Você decidiu lançar um agente de IA em produção no Claude. Agora você se depara com a primeira bifurcação real no caminho: você deixa a Anthropic gerenciar o ciclo do agente e a sandbox para você com o Claude Managed Agents, ou você mantém o ciclo dentro do seu próprio processo com o Claude Agent SDK? As duas opções parecem semelhantes em uma demonstração, mas elas direcionam sua arquitetura, seu modelo de custo e seu plantão em diferentes direções. Este guia explora as vantagens e desvantagens da forma como você realmente as analisaria em um quadro branco, usando um agente de reembolso de pagamentos e um agente de tickets de suporte como exemplos.
TL;DR (Resumo)
Escolha Claude Managed Agents quando você quiser que a Anthropic hospede o ciclo do agente, a sandbox e o estado da sessão para trabalhos de longa duração ou assíncronos e prefira pagar uma taxa de tempo de execução a gerenciar essa infraestrutura. Escolha o Claude Agent SDK quando você precisar do ciclo dentro do seu próprio processo, controle total sobre ferramentas, residência de dados e custo. Ambos se comunicam com MCP e modelos Claude.
Introdução
Em 2026, "construir um agente de IA" deixou de significar "conectar um loop `while` em torno de uma conclusão de chat". A Anthropic agora oferece duas maneiras distintas de executar um agente em produção, e a escolha molda mais do que apenas código. Ela decide onde os dados do cliente residem, quem é acionado às 2h da manhã quando uma chamada de ferramenta falha, e como sua equipe financeira prevê os gastos.
O Claude Agent SDK é uma biblioteca: você a importa para um serviço Python ou TypeScript, e o ciclo do agente, o gerenciamento de contexto e as ferramentas integradas são executados dentro do seu próprio processo e infraestrutura. O Claude Managed Agents é o oposto: uma API REST hospedada onde a Anthropic executa o ciclo e uma sandbox por sessão, e sua aplicação envia eventos e transmite os resultados de volta. Os mesmos modelos subjacentes, mas contratos operacionais muito diferentes.
A maioria dos agentes de produção realiza trabalho real chamando APIs: cobrando um cartão, criando um ticket no Zendesk, consultando um serviço de inventário, acessando um endpoint de preços interno. Isso significa que a confiabilidade do seu agente é principalmente a confiabilidade das APIs e ferramentas que ele chama. Antes de escolher um modelo de hospedagem, você precisa de uma maneira de projetar, simular e testar esses endpoints sob tráfego de agente. É aí que uma plataforma como o Apidog se encaixa: você pode simular as dependências que seu agente acessa, executar testes de contrato contra elas e exercitar um servidor MCP da mesma forma que o agente fará. Voltaremos a isso. Primeiro, vamos entender bem as duas opções, porque escolher a errada é caro para desfazer. Se você quiser um guia mais aprofundado sobre o lado hospedado especificamente, consulte nosso guia do Claude Managed Agents.
O que realmente são os Claude Managed Agents
O Claude Managed Agents é um conjunto de agentes configurável e pré-construído que é executado na infraestrutura gerenciada pela Anthropic. Em vez de escrever seu próprio ciclo de agente, sandbox e camada de execução de ferramentas, você descreve um agente e deixa a Anthropic executá-lo. Ele foi lançado em beta público em abril de 2026 e atualmente requer o cabeçalho beta managed-agents-2026-04-01 em cada requisição, que o SDK configura para você.
O produto é construído em torno de quatro conceitos, e eles se alinham perfeitamente com a forma como você pensaria sobre um executor de tarefas:
- Agente: o modelo, o prompt do sistema, as ferramentas, os servidores MCP e as habilidades. Você o cria uma vez e o referencia por ID em várias sessões.
- Ambiente: um modelo de contêiner configurado com pacotes pré-instalados (Python, Node.js, Go e outros) e regras de acesso à rede.
- Sessão: uma instância de agente em execução dentro de um ambiente, realizando uma tarefa e produzindo saídas. Ela possui um sistema de arquivos persistente e histórico de conversas.
- Eventos: as mensagens fluindo entre seu aplicativo e o agente (turnos do usuário, resultados de ferramentas, atualizações de status), transmitidas por eventos enviados pelo servidor (SSE) e persistidas no servidor.
O fluxo é: criar um agente, configurar um ambiente, iniciar uma sessão, enviar mensagens do usuário como eventos e transmitir as respostas. Você pode direcionar o agente durante a execução enviando mais eventos, ou interrompê-lo para mudar de direção. O histórico de eventos é armazenado no lado da Anthropic e você pode recuperá-lo na íntegra, o que é importante para auditoria e depuração.
O Managed Agents oferece ao Claude um conjunto de ferramentas integradas prontas para uso: Bash, operações de arquivo (ler, escrever, editar, glob, grep), pesquisa e recuperação web, e conexões de servidor MCP para todo o resto. A abordagem da Anthropic é que esta opção é melhor para cargas de trabalho que exigem execução de longa duração (minutos a horas, muitas chamadas de ferramentas), contêineres de nuvem seguros com acesso à rede, infraestrutura mínima do seu lado e sessões com estado que persistem entre as interações. Também está disponível na Claude Platform na AWS com algumas diferenças na disponibilidade de recursos e no comportamento da sessão, o que vale a pena verificar se você está restrito a uma nuvem específica.
Duas coisas a ter em mente. Primeiro, as ferramentas personalizadas funcionam de forma diferente aqui: o Claude decide chamar uma ferramenta, mas seu aplicativo a executa e retorna o resultado através do fluxo de eventos. A execução ainda ocorre no seu ambiente; apenas o ciclo e a sandbox são hospedados. Segundo, certos recursos (resultados e multi-agente) são disponibilizados como uma prévia de pesquisa mediante solicitação de acesso separada, então não assuma que todas as capacidades estão disponíveis no momento em que você as ativa. Para o padrão mais amplo por trás de tudo isso, nossa análise sobre arquitetura de IA com agentes aborda como o ciclo, as ferramentas e a memória se encaixam.
O que realmente é o Claude Agent SDK
O Claude Agent SDK é uma biblioteca que oferece as mesmas ferramentas, o ciclo do agente e o gerenciamento de contexto que impulsionam o Claude Code, programável em Python e TypeScript. Anteriormente, era chamado de Claude Code SDK; a renomeação sinalizou um escopo mais amplo do que as tarefas de codificação. Você faz pip install claude-agent-sdk ou npm install @anthropic-ai/claude-agent-sdk, aponta para uma chave de API, e o ciclo é executado dentro do seu processo.
Um agente mínimo é pequeno. Em Python, você chama query() com um prompt e um objeto de opções listando as ferramentas que o agente pode usar, e então itera as mensagens transmitidas. O Claude lê arquivos, executa comandos e edita código sem que você precise implementar um loop de execução de ferramentas. Essa é a diferença fundamental em relação ao Client SDK simples, onde você escreve o loop while response.stop_reason == "tool_use" por conta própria e executa cada chamada de ferramenta manualmente.
O SDK fornece a mecânica que você construiria de outra forma:
- Ferramentas integradas: Read (Leitura), Write (Escrita), Edit (Edição), Bash, Glob, Grep, WebSearch (Pesquisa na Web), WebFetch (Recuperação da Web), uma ferramenta Monitor para observar scripts em segundo plano e uma ferramenta AskUserQuestion (Fazer Pergunta ao Usuário) para esclarecimentos.
- Hooks: callbacks em pontos do ciclo de vida (
PreToolUse,PostToolUse,Stop,SessionStart,SessionEnd,UserPromptSubmite mais) para que você possa validar, registrar, bloquear ou transformar o comportamento. É assim que você constrói um rastro de auditoria de cada arquivo ou alteração de API. - Subagentes: crie agentes especializados para subtarefas focadas; as mensagens carregam um
parent_tool_use_idpara que você possa rastrear qual subagente fez o quê. - MCP: conecte bancos de dados, navegadores e APIs através do Protocolo de Contexto do Modelo (Model Context Protocol), o mesmo padrão que o Managed Agents usa.
- Permissões: pré-aprove ferramentas seguras, bloqueie as perigosas ou exija aprovação para ações sensíveis. Um agente de análise somente leitura é uma string de opção.
- Sessões: capture um ID de sessão, retome mais tarde com contexto completo ou faça um "fork" para explorar alternativas. O estado é JSONL no seu sistema de arquivos, então você o possui.
Como o loop é executado em seu processo, o SDK também lê a configuração do sistema de arquivos do Claude Code: habilidades em .claude/skills/, comandos de barra, um CLAUDE.md para contexto do projeto e plugins. A autenticação suporta a API direta da Anthropic, além de Amazon Bedrock, Claude Platform na AWS, Google Vertex AI e Azure AI Foundry, para que você possa manter a inferência dentro de um contrato de nuvem existente. Se você deseja um caminho prático, nosso guia sobre configurar o Claude Agent SDK com um plano Claude e o passo a passo sobre construir seu próprio Claude Code ambos começam com um loop funcionando.
Uma mudança de cobrança que você deve planejar: a partir de 15 de junho de 2026, o uso do Agent SDK e claude -p em planos de assinatura será deduzido de um crédito mensal separado do Agent SDK, distinto dos limites de uso interativo. Se sua previsão assumiu que as chamadas do SDK compartilhavam o mesmo pool que o uso interativo do Claude, revise-a. Verifique os termos atuais da Anthropic diretamente em vez de confiar em um número que você leu em uma postagem de blog, incluindo esta.
Frente a frente: Managed Agents vs. Agent SDK
Aqui está a comparação da forma como ela costuma surgir em uma revisão de arquitetura. Considere a linha de custo como uma diretriz; confirme os números reais na página de preços da Anthropic e na documentação do Managed Agents antes de comprometer um orçamento.
| Dimensão | Claude Managed Agents | Claude Agent SDK |
|---|---|---|
| Onde o loop é executado | Infraestrutura gerenciada pela Anthropic | Seu processo, sua infraestrutura |
| Interface | API REST + fluxo de eventos SSE | Biblioteca Python ou TypeScript |
| Controle sobre o loop | Configurado, não codificado; você o direciona via eventos | Completo: hooks, permissões personalizadas, lógica em processo |
| Modelo de custo | Taxas padrão de tokens Claude mais uma taxa de tempo de execução por hora de sessão para o tempo de agente ativo | Taxas padrão de tokens Claude mais o poder de computação onde você o executa |
| Carga operacional | Baixa: sem sandbox, escalonamento ou armazenamento de sessão para operar | Maior: você executa, escala e monitora o serviço e a sandbox |
| Observabilidade | Log de eventos hospedado pela Anthropic, recuperável na íntegra; monitoramento integrado | O que você instrumenta: hooks, seus logs, sua pilha de rastreamento |
| Perfil de latência | Salto de rede para tempo de execução hospedado; ajustado para trabalho assíncrono de longa duração | Loop em processo; você controla a proximidade com seus dados e ferramentas |
| Residência de dados | Sandbox e estado da sessão residem na infraestrutura da Anthropic (opção AWS disponível) | Arquivos, estado e execução de ferramentas permanecem em sua infraestrutura |
| Execução de ferramentas personalizadas | Claude solicita; seu aplicativo executa e retorna via stream | Funções Python ou TypeScript em processo |
| Melhor adequação | Agentes de produção de longa duração, assíncronos e com pouca infraestrutura | Prototipagem local, agentes próximos aos seus sistemas de arquivos e serviços, controle rígido de dados |
Algumas linhas merecem uma frase de nuance.
Custo. As formas diferem, não o preço do modelo. O Managed Agents cobra taxas padrão de tokens mais uma taxa de tempo de execução para o tempo de sessão ativo, então um agente que "pensa" por uma hora custa por essa hora mesmo entre as chamadas de ferramentas. O SDK não tem uma taxa de tempo de execução por hora da Anthropic, mas você paga pelos servidores, autoescalonamento e pelos engenheiros que os mantêm. Mais barato no papel não é mais barato quando você precifica um plantão.
Carga operacional. Esta é a divisão mais clara. O Managed Agents remove a sandbox, o armazenamento de sessão e a lógica de escalonamento da sua responsabilidade. O SDK oferece controle sobre os três, que é exatamente o que você deseja quando um agente deve ser executado dentro de uma VPC ao lado de um banco de dados privado, e exatamente o que você não quer quando uma equipe de duas pessoas precisa apenas de um worker assíncrono.
Residência de dados. Com o SDK, a execução da ferramenta e o estado da sessão nunca saem da sua infraestrutura; apenas a inferência do modelo vai para o Claude. Com o Managed Agents, a sandbox e o log de eventos residem no ambiente da Anthropic (ou AWS, com ressalvas). Para dados regulamentados, esta linha frequentemente decide a questão por si só.
Observabilidade. O Managed Agents oferece um log de eventos hospedado e recuperável gratuitamente. O SDK fornece hooks e espera que você os conecte à sua pilha de rastreamento. Ergonomias diferentes, estado final semelhante se você fizer o trabalho.
Testando e depurando as APIs que seus agentes chamam
Seja qual for o modelo de hospedagem que você escolher, a confiabilidade do seu agente é dominada pelas ferramentas e APIs que ele chama. Um agente de reembolso que raciocina perfeitamente, mas chama um endpoint de pagamentos instável, é um agente de reembolso instável. Portanto, trate as dependências como alvos de teste de primeira classe, não como algo secundário.
Três camadas valem a pena testar antes do lançamento.
Os contratos da API. Toda ferramenta que seu agente chama é uma API com um esquema. Simule esses endpoints e faça asserções sobre as formas das requisições e respostas para que uma mudança de backend não quebre silenciosamente o agente em produção. Com o Apidog, você pode configurar um mock para o serviço de pagamentos ou de tickets, definir o esquema exato que o agente espera e executar testes de contrato em um cronograma. Quando o serviço real se desvia, o teste de contrato falha antes que o reembolso de um cliente falhe. Para uma abordagem estruturada disso, nosso guia sobre como testar agentes de IA que chamam APIs aborda os modos de falha importantes.
Os servidores MCP. Ambas as opções roteiam ferramentas externas através do MCP. Um servidor MCP é, por si só, um serviço com ferramentas, entradas e saídas, e é um local comum para os agentes falharem: uma ferramenta retorna uma carga ligeiramente diferente, um tempo limite não é tratado, um caminho de erro retorna prosa em vez de dados estruturados. Teste o servidor MCP diretamente, da forma como o agente o acessará, antes de conectá-lo a um agente ativo. Nosso passo a passo sobre teste de servidor MCP com Apidog aborda como enumerar as ferramentas que um servidor expõe e exercitar cada uma delas. O Apidog também inclui um agente de IA e um depurador A2A para que você possa observar o tráfego de requisição e resposta que um agente gera, em vez de apenas adivinhar.
O comportamento de requisição do próprio agente. Agentes chamam APIs em padrões que os humanos não usam: rajadas de novas tentativas, leituras parciais, o mesmo endpoint acessado dez vezes em um loop enquanto o modelo raciocina. Reproduza esse tráfego contra seus mocks e observe o que o agente realmente envia. É aqui que um depurador que captura o tráfego de agente e A2A em tempo real prova seu valor; você encontra a tempestade de novas tentativas "off-by-one" no ambiente de staging em vez de na ponte de incidente.
O objetivo não é o uso de ferramentas por si só. É que a decisão de hospedagem e a estratégia de teste estão ligadas. O Managed Agents oculta o loop, então sua visibilidade sobre as falhas vem através do seu log de eventos e de seus próprios testes em nível de API. O SDK expõe o loop, então você o instrumenta com hooks, mas ainda precisa dos mesmos testes em nível de API por baixo. De qualquer forma, baixe o Apidog e coloque as dependências do agente em teste antes que o agente chegue perto de um cliente real.
Um framework de decisão
Ignore a agonia de comparar recurso por recurso e responda a estas perguntas em ordem. O primeiro "sim" forte o direcionará para uma opção.
Escolha Claude Managed Agents se:
- Seu agente executa por muito tempo ou de forma assíncrona (minutos a horas, muitas chamadas de ferramentas) e você não quer operar um executor de tarefas, sandbox e armazenamento de sessão.
- Você é uma equipe pequena e a mão de obra de operações é a restrição principal, não o controle.
- Você quer um log de eventos hospedado e recuperável sem construir a observabilidade do zero.
- Seus dados e postura de conformidade permitem que a sandbox e o estado da sessão residam no ambiente da Anthropic (ou AWS).
- Você está confortável em estar em beta com alguns recursos restritos a uma solicitação de prévia de pesquisa.
Escolha o Claude Agent SDK se:
- O agente deve ser executado dentro da sua VPC, ao lado de um banco de dados privado ou serviço interno, sem que terceiros detenham o estado da sessão.
- Você precisa de controle granular do loop: permissões personalizadas, hooks para auditoria e política, lógica de ferramentas em processo.
- A residência de dados ou restrições regulatórias impedem uma sandbox hospedada.
- Você deseja que a inferência seja cobrada através de um contrato Bedrock, Vertex ou Azure existente, mantendo o loop internamente.
- Você está prototipando localmente e quer que o agente funcione diretamente em seu sistema de arquivos hoje.
Um caminho comum: prototipe com o Agent SDK localmente porque o loop está ali e o ciclo de iteração é rápido, então migre para o Managed Agents para produção se as economias operacionais superarem a perda de controle. Essa migração é um trabalho real, não uma mudança de configuração, então faça a escolha deliberadamente em vez de usar o padrão. Se você também estiver ponderando modelos ou agentes de codificação junto com isso, nossa comparação Claude vs Codex para 2026 é uma leitura complementar útil.
Casos de uso no mundo real
Um agente de reembolso de pagamentos
Uma equipe de suporte de fintech deseja um agente que processe solicitações de reembolso de ponta a ponta: ler o ticket, consultar a transação, verificar a política de reembolso, chamar a API de pagamentos para emitir o reembolso e escrever um resumo de volta ao ticket. Este agente lida com dinheiro, então cada chamada de API precisa de um contrato testado e um rastro de auditoria claro.
O SDK é a opção natural aqui. O agente deve ser executado dentro da VPC ao lado do serviço de pagamentos, o estado da sessão não deve sair da infraestrutura da empresa, e os hooks PreToolUse podem impor uma regra rígida de que qualquer reembolso acima de um determinado limite exige aprovação humana. Antes do lançamento, a equipe simula os endpoints de pagamentos e contabilidade no Apidog, escreve testes de contrato para as chamadas de reembolso e consulta, e reproduz uma semana de tickets históricos contra os mocks para ver exatamente o que o agente envia. O bug de "tempestade de retries" que eles encontram (o agente reemitindo uma chamada de reembolso após um erro 504 que na verdade foi bem-sucedido) é a razão pela qual essa camada de teste existe.
Um agente de triagem de tickets de suporte assíncrono
Uma empresa de SaaS recebe milhares de tickets de suporte por dia e quer um agente para triá-los: classificar, puxar logs relacionados, rascunhar uma resposta e resolver ou escalar. Os tickets chegam a qualquer hora, cada um leva alguns minutos de chamadas de ferramentas, e os dados envolvidos são de baixa sensibilidade.
O Managed Agents se encaixa bem neste cenário. O trabalho é de longa duração e assíncrono, a equipe é pequena e não quer operar uma frota de workers com autoescalonamento, e o log de eventos hospedado lhes dá um rastro por ticket gratuitamente. Eles ainda testam as dependências: a API de logging e o servidor MCP do sistema de tickets são simulados e testados por contrato no Apidog para que uma mudança de esquema no serviço de log não degrade silenciosamente a qualidade da triagem. A hospedagem é gerenciada; a correção da API ainda é responsabilidade deles.
Um agente interno de operações de dados atrás do firewall
Uma equipe de plataforma deseja um agente que responda a solicitações internas como "preencher dados ETL que falharam ontem" consultando uma API interna de trabalho, executando um script de remediação e relatando o status. As APIs internas não estão na internet pública e os dados são sensíveis.
O SDK vence por padrão. O agente deve ser executado onde possa alcançar serviços privados, e nada sobre o estado da sessão pode residir em uma sandbox de terceiros. A equipe conecta serviços internos como servidores MCP, testa cada ferramenta MCP isoladamente primeiro e usa hooks do SDK para registrar cada comando que o agente executa em seu pipeline de auditoria existente. Este é o caso em que a propriedade "executa em seu processo" do SDK não é uma preferência; é um requisito. Para obter informações sobre por que os agentes estão se tornando consumidores primários de API, consulte nosso artigo sobre agentes de IA como os novos consumidores de API.
Conclusão
A decisão entre Managed Agents e Agent SDK é uma decisão operacional e de governança de dados vestida com um disfarce de design de API. Aqui está o que levar consigo:
- Managed Agents hospeda o loop e a sandbox; o SDK os executa em seu processo. Esse fato isolado impulsiona a maioria das trocas.
- Custo é uma forma, não um número: Managed Agents adiciona uma taxa de tempo de execução por hora de sessão; o SDK transfere esse custo para a infraestrutura e o plantão que você opera.
- A residência de dados frequentemente decide: dados regulamentados ou vinculados à VPC apontam para o SDK; trabalho assíncrono de baixa sensibilidade aponta para Managed Agents.
- A mão de obra de operações é o outro fator decisivo: equipes pequenas se beneficiam mais de um tempo de execução gerenciado e de um log de eventos hospedado.
- Teste as dependências independentemente da hospedagem: o agente é tão confiável quanto as APIs e os servidores MCP que ele chama.
- Prototipar no SDK, colocar em produção no Managed Agents é um caminho razoável, mas trate a migração como um projeto.
- Verifique os preços e o status beta na fonte antes de se comprometer; ambos estão evoluindo em 2026.
Próximo passo: antes de conectar um agente a qualquer coisa que toque um cliente, coloque suas dependências de API e MCP sob teste. Baixe o Apidog para simular esses endpoints, executar testes de contrato e depurar o tráfego de requisições real do agente, para que o modelo de hospedagem que você escolher seja construído sobre dependências que você já provou.
FAQ
Qual é a principal diferença entre o Claude Managed Agents e o Claude Agent SDK?
O Managed Agents é uma API REST hospedada onde a Anthropic executa o loop do agente e uma sandbox por sessão; você envia eventos e transmite os resultados de volta. O Agent SDK é uma biblioteca Python ou TypeScript que executa o mesmo loop dentro do seu próprio processo e infraestrutura. Os mesmos modelos Claude, mas diferentes responsabilidades operacionais.
O Claude Agent SDK é o mesmo que o antigo Claude Code SDK?
Sim. O Claude Code SDK foi renomeado para Claude Agent SDK para refletir um escopo mais amplo do que as tarefas de codificação. O ciclo do agente, as ferramentas integradas e o gerenciamento de contexto que ele expõe são a mesma mecânica que impulsiona o Claude Code, agora empacotado como uma biblioteca de agentes de propósito geral.
Qual opção é mais barata?
Depende do formato da carga de trabalho. O Managed Agents cobra as taxas padrão de tokens do Claude mais uma taxa de tempo de execução por hora de sessão para o tempo ativo do agente, então agentes que "pensam" por muito tempo acumulam custos de tempo de execução. O SDK não tem uma taxa de tempo de execução por hora da Anthropic, mas você paga e opera a computação. Confirme as taxas atuais na página de preços da Anthropic; não orce com base em um número de um post de blog.
Posso usar servidores MCP com ambos?
Sim. Ambos roteiam ferramentas externas através do Protocolo de Contexto do Modelo (MCP). É por isso também que testar seus servidores MCP é importante antes de conectá-los a qualquer uma das opções; nosso guia de teste de servidor MCP com Apidog mostra como exercitar cada ferramenta que um servidor expõe da maneira que um agente o acessaria.
Como eu mantenho os dados do cliente fora da infraestrutura da Anthropic?
Use o Agent SDK e execute o loop dentro do seu próprio ambiente. Com o SDK, a execução da ferramenta e o estado da sessão permanecem em sua infraestrutura e apenas a inferência do modelo vai para o Claude. Com o Managed Agents, a sandbox e o log de eventos residem no ambiente da Anthropic (existe uma opção AWS com ressalvas), o que pode não satisfazer regras rígidas de residência.
O Claude Managed Agents está pronto para produção?
Ele foi lançado em beta público em abril de 2026 e requer o cabeçalho beta managed-agents-2026-04-01 em cada requisição. A funcionalidade principal da sessão está geralmente disponível para contas de API, enquanto alguns recursos, como resultados e multi-agentes, são restritos a uma solicitação de prévia de pesquisa separada. Trate-o como beta e verifique a documentação para o status atual.
Como eu testo um agente antes que ele acesse APIs reais?
Simule todas as APIs e servidores MCP que o agente chama, escreva testes de contrato para os esquemas de requisição e resposta, e reproduza tráfego realista contra os mocks para ver o que o agente realmente envia. O Apidog cobre os três, incluindo um agente de IA e um depurador A2A para inspecionar o tráfego de agente ao vivo. Nosso guia como testar agentes de IA que chamam APIs detalha os modos de falha.
Posso começar com um e mudar para o outro mais tarde?
Você pode, e um caminho comum é prototipar no Agent SDK localmente e depois migrar para o Managed Agents para produção. No entanto, não é uma simples mudança de configuração: as interfaces diferem (biblioteca versus REST mais eventos), a execução de ferramentas personalizadas funciona de forma diferente, e o estado da sessão muda do seu sistema de arquivos para um log hospedado. Planeje-o como um projeto de migração.