Anthropic otevřelkulisu Claude Code — vidíme vývoj agentních nástrojů zevnitř týmu

Simon Willison zveřejnil záznam a transkript své konverzace s Cat Wu a Tariqem Shihiparem z týmu Claude Code na AI Engineer World’s Fair. Jde o praktický pohled na to, jak Anthropic staví vlastní vývojářské nástroje nad Claude — od Slack integrace Claude Tag přes bezpečnostní model pro agenty až po interní evaluace. Není to product pitch, ale konzistentní popis rozhodnutí za nástroji, které se už používají.

Claude Tag a Claude Code — nástroje pro konkrétní pracovní situace

Claude Tag je Slack integrace, která umožňuje tagovat Claude přímo v konverzaci a dodat mu kontext přes zmínku souboru, pull requestu nebo dokumentu. Nejde o chatbota na helpdesk, ale o asistenta zapojeného do workflow týmu — může číst kód, navrhovat řešení, vysvětlovat technické detaily přímo ve vlákně. Anthropic ho používá interně a nedávno spustil veřejný přístup.

Claude Code je samostatný agent schopný číst repository, navrhovat změny a vytvářet pull requesty. Cat Wu popisuje použití na interní infrastruktuře: Claude Code dokázal analyzovat codebase, identifikovat místa pro refaktoring a doručit funkční PR. Není to autopilot — vývojář schvaluje návrhy a řídí kontext. Ale práce s legacy kódem nebo explorativní úpravy jsou použitelné scénáře už dnes.

Fable — evaluační platforma postavená na reálném použití

Fable je interní framework Anthropicu pro testování nástrojů typu Claude Code. Cat Wu vysvětluje, že statické benchmarky nepostihují reálné workflow — agent musí rozumět codebase, zvládnout neúplné zadání, vyhnout se regresi. Fable proto testuje na skutečných repository a sleduje, jestli agent dokáže splnit úkol bez destruktivního zásahu.

Anthropic používá Fable na vlastní produkt development — výsledky evaluací ovlivňují design promptů, nastavení kontextu a rozhodnutí o tom, kdy nechat agenta pracovat autonomně a kdy vyžadovat schválení. Není to jen metrika pro release notes, ale zpětná vazba pro iteraci nástroje.

Bezpečnost agentů — explicitní omezení místo wishful thinking

Tariq Shihipar popisuje přístup k bezpečnosti: agentní nástroje mají defaultně omezený přístup k souborům, systémovým operacím a síťovým voláním. Uživatel explicitně povoluje, co agent smí — není to sandbox na úrovni kontejneru, ale řízení přes ACL na úrovni tool design.

Prakticky to znamená: Claude Code nemaže soubory mimo definovaný scope, neposílá data na neznámé API, nemodifikuje config bez schválení. Nejde o formální verifikaci, ale o design, který činí destruktivní akce viditelné a reverzibilní. Anthropic interně používá stejný model — důvěra se staví přes transparentnost akcí, ne přes black box „bezpečného“ agenta.

Chybí roadmap a podrobnosti o pricing modelu

Záznam ani transkript neuvádějí, jak Anthropic plánuje škálovat Claude Tag a Claude Code mimo vlastní tým. Claude Tag je dostupný ve veřejné beta verzi, ale není jasné, jestli zůstane samostatný produkt nebo se stane součástí širší platformy. Claude Code vypadá spíš jako prototyp než hotový SaaS produkt — chybí dokumentace pro onboarding mimo Anthropic.

Pricing není zmíněn vůbec. Nevíme, jestli bude Claude Tag účtován per workspace, per message nebo zahrnut do Claude Pro předplatného. U Claude Code není jasné, jestli půjde o addon k API nebo samostatný tier. Pro vývojáře mimo Anthropic je zatím dostupný jen Claude Tag v omezené formě — zbytek je signál směru, ne hotový produkt.

Proč je zajímavé sledovat vývoj zevnitř týmu

Hodnota záznamu není v ohlášení nové funkce, ale v popisu rozhodovacího procesu. Cat Wu a Tariq Shihipar mluví konkrétně o tom, co fungovalo a co ne — např. proč Fable testuje na reálných repository místo syntetických úloh, nebo proč Claude Code vyžaduje explicitní schválení změn i když je technicky schopen pushovat automaticky.

Anthropic používá vlastní nástroje interně — což znamená, že design je testován na skutečném workflow, ne na hypotéze o tom, jak by vývojáři mohli pracovat. To je vidět na konkrétních příkladech: Claude Tag čte pull requesty a navrhuje code review komentáře, Claude Code refaktoruje legacy kód a vysvětluje důvody změn. Nejsou to demo případy, ale rutinní použití.