Anthropic рекомендує об'єднувати субагентів в один штучний інтелект

Що сталося

Компанія Anthropic оприлюднила рекомендацію для компаній переглянути використання багатьох спеціалізованих субагентів і замінити їх єдиним агентом, який завантажує контекст на вимогу. Досвід розробників показує, що розгалужені мережі субагентів часто призводять до зростання затримки, вищих витрат та втрати інформації під час кожного передавання завдань.

Нові моделі штучного інтелекту, починаючи з Opus 4.5, а також Opus 5.5 і Fable 5.1, здатні самостійно опрацьовувати складні плани в одному циклі без додаткових проміжних шарів оркестрації. Згідно з даними компанії, під час одного з порівнянь архітектура на основі єдиного агента виконувала завдання приблизно вдвічі швидше, ніж багатагентна система.

Втручання багатьох команд зазвичай призводить до появи надто ускладнених структур на кшталт системних промптів із правилами, що суперечать одне одному. Для оптимізації Anthropic вдалося скоротити системний промпт для Claude Code для нових моделей більш ніж на 80 відсотків завдяки тому, що інструменти й навички тепер завантажуються лише за потреби.

Кого це стосується

Ці рекомендації стосуються розробників програмного забезпечення, інженерів з штучного інтелекту та технологічних компаній, які впроваджують складні агентські системи у свої робочі процеси.

Зокрема, це важливо для команд, які зіткнулися з проблемою зростання витрат, високою затримкою або погіршенням якості через розгортання десятків чи сотень взаємопов'язаних субмоделей та агентів у клієнтських чи внутрішніх рішеннях.

Що робити

Щоб оптимізувати свої поточні розробки на базі штучного інтелекту, командам слід виконати такі кроки:

• Оцінити доцільність об'єднання чинних субагентів у єдиний головний агент із завантаженням контексту на вимогу.
• Скористатися офіційним міграційним набором, який Anthropic опублікувала на GitHub, щоб крок за кроком проаналізувати наявні шаблони та перевірити альтернативні підходи.
• Упаковувати робочі процеси у навички замість створення окремого агента для кожного підрозділу, а також тримати бібліотеки навичок під контролем, оскільки вибір інструментів моделлю погіршується, якщо визначень стає більше ніж 30–50.
• Використовувати бази знань для довідкових матеріалів на кшталт інструкцій чи визначень метрик, до яких агент звертається через пошуковий інструмент лише за потреби.
• Уникати сліпого об'єднання систем, оскільки тестування показують, що просте скорочення іноді може порушити раніше стабільні робочі процеси.

Чого поки не відомо

У відкритих матеріалах джерела не наводяться точні строки повного завершення розгортання оновлень для всіх категорій користувачів, а також відсутні дані про комерційні ціни чи специфічні технічні вимоги до стороннього обладнання для використання опублікованого міграційного набору на GitHub.