社区开始找替代方案
    section 推出阶段
        4/14-15 预告泄露 : 开发者社区传有大事 : 早期 beta 名单内测
        4/16 Managed Agents 公测 : 官方 Harness 正式发布 : beta header managed-agents-2026-04-01
        4/16 Opus 4.7 发布 : 编程 / 长任务 / 视觉 : 配合 Managed Agents 同日发
        4/17 Claude Design : Opus 4.7 驱动的设计工具 : 完整 Agent 产品闭环

4/4 的封禁动作本身没有官方声明——Anthropic 是从 Claude Code 订阅的调用策略层面静默阻断 OpenClaw，用户发现工具突然不工作了才把事情闹上 HN。官方客服的回复模糊到接近"政策调整"，没解释具体理由。这个处理方式和 4/16 发布 Managed Agents 的宣传力度形成了刺眼的对比——一件事低调到让人怀疑是不是不敢承认，另一件事高调到 Anthropic 所有社交账号齐上阵。

4/16 的产品组合也值得细看。Managed Agents 是这套组合里真正重要的那块——它不是一个新模型、不是一个新 IDE，是一个运行容器。Anthropic 给你一个沙箱，里面预装了 file system、shell、web browsing 等 built-in tools，你只需要把你的 agent 定义（system prompt、tools、memory 策略）通过 API 提交过去，剩下的执行、隔离、超时、日志、容错全部由 Anthropic 托管。你不再需要自己维护 Docker、不需要自己搭隔离、不需要自己做 step orchestration——这些原本是 OpenClaw、Claude Agent SDK、LangGraph 这些框架在做的事。

Opus 4.7 同日发并不是单纯的升级节奏。它是 Managed Agents 的配套——长任务能力升级让 Agent 可以在沙箱里跑更久不中断，高分辨率视觉让浏览器自动化更稳，这两点都是 Managed Agents 这个运行容器的使用场景。把模型升级和运行容器发布绑在同一天，Anthropic 在告诉市场：模型和 Harness 是绑定的产品，不是两个独立的东西。

为什么 OpenClaw 必须死

要理解 Anthropic 为什么不能让 OpenClaw 继续跑，得先搞清楚 Harness 这一层到底是什么。

Harness 层是什么

如果你已经读过我之前的 Harness Engineering 60 天 和 Harness 六层倒着建，这段你可以快速跳过。对新读者用一句话解释：模型负责推理，Harness 负责让推理真的跑起来——上下文管理、工具调用、步骤编排、错误恢复、跨轮次记忆、可观测性，这六层加起来就是 Harness。一个没有 Harness 的模型只能完成 30 秒内的 one-shot 任务；一个设计良好的 Harness 能让同一个模型完成 2 小时的复杂编程任务。

Anthropic 内部有 Claude Code 这个 Harness，但 Claude Code 是面向开发者的 CLI 工具、不是面向企业部署的运行时。真正企业级、多租户、带 SLA 的 Harness 产品，他们以前没有。这个位置之前是 OpenClaw 在占着。

OpenClaw 到底做了什么让 Anthropic 忌惮

过去 6 个月，OpenClaw 做了三件让 Anthropic 难受的事：

第一，吃了企业侧的价值捕获。OpenClaw 的商业版 clawdhub 直接卖 agent runtime，企业客户付费给 OpenClaw、而不是付 Anthropic 的 API 费用——虽然底层调的还是 Anthropic API，但定价权和客户关系都在 OpenClaw 手里。企业选型一个 agent 平台，用户记住的是"我们用的是 OpenClaw"，不是"我们用的是 Claude"。

第二，建立了插件生态。到 4 月初 clawdhub 上已经有 1200+ 个 Skill，包括 tavily-search、find-skills、proactive-agent 这些高频组件。我在 OpenClaw 自动化别踩坑 里写过这些组件怎么配、OpenClaw 多 Agent 配置指南 里讲了企业级部署的细节。一旦这个生态规模继续长大，OpenClaw 就是 Agent 时代的 VS Code——宿主层不可替代。Anthropic 如果不出手，明年看到的就是 Claude 被降级为"OpenClaw 可选的模型 provider 之一"。

第三，开始降低 vendor lock-in。OpenClaw 去年底开始支持 Anthropic + OpenAI + DeepSeek 多模型切换，同一个 Skill 可以在不同模型 provider 之间路由。这是最刺痛 Anthropic 的——如果用户可以一键把 Claude 换成 GPT-5，Anthropic 的定价权就没了。

Anthropic 必须在 OpenClaw 的插件生态突破临界点之前动手。4/4 的封禁不是报复、是抢在对方上规模之前夺回控制权。

为什么偏偏是 4 月 4 日

这个时间点也不是随机的。公开信息显示 Managed Agents 的 beta 名单大约在 3 月底开始内测，4/16 是预定的公测日期。4/4 封禁 = 给自己留 12 天时间让社区情绪冷却 + 让内测 beta 用户跑完一轮数据。等 Managed Agents 发布时，OpenClaw 用户已经在社区骂了 12 天、对替代方案的需求达到顶峰——Managed Agents 以"官方解决方案"的姿态出场，吃到的需求是预先培育好的。

这套打法在商业史上见过太多次：微软对 Netscape、苹果对 Flash、AWS 对 ElasticSearch、现在是 Anthropic 对 OpenClaw。手法的一致性说明这不是个别公司的坏脾气，这是平台型公司的结构性行为——当某个第三方开始在你的生态里抢关键位置时，你只有两个选择：收购或者扼杀。Anthropic 选了后者。

Managed Agents 是什么：能力边界与定价

看了动机，现在看产品本身。我把 Managed Agents 公测的技术细节按三个维度拆开：能力、计费、限制。

能力：一个带锁的沙箱

Managed Agents 给你一个运行容器，里面是一个 Claude 驱动的 agent，预装以下 built-in tools：

• File system：读写沙箱内文件，有配额限制（公测期默认 1GB）
• Shell：执行 shell 命令，网络受限到白名单域名
• Web browsing：受控浏览器访问（基于 Playwright），不能访问内网
• Code execution：Python / Node 执行环境
• Memory store：跨轮次的 key-value 持久化

你的 agent 定义通过 API 提交：

from anthropic import Anthropic
client = Anthropic()
agent = client.managed_agents.create(
    model="claude-opus-4-7",
    system="You are a senior code reviewer.",
    tools=["file_system", "shell", "web_browsing"],
    custom_tools=[my_slack_notify],
    extra_headers={"anthropic-beta": "managed-agents-2026-04-01"}
)
run = client.managed_agents.runs.create(
    agent_id=agent.id,
    input="Review PR #123 and post findings to Slack"
)

注意这个 API 的形态——你不再有 “messages.create” 这种同步 loop，你交一个 run task、Anthropic 异步执行、通过 webhook 或轮询拿结果。这是托管 runtime 和 stateless API 的根本区别，对应用架构的影响不小。

计费：runtime 成本是新增项

定价结构三层：

1. Token 费用：和普通 API 一样，按 Opus 4.7 当前定价
2. Runtime 费用：按沙箱的 CPU 秒 + 内存 GB-分钟计费，公测期有优惠但 GA 后估计是 token 费用的 20-40%
3. Built-in tools 费用：web browsing 按页面数、code execution 按 CPU 秒单独计

粗算一次复杂 code review 任务：5 分钟执行时间 + 20K token 输出 + 10 次网页访问，Opus 4.7 公测价估计 0.8-1.2 美元一次。OpenClaw 自托管同样任务只付 token 费用（大约 0.3-0.5 美元）加上你自己的服务器成本——表面上 Managed Agents 贵两倍，实际上你要把运维工时折进来才是真实对比。

限制：公测期的现实约束

公测期有几个硬限制必须知道：

• 单 run 最长 4 小时（GA 后会放宽）
• 并发 run 数默认 10 个（企业客户可以申请提高）
• 沙箱不能持久化状态（跨 run 的持久化只能用 memory store）
• 内网访问完全禁止（企业私有 API 要通过 custom tool 桥接）
• 无 custom Docker image（只能用 Anthropic 预置的 runtime）

最后一条最关键——你不能自定义运行环境。你的 agent 需要一个特殊的 Python 包？对不起，装不上。你需要一个定制的浏览器指纹？做不到。Managed Agents 给的是一个"通用沙箱"，用于通用任务很好，用于特化场景就是天花板。

对 OpenClaw 老用户的影响：三种迁移路径

如果你现在手里有一个跑在 OpenClaw 上的项目，4/4 之后你的选择其实是三条路。

路径一：留在 OpenClaw，切到 API key。Claude Code 订阅不能调了，但直接用 Anthropic API key 还是可以的——把配置里的 auth 方式从 OAuth 换成 API key，功能完全不受影响，只是账单从订阅走改成 API 按量走。这是零成本过渡方案，适合短期观望。

路径二：迁到 Managed Agents。如果你是做产品、要对客户收费、要过 SOC2 审计，Managed Agents 的运维省心值得迁移成本。迁移主要三块工作：多 Agent 编排逻辑要重写成 Anthropic 原生调用、Skills 要拆成 built-in + custom tools 组合、CLAUDE.md 风格的规则要翻译成 system prompt + context files。一个中等复杂度项目估计 5-10 人天。迁移优先级：有合规要求 > 有多租户 > 只是个人用 > 纯内部工具。

路径三：迁到 Claude Agent SDK 或其他开源 harness。如果你既不想被 Anthropic 绑住、又不想继续依赖 OpenClaw，可以看 Claude Agent SDK 入门。Agent SDK 是 Anthropic 出的官方 SDK 但是偏底层——你自己搭 harness、SDK 只提供 Claude 特有的能力封装，控制力最强但工作量最大。LangGraph、CrewAI 也是候选，不过都没有 OpenClaw 的插件生态那么丰富。

我的具体建议：做决策前先问自己一个问题——你的项目对"agent runtime 属于谁"这件事敏感吗？ 如果客户在意、合规在意、商业模式依赖这件事——去 Managed Agents 或自研。如果不敏感——留在 OpenClaw 用 API key 最省事。不要因为社区情绪跟风迁移。

Harness 层的商业化博弈：同期发生的事

单看 Anthropic 的 12 天可能以为是偶然，但把视角拉开，4 月同期所有主流厂商都在抢 Harness 层：

这些产品有一个共同点：它们都是 Harness 层，不是模型层。没人在这个月发新模型——Opus 4.7 只是 Claude 家的小升级，GPT-5、Gemini 3 都没动静。但每家都在围绕"如何让模型跑成一个持续的 agent"这件事做产品。

我在 wshobson/agents 深度挖掘 里写过 33.9K Star 的插件市场，本质上也是 Harness 层的生态争夺——只不过是从"插件目录"这个切片切进去。OpenClaw vs AI Agents 对比的是不同 harness 的能力边界。OpenClaw 多 Agent 指南 讲的是怎么用社区 harness 搭多 agent 系统。这些文章的共同底色都是：开发者现在做的每一个 harness 选型，都是在押注谁活得过下一个 18 个月。

为什么是 Harness 层？因为模型本身开始同质化了。Opus 4.7、GPT-5、Gemini 3 在编程基准上的差距已经不到 5 分，用户感知上基本打平。差异化的唯一出路是"用模型怎么干活"——也就是 Harness。谁能让开发者在自己的 Harness 里留下来、建出生态、产生切换成本，谁就赢了下一轮。Anthropic 封 OpenClaw 的深层逻辑就是这个——不让其他人在 Claude 之上建生态。

我的判断：三层 Harness 选型框架

看完 12 天时间线和同期动作，我给一个可操作的选型框架。我把所有 Harness 方案分成三档，按"控制力 vs 运维成本"两个维度排列：

flowchart TB
    Start["你要做的是什么？"] --> Q1{"是要卖给客户的产品
还是内部工具？"}
    Q1 -->|产品/SaaS| Q2{"有合规/多租户需求？"}
    Q1 -->|内部工具| OSS["首选开源 Harness
OpenClaw / Agent SDK"]

    Q2 -->|有| Managed["首选 Managed Agents
运维省心、合规友好"]
    Q2 -->|暂时没有| Q3{"agent runtime
是你的核心差异吗？"}

    Q3 -->|不是| Managed
    Q3 -->|是核心卖点| DIY["考虑自研
仅限 agent PaaS 公司"]

    style Managed fill:#059669,color:#fff
    style OSS fill:#1e40af,color:#fff
    style DIY fill:#dc2626,color:#fff

第一档：官方 Managed Agents。适用于大多数要对外卖产品的团队。优点：合规、省运维、和 Claude 模型升级同步。缺点：vendor lock-in、runtime 成本、自定义能力弱。推荐给：SaaS 产品、企业 AI 应用、面向外部客户的服务。

第二档：开源 Harness（Claude Agent SDK、OpenClaw、LangGraph）。适用于内部工具、研究项目、预算敏感场景。优点：控制力强、可多模型切换、成本低。缺点：运维成本、合规工作量、依赖社区活跃度。推荐给：内部自动化、研发工具、个人项目。但要心里清楚——Anthropic 这次封 OpenClaw 已经证明开源 harness 的长期可持续性不由你说了算，任何一个开源 harness 都可能在某一天被平台方切断访问。选型时就要想好"它被封了我怎么办"。

第三档：自研 Harness。只有三种团队该走这条路——做 agent PaaS 的基础设施公司、有极端定制需求的大厂、研究机构。对 90% 的团队，自研是错的。你自研一年追不上 Anthropic 一个季度的更新，花在 context management、retry logic、observability 这些基础功上的时间完全没回报。如果你不是上面三种团队，不要做这个决定。

一个可以今天就用的决策清单：

• 对外卖产品 + 要合规 → Managed Agents
• 对外卖产品 + 不在意 lock-in → Managed Agents（省运维）
• 对外卖产品 + 要多模型切换 → LangGraph 或 Claude Agent SDK
• 内部工具 + 团队熟 Claude → Claude Agent SDK
• 内部工具 + 要插件生态 → OpenClaw（API key 方案）
• 核心业务是 agent PaaS → 自研
• 其他所有场景 → 不要自研

接下来 18 个月会发生什么

最后给一个预测——如果你信我上面的分析，那么未来 18 个月这几件事大概率会发生：

第一，OpenClaw 会转型或被收购。被 Anthropic 封了订阅入口之后，OpenClaw 的增长曲线已经被拦腰斩。它要么转向多模型（完全脱钩 Anthropic）、要么被 Anthropic 或 Microsoft 低价收购、要么逐渐凋零。我押的是"转多模型 + 被微软收购"，因为微软正好缺一个对抗 Managed Agents 的牌。

第二，Managed Agents 会开放 custom runtime。公测期不能自定义 Docker image 是硬伤，企业客户的第一需求就是把自己的私有包带进沙箱。Anthropic 6-9 个月内会开这个口子，但会绑定到企业版定价。

第三，同类产品会标准化。OpenAI、Google、Anthropic 的 Managed Agents 类产品会在 API 形态上趋同——都是异步 run、built-in tools、sandbox。一旦标准化，多供应商抽象层会回来——类似 LiteLLM 对模型层做的事，harness 层也会有对应的中间件。这是机会点。

第四，企业会为 Harness 付更多钱。现在企业 AI 预算里 95% 在 token 费用上，18 个月后这个比例会降到 70%，剩下 30% 流向 Harness 运行时、合规、可观测性等配套。所有做这些配套的公司会吃到 2026 年下半年到 2027 年的红利。

4/4 封 OpenClaw 不是一次普通的策略调整，是 Anthropic 向整个行业发了一个信号：Harness 层的窗口期正在关闭，要么占位、要么站队。12 天后的 Managed Agents 发布是给行业看的第一个官方答案。接下来轮到每个开发者回答自己的问题：我的项目，押在谁的 Harness 上？

延伸阅读

• Harness Engineering：60 天后我发现，模型是最不重要的部分
• 60 行 CLAUDE.md 铁律：Harness 上下文层的工程规范
• Harness 六层倒着建：80% 稳定性来自第 5、6 层
• Sub-Agent 架构：AI 编程 harness 的多 agent 组织
• Claude Agent SDK 入门：官方 SDK 的能力边界
• OpenClaw 自动化别踩坑：装 3 个 Skill 不等于真的好用
• OpenClaw 多 Agent 配置完整指南
• OpenClaw vs AI Agents：开源 harness 能力边界对比
• wshobson/agents 深度挖掘：79 个插件的护城河在哪

外部链接：

• HN 讨论帖：Anthropic no longer allowing Claude Code subscriptions to use OpenClaw
• Anthropic Managed Agents 官方文档
• Anthropic API Beta Headers 参考