Anthropic Claude agents‌ను enterprise networks‌లోకి మరింత లోతుగా నెడుతోంది, కానీ loop‌పై నియంత్రణను తన చేతిలోనే ఉంచుతోంది

Anthropic పెద్ద సంస్థలు కోరుకుంటున్న దిశలో తన managed-agent platform‌ను విస్తరిస్తోంది: tools ఎక్కడ run కావాలి, internal systems‌ను ఎలా access చేయాలి అన్న దానిపై మరింత నియంత్రణ. కంపెనీ తాజాగా ప్రకటించిన self-hosted sandboxes మరియు MCP tunnels, Claude Managed Agents corporate infrastructure‌కు మరింత దగ్గరగా పనిచేయడానికి రూపొందించబడ్డాయి, అయినప్పటికీ core agent orchestration Anthropic యొక్క own servers‌పైనే కొనసాగుతుంది.

ఈ move enterprise AI deployment‌లోని ఒక ప్రధాన tension‌ను నేరుగా తాకుతుంది. కంపెనీలు hosted agent systems యొక్క సౌలభ్యాన్ని, వేగవంతమైన iteration‌ను కోరుకుంటాయి, కానీ sensitive files, repositories, మరియు internal services‌ను తమ security perimeter వెలుపలికి పంపడంలో చాలాసార్లు సంశయపడతాయి. Anthropic యొక్క update ఆ tension‌ను తొలగించదు, కానీ కొంత తగ్గిస్తుంది.

Tool execution customer వైపుకు కదులుతోంది

Self-hosted sandboxes‌తో, Anthropic ప్రకారం కంపెనీలు agent యొక్క tool calls‌ను Anthropic-managed environments బదులు తమ own infrastructure‌పై run చేయవచ్చు. అందించిన report ప్రకారం, files మరియు repositories customer environment‌లోనే ఉంటాయి, అలాగే existing network rules, audit logging, మరియు security tooling అమలులోనే ఉంటాయి. Customers CPU, memory, runtime image వంటి practical deployment details‌ను కూడా ఎంచుకోవచ్చు.

Enterprises‌కు ఇది ముఖ్యమైనది, ఎందుకంటే agent systems అవి safely invoke చేయగల tools ఎంతవరకు ఉన్నాయో అంతవరకే ఉపయోగకరంగా ఉంటాయి. ఒక coding agent‌కు అవసరమైన repository‌ను చేరుకోలేకపోతే, లేదా ఒక workflow agent work నిజంగా జరిగే systems‌ను touch చేయలేకపోతే, value proposition త్వరగా కూలిపోతుంది. Tool execution‌ను పునర్వ్యవస్థీకరించడం ద్వారా Anthropic, model-driven decisions ఎక్కడ తీసుకుంటారో మరియు concrete actions ఎక్కడ జరుగుతాయో అనే రెండు విషయాలను వేరుచేస్తోంది.

తమ own execution layer‌ను build చేసి maintain చేయాలనుకోని customers‌కు కంపెనీ మరింత సులభమైన దారినీ ఇస్తోంది. report ప్రకారం Cloudflare, Daytona, Modal, మరియు Vercel వంటి managed providers‌ను కూడా ఉపయోగించవచ్చు. దీని ద్వారా strict self-hosting మరియు fully managed operation మధ్య ఒక flexible middle ground‌ను Anthropic లక్ష్యంగా పెట్టుకున్నట్లు తెలుస్తోంది.

MCP tunnels మరింత కష్టమైన సమస్యను లక్ష్యంగా పెట్టుకున్నాయి

రెండవ feature, MCP tunnels, మరో enterprise obstacle‌ను పరిష్కరిస్తుంది: AI agents internal tools‌ను open internet‌కు expose చేయకుండా ఎలా ఉపయోగించనివ్వాలి? Model Context Protocol servers databases, APIs, ticketing systems, మరియు ఇతర internal resources‌కు gateways‌గా పనిచేయగలవు. కానీ అనేక organizations‌కు ఆ endpoints‌ను externally publish చేయడం అంగీకారయోగ్యం కాదు.

Anthropic చెప్పిన సమాధానం private network నుండి ఒక single outbound connection‌ను తెరుస్తున్న lightweight gateway. ఈ connection end-to-end encrypted‌గా వర్ణించబడింది మరియు inbound firewall rules లేదా public endpoints అవసరాన్ని తొలగిస్తుంది. అసలు ఉద్దేశ్యం agents‌ను internal systems‌తో కలపడంలో వచ్చే operational overhead మరియు security anxiety‌ను తగ్గించడం.

ఇది ముఖ్యమైనది, ఎందుకంటే enterprise agent quality increasingly raw model capability కంటే retrieval మరియు tool access‌పై ఆధారపడుతోంది. Public webpage‌ను చదవగలిగే agent ఒకటి; company యొక్క internal issue tracker‌ను query చేసి, private documentation‌ను inspect చేసి, approved workflows‌ను trigger చేయగల agent మరింత ఉపయోగకరమైనది. MCP tunnels ఆ స్థాయి access‌ను practical చేయడానికి ఒక ప్రయత్నం, అదే సమయంలో customers తమ existing security posture‌ను dismantle చేయాల్సిన అవసరం లేకుండా చూస్తుంది.

Anthropic ఏమి ఇవ్వడం లేదు

కొత్త capabilities ఎంత ముఖ్యమో, పరిమితులు కూడా అంతే ముఖ్యమైనవి. report స్పష్టంగా చెబుతోంది: Anthropic పూర్తి agent stack‌ను అప్పగించడం లేదు. Context management, error handling, మరియు actual agent loop Anthropic infrastructure‌పైనే కొనసాగుతున్నాయి. అంటే tool execution బయట జరుగుతున్నా కూడా orchestration layer‌పై control కంపెనీదే.

కొంతమంది customers‌కు ఇది చాలొచ్చు. అనేక organizations ప్రధానంగా sensitive assets మరియు actions‌ను controlled environment‌లోనే ఉంచాలని కోరుకుంటాయి, అదే సమయంలో agent runtime‌ను vendor నిర్వహించనివ్వడానికి సిద్ధంగా ఉంటాయి. కానీ ఇతరులకు, ముఖ్యంగా strict sovereignty, compliance, లేదా data residency అవసరాలు ఉన్నవారికి, ఇది సరిపోదు. Fully on-premise deployment ఇంకా అందుబాటులో లేదు.

ఈ తేడా కేవలం technical trivia కాదు. Claude Managed Agents ప్రస్తుతం ఏ తరహా enterprise product అనే దాన్ని ఇది నిర్ణయిస్తుంది. Anthropic edges వద్ద మరిన్ని infrastructure choices ఇస్తోంది, control‌ను పూర్తిగా బదిలీ చేయడం లేదు. Self-operated model execution లేదా పూర్తిగా internal agent loop కోరుకునే కంపెనీలకు ఇంకా వేరే architecture అవసరం ఉంటుంది.

ప్రారంభ దశ, కానీ స్పష్టమైన సంకేతం

ఈ రెండు features ఇంకా immature స్థితిలోనే ఉన్నాయి. అందించిన report ప్రకారం self-hosted sandboxes public beta‌లో ఉన్నాయి, MCP tunnels మాత్రం research preview‌లో మాత్రమే ఉన్నాయి మరియు access కోసం companies request చేయాలి. ఈ జాగ్రత్త ముఖ్యమైనది, ఎందుకంటే enterprise rollouts‌లో operational edge cases, reliability issues, మరియు security reviews చాలాసార్లు product demos తర్వాతే బయటపడతాయి.

అయినా, దిశ ప్రాధాన్యమైనది. Agent vendors తమ systems నిజమైన corporate constraints‌లో సరిపోతాయని చూపించాల్సిన ఒత్తిడిలో ఉన్నారు, adoption కోసం buyers‌ను ఆ constraints‌ను తగ్గించమని అడగడం కాదు. Anthropic యొక్క update market generic hosted copilots నుంచి, existing governance models‌లో జీవించగల more infrastructure-aware agents వైపు కదులుతోందని సూచిస్తోంది.

ఇది broader industry pattern‌ను కూడా చూపిస్తుంది. AI agents novelty నుండి workflow infrastructure‌గా మారుతున్న కొద్దీ, ప్రశ్న model సిద్ధాంతపరంగా ఏమి చేయగలదో మాత్రమే కాదు. కఠినమైన ప్రశ్న execution ఎక్కడ జరుగుతుంది, ఏ systems‌ను చేరుకోవచ్చు, access ఎలా secured అవుతుంది, మరియు ఏదైనా తప్పు జరిగితే operational control ఎవరిది అన్నదే.

Anthropic యొక్క సమాధానం, కనీసం ఇప్పటికి, absolute కాకుండా incremental. Customers tool execution‌ను ఇంటికి దగ్గరగా ఉంచుకోనివ్వండి. Internal services‌ను encrypted outbound channels ద్వారా చేరుకోనివ్వండి. Orchestration layer‌ను centralized‌గా ఉంచండి. ఇది అందరికీ సరిపోకపోవచ్చు, కానీ enterprise AI adoption అనేది model problem అంతే infrastructure problem కూడా అన్న వాస్తవానికి ఇది pragmatic response.

ఈ వ్యాసం The Decoder నివేదికపై ఆధారపడి ఉంది. మూల వ్యాసాన్ని చదవండి.