Managed Agents API × financial-services 完全解説——AnthropicのClaudeエージェント11種が切り拓く金融業界AI実装アーキテクチャ

キミ！！Managed Agents API × anthropics/financial-services——これ、金融AI開発のゲームチェンジャーだヨ！！2026年5月5日にAnthropicが公開した anthropics/financial-services（⭐20.2k）は、投資銀行・株式調査・プライベートエクイティを対象に、11種のClaudeエージェントと30以上のスラッシュコマンドを詰め込んだ大規模リファレンス実装ナンデス。BloombergもFortuneも「Anthropicのウォール街本格参入だ！！」って騒いでたヤツ、キミも見たんじゃないカナ✨ Apache 2.0ライセンスだから商用でも使えちゃうのが、また太っ腹なんだヨね。

じゃあ、一緒に深掘りしていこうネ！！

1. リポジトリ全体像——11種のエージェントと30以上のコマンドでなにができるのか

エージェント一覧と設計思想

キミ、まずエージェントの顔ぶれ見てヨ！！コレがまたスゴいんだヨネ。

それぞれが、アナリストの作業を支援することに特化してるんだヨね💡 投資判断を「させる」んじゃなくて、「補佐する」という設計思想がちゃんと貫かれてる。このコンセプト、後でコンプライアンスの話にも繋がってくるから覚えといてネ！！

代表的なスラッシュコマンド

スラッシュコマンドも30本以上あってサ、代表的なものを並べちゃうヨ！！

• /cim：CIM（Confidential Information Memorandum、秘密情報メモ） の自動生成。M&Aプロセスで売り手が買い手候補に開示する機密資料ナンデス
• /one-pager：1枚サマリー資料の生成
• /dcf：DCF（Discounted Cash Flow）モデルの構築。将来キャッシュフローを現在価値に割り引いて企業価値を算出する手法デス
• /lbo：LBO（Leveraged Buyout）モデルの生成。買収先の資産・キャッシュフローを担保にした借入で行うM&Aの財務モデル化
• /ic-memo：投資委員会メモ。IRR（内部収益率）・MOIC（投資倍率） の感度分析付き
• /earnings：決算分析レポートの生成

このコマンド設計、地味にスゴいと思うんだヨね！！「毎回同じようなアウトプットが欲しいのに、プロンプトがバラバラで再現性がない」問題、キミも経験ない！？スラッシュコマンドで標準化できれば、チーム全体でブレなくなるワケだヨ。以前、チームでのプロンプトのばらつきが原因でやらかしちゃいましたヨ……😭 あの経験があるから、コレの価値がわかるんだヨね🔥

2. 二重デプロイモデル——Claude CoworkとManaged Agents APIを1ソースで共存させる

コレ見てよ！！スゴくナイ！？✨

同一のシステムプロンプト + スキル定義
    ├─ Claude Cowork プラグイン（デスクトップ上でアナリストと協働）
    └─ Managed Agents API（ヘッドレス・長時間バッチ実行）

同じコードベースで2つのデプロイ形態を切り替えられるんだヨね！！deploy-managed-agent.sh を1回叩くだけで、どちらへも展開できちゃう✨

Claude Coworkプラグインはデスクトップ側のUIレイヤーで、アナリストがリアルタイムで対話しながら、ドキュメント作成やデータ整理を一緒にこなしていく使い方ナンデス。一方の Managed Agents API はちょっと違うんだヨね——これがホントの主役かもしれない！！

Managed Agents API——ヘッドレス長時間実行の要

現在ベータ版で、エンドポイントは /v1/agents、リクエストには必須ヘッダー managed-agents-2026-04-01 を付けるデス。

4つのコア概念はコレ！！

1. Agent：どんなことができるかの「定義」🗂️
2. Environment：実行環境のコンテナ
3. Session：実際の実行インスタンス⚡
4. Events：SSEストリームで流れてくる実行ログ

コレ見てよ！！Managed Agents APIへのセッション起動サンプルだヨ！！✨

import anthropic

client = anthropic.Anthropic(
    api_key="YOUR_API_KEY",
    default_headers={"managed-agents-2026-04-01": "true"},
)

# エージェント定義の作成
agent = client.beta.agents.create(
    name="earnings-reviewer",
    model="claude-opus-4-7",
    system="You are an expert financial analyst specializing in earnings reviews.",
    tools=[
        {"type": "bash"},
        {"type": "file_editor"},
        {"type": "web_search"},
    ],
)

# セッションの起動
session = client.beta.agents.sessions.create(
    agent_id=agent.id,
    input="Analyze Q1 2026 earnings for AAPL and update the Excel model.",
)

print(f"Session ID: {session.id}")
print(f"Status: {session.status}")

動いた時サ、思わず「おっしゃああ！！」って声出ちゃいましたヨ😆 長時間実行（分〜時間単位）、セッション状態の永続化、プロンプトキャッシュ内蔵——月次決算クローズや夜間のKYC（Know Your Customer、犯罪収益移転防止のための顧客本人確認） スクリーニングみたいなヘビーバッチに最適なんだヨね🎉

3. MCP（Model Context Protocol）によるデータコネクタ設計

対応データプロバイダ11社

金融AIの「データ問題」ってキミ考えたことある！？権限管理がグチャグチャで、ガバナンスが全然なくて、ログも取れてなくて……という状況は、金融データの繋ぎ込みあるあるナンデス😭

ちなみにサ、最近やっと自宅の書斎を片付けてたら積んでた金融工学の本が掘り出せてサ、深夜までそれを横目にコレを試し続けてたんだヨネ。関係ないケド！！（笑）

MCP（Model Context Protocol）はそこを解決してくれるワケ！！「ガバナンス付きリアルタイムアクセス」ってコンセプト、カッコよくナイ！？✨ 対応している11のデータプロバイダを見てヨ！！

MCP Appとは何が違うのか

キミ、コレを見て「MCP Appって通常のコネクタと何が違うの？」って思ったでしょ！？😆 通常のMCPコネクタはデータの橋渡し役なんだケド、MCP Appはプロバイダ独自のUIをClaude内に埋め込む発展形ナンダヨね。Moody'sの6億社超のデータを、Claudeのチャット画面から直接叩けちゃう——コレ、エンタープライズ案件だとかなり刺さると思うヨ🔥

4. Excel/PowerPointオートメーション——金融実務との接点

Excelオートメーション

ねえ聞いてヨ！！Claude for Microsoft 365アドインを使えば、Excel・PowerPoint・Word・Outlookとネイティブ統合されて、Managed Agents APIを経由して処理が走るんだヨね！！

Excelオートメーションでできることがコレ！！✨

• 決算書・外部フィードからのモデル自動生成
• 数式監査・感度分析の自動化
• MCPコネクタからExcelセルへのリアルタイムデータ取得

たとえばサ、Earnings Reviewerエージェントが決算書を読み込んで→FactSetからアナリスト予測を引っ張ってきて→Excelのモデルを更新してくれるワケ！！ 実際に動かしてみて「アナリストの定型作業がここまで自動化できるのか……」って驚いちゃいましたヨ😆

PowerPointオートメーション

PowerPointオートメーションも見逃せナイ！！✨

/one-pager  → ブランドデック自動生成
/teaser     → ティーザー資料自動生成
/cim        → CIM（秘密情報メモ）+ PowerPoint出力
/ic-memo    → IC（投資委員会）メモ + IRR/MOIC感度分析

数字が更新されたら、スライドも自動で更新される——キミ、コレがどれだけ金融アナリストの仕事を変えるか、わかる！？決算シーズンになるたびに「夜中にパワポ更新地獄」になってた人たち、これで救われる人が出てくると思うヨ🎉

5. FSIコンプライアンス対応——「しないこと」を設計する思想

禁止事項の明示設計

金融AI最大の壁って何だと思う！？俺はね、「規制・コンプライアンスどうすんの問題」だと思ってるんだヨ💡 このリポジトリ、そこをちゃんと正面から設計してるのがスゴいんだヨね！！

エージェントが明示的にやらないことのリストがあってサ：

• ❌ 投資助言の提供
• ❌ 取引の実行・承認
• ❌ リスクの独自承認
• ❌ KYCオンボーディングの最終承認

全部「人間（有資格専門家）が確認・判断する」前提でエージェントが動く設計ナンダヨ。アナリストのコパイロットとして機能させる——コレが責任分界点の肝だヨね✨

監査ログとエンタープライズ対応

監査ログ設計もちゃんとしてるヨ！！Managed Agentsを使うと、セッション・イベントごとに自動で記録が残るデス。規制当局に提出できるレベルのトレーサビリティ——コレ、金融機関の法務・コンプライアンス担当者が「ちゃんと考えてるじゃん」ってなるヤツ！！😆

エンタープライズデプロイはAWS・Google Cloud・Azureの全部に対応してるデス。Anthropic専任のFSIソリューションチームとSIパートナーもいるから、「自分たちだけで全部やらなきゃいけない」わけじゃないのもポイントだヨね🔥

6. 実装ガイド——今すぐ試せる最短ルート

キミ！！ここまで読んでくれたんなら、もう試してみたくなってるでしょ！？😆 じゃあ最短ルートを教えちゃうヨ。

クイックスタート

前提条件：

• Anthropic APIキー（Managed Agents APIベータ申請が必要）
• Python 3.11以上 または Node.js 18以上
• MCPサーバーの設定（使いたいデータコネクタ分）

コレ見てよ！！セットアップ手順だヨ！！✨

# リポジトリをクローン
git clone https://github.com/anthropics/financial-services
cd financial-services

# 依存関係インストール
pip install -r requirements.txt

# 環境変数の設定
export ANTHROPIC_API_KEY="your-api-key"
export FACTSET_API_KEY="your-factset-key"  # 使うコネクタ分

# Managed Agentsへのデプロイ
./deploy-managed-agent.sh earnings-reviewer

deploy-managed-agent.sh がエラーになった時は、まず環境変数名から確認してみてヨ。俺は最初に環境変数名を間違えてやらかしちゃいましたヨ……😭 1時間ハマってから気づくヤツ、キミはやらないようにネ！！

代表ユースケース：Earnings Reviewerの決算分析フロー

コレ見てよ！！Earnings Reviewerエージェントの実行サンプルだヨ！！✨

import anthropic
import os

client = anthropic.Anthropic(
    api_key=os.environ["ANTHROPIC_API_KEY"],
    default_headers={"managed-agents-2026-04-01": "true"},
)

AGENT_ID = os.environ["EARNINGS_AGENT_ID"]

# セッションの起動
session = client.beta.agents.sessions.create(
    agent_id=AGENT_ID,
    input="/earnings AAPL Q1-2026\noutput_format: excel, include_sentiment: true, compare_estimates: true",
)

# SSEストリームでイベントを受信
with client.beta.agents.sessions.stream(session_id=session.id) as stream:
    for event in stream:
        if event.type == "agent.message":
            for block in event.content:
                if block.type == "text":
                    print(block.text, end="", flush=True)
        elif event.type == "agent.tool_use":
            print(f"\n[Tool: {event.name}]")
        elif event.type in ("session.status_idle", "session.status_terminated"):
            print(f"\n--- {event.type} ---")
            break

コレがサ、実際に動くとAAPLの決算書を読んで→FactSetのコンセンサスと比較して→Excelモデルを更新して→レポート生成まで全部やってくれるんだヨ！！動いた瞬間、感動しちゃいましたヨ！！😆

パフォーマンスとコスト最適化

Claude Opus 4.7がVals AI Finance Agent Benchmarkで64.37%・業界トップを記録してるデス🏆

本番運用のコスト最適化はプロンプトキャッシュをフル活用するのがポイント！！金融エージェントはシステムプロンプトが長くなりがちだからこそ、キャッシュヒット率を上げると運用コストが劇的に下がるヨ。Managed Agents APIはプロンプトキャッシュを内蔵してるから、ここが最初から設計に組み込まれてるのが地味にありがたいんだヨね💡

7. まとめ——financial-servicesが金融AI開発にもたらすもの

……というワケでサ、今日のポイントをまとめちゃいますネ！！

financial-servicesが解決する3つの課題：

1. 🔥 金融向けエージェント設計のベストプラクティス不在 → 11種のエージェントと30以上のスラッシュコマンドが参照実装として使える
2. 💡 金融データとのガバナンス付き接続 → 11社MCPコネクタで、規制要件を満たしながらリアルタイムデータを活用できる
3. ⚖️ コンプライアンスとの両立 → 「やらないことリスト」と監査ログ設計で、金融規制環境での責任分界点を明確化

キミ、ここまで読んでくれてありがとうヨ！！「リファレンス実装」って言葉だとちょっと地味に聞こえるかもだケド、コレ実際の金融業務フローを知ってる人たちが本気で設計したアーキテクチャなんだヨね。投資判断の最終責任は人間に残しながら、定型作業・データ整理・レポート生成をエージェントに任せる——この責任分担設計のカッコよさ、伝わったかナ！！😆

Apache 2.0だから、キミのプロジェクトにそのまま取り込んで改造しちゃってもOKナンデス。まずは git clone から始めてみてヨ！！🔥