Anthropic советует заменить субагентов одним агентом со скиллами: вдвое быстрее

3 мин. чтения
Binance · Wall Street 24/7Цена падает? Это тоже шансСделка на рост или на падение — начните с плеча 1×
▲ Long▼ Short
Как это работает

Что произошло

Anthropic опубликовала руководство «Building agents: When to fold subagents into your main agent loop» (материал датирован 22 октября 2026 года; 25 октября о нём написал The Decoder). Главная мысль: компаниям стоит проверить, нельзя ли свернуть нескольких субагентов в один основной агент, который подгружает нужный контекст и инструменты по мере необходимости. Из практики: у одного клиента единый агентный цикл работал примерно вдвое быстрее, чем мультиагентная схема. Это рекомендация для определённых задач, а не отказ от субагентов вообще.

Детали

  • Anthropic пишет, что агент со скиллами «часто» обходил по качеству и вариант «один промпт на всё», и вариант с субагентами. Скиллы здесь — наборы инструкций и инструментов, которые агент загружает только когда они нужны.
  • Минусы мультиагентной схемы по тексту руководства: потеря контекста на каждой передаче между агентами, «разрастание» субагентов, противоречивые правила в системных промптах и раздробленные тесты качества.
  • Скорость: «примерно вдвое быстрее» — результат одного клиента, а не общий бенчмарк; подробностей замера Anthropic не раскрывает.
  • Субагентов стоит оставить в трёх случаях: один цикл заметно деградирует из-за раздутого контекста; задачи нужно выполнять параллельно, каждую в своём «чистом» окне контекста; агент плохо выбирает инструменты или в системном промпте накопились противоречия.
  • Предупреждение о риске: в учебном тесте поддержки слияние одного субагента с другим снизило задержку, но сломало процесс — основной агент начал сам отвечать на вопросы о заказах, не обращаясь к специалисту по доставке. Сбой проявился лишь в одном из двух прогонов, поэтому Anthropic советует гонять каждую тестовую задачу не один раз.
  • Для перехода есть набор на GitHub (anthropics/single-agent-loop-kit): он помогает найти текущие паттерны, оценить альтернативы и проверить результат.

Что это значит

Касается тех, кто строит агентов в Claude Code и собственные пайплайны, особенно если у вас уже разрослась «команда» из пяти-десяти субагентов под каждую мелкую роль. Практический порядок по рекомендации Anthropic: сначала соберите сквозной тест на результат, затем сворачивайте по одному субагенту, превращая его в скилл, и оставляйте его на месте, только если после слияния оценка падает. Выигрыш — меньше передач контекста, ниже задержка и стоимость; цена — риск тихо потерять шаг процесса, как в примере с поддержкой, поэтому проверять нужно именно поведение, а не только скорость. Параллельные задачи с отдельным контекстом, например разбор нескольких независимых файлов, остаются законным местом для субагентов. Горизонт: проверить свою схему можно на этой неделе, это не требует смены модели. Подробнее о самих субагентах и о том, как раздавать им работу, — в нашем разборе субагентов Claude Code, а о скиллах — в материале про Agent Skills в Claude Code.

Контекст

Идею «один универсальный агент и библиотека скиллов» Anthropic продвигает не первый месяц, а мультиагентные схемы многим знакомы по оркестрации агентов Claude Code. Новое здесь — конкретная методика миграции и честный список случаев, где субагенты по-прежнему оправданы.

Binance · Wall Street 24/7Акции, золото, нефть и криптаВесь рынок в одном аккаунте Binance
Как начать
Поделиться
Связаться:
Крипто- и data-аналитик, инженер-программист (факультет компьютерных наук ХНУРЭ). В IT с 2008 года: администрировал корпоративный мониторинг в «Vodafone Украина», семь лет разрабатывал и продвигал веб-проекты, пять лет руководил маркетингом на метриках — конверсия, CTR, ROI, LTV.Криптовалютными рынками занимаюсь с 2021 года: ончейн-метрики, токеномика, макроэкономические индикаторы. Разработал собственную data-driven модель анализа рынка на 30+ метрик. Стек — Python (pandas, NumPy, SciPy, matplotlib), математическая статистика и EDA; сбор и сверку данных автоматизирую AI-агентами.Принцип — «Don't trust, verify»: каждая цифра проверена по первоисточнику, ключевые — минимум по двум независимым; прогнозы — только сценарии с условиями. Тезис без данных не публикуется.