Code w/ Claudeのワークショップ用のレポジトリ、Anthropicが何を考えてて今後どうしていきたいかが汲み取れるいいサンプルレポジトリになってる。 知見としてこの3つが大きい気がしてる。 1. Claudeは x“コーディング道具” o“デプロイ可能な自律エージェント” 8本中6本がManaged Agents上で動く。このことから「API 自前の運用」から「マネージドなランタイム」へ開発者を移す、というAnthropic側の誘導です。 2. 「vibeで作るな、測れ」 4本は評価をする軸で作られていて、評価できる仕組みさえ作ってしまえば何でもできるし改善できるよということを伝えてる。 3. 成果物を「機械が検証できる形」にする 上と繋がるが、実際のhtmlなどのアウトプットをrenderして人の目で見て正しさがわかる感じにするのではなく、<li unit="TodoItem" id="t2" done="true" empty="false" len="7">などと状態もわかるようなDOMにしてしまう事で実行時にすら検証できる形にする 以下、具体的なワークショップの中身の説明 (1) 基礎：エージェントの組み立て方 agent-decomposition — 400行の巨大プロンプトで動く在庫エージェントを、skills code execution 呼び出し可能なサブエージェントへと分解する。各ステップをevalで検証しながら進める。 ship-your-first-managed-agent — Streamlitのインシデント・ダッシュボードに、最初は動かないSREエージェントを載せ、agent.pyの小さな関数を7つ実装して「7万行のログをサンドボックス内でgrepし、ローカルツールを呼び、原因コミットを特定する」状態まで持っていく。 agent-battle — 45分でManaged Agent（system prompt / skills / MCP / model）を構成し、MCP経由でゲームBotを操作する競技。--evalで約30秒の高速検証ループを回してから本番5分走に投入する。 (2) 品質・コスト管理：evalとモデル選定 rightmodel — Claude Code SKILLでeval suiteを監査し、モデル × 推論パラメータ（extended thinking, effort）をスイープして「品質単価（quality-per-dollar）」と「品質あたり速度（quality-per-second）」の最適点を探す。 eval-driven-agent-development — PPTX生成エージェントを6段階（naive → visual → typography → palette → density → QAループ）で改良し、2層グレーダー（.pptxのXMLを直接測るプログラム的指標 レンダリング画像へのLLM-as-judge）で全変更を採点する。 (3) 高度な構成：記憶・並列・本番運用 agents-that-remember — セッションをまたぐと健忘症のエージェントに、memory store（永続化）→ Dreaming Service（過去トランスクリプトを整理・統合）を順に足し、45分で「金魚から同僚へ」。 production-ready-agent（Deal Desk） — M&AリサーチのマルチエージェントをチャットUIに載せた本番想定例。コーディネーターが4つの並列サブエージェントに委任し、過去案件の教訓をmemory storeから読み、MCPでLinearに到達し、採点済みの投資仮説を出力。途中のイベントとゲート付きツール呼び出しを全部UIにストリームする。 how-we-claude-code — 唯一「Claude Code本体の開発ワークフロー」寄り。インタビュー→仕様、HTMLで4案の発散デザイン、そしてVite Reactで「機械可読なDOM契約」を吐くコンポーネントを作り、エージェント（やCI）が実行時に検証できるようにする。