Anthropic предлагает оценить архитектуру с одним агентом

Anthropic рекомендует компаниям проверить, можно ли сократить число специализированных субагентов. По словам компании, основной агент, который подгружает нужный контекст по мере работы, во многих случаях даёт результат лучше, чем система из нескольких агентов, — по качеству, затратам и времени ожидания. В одном сравнении такая схема работала примерно вдвое быстрее многоагентной.

Команда Applied AI Anthropic пришла к этому выводу на основе нескольких корпоративных внедрений. В одном примере у клиентского агента было двенадцать специализированных субагентов: компании было сложнее поддерживать единый стиль общения, а высокая задержка ухудшала удобство использования. В описании опыта с агентами для торговли Anthropic отмечает, что один агент с навыками часто превосходил и многоагентную схему, и единый большой промпт.

Модели берут на себя часть координации

По объяснению Anthropic, современные модели, начиная с Opus 4.5, а также Opus 5.5 и Fable 5.1, могут выполнять сложные планы в одном цикле. Поэтому часть привычной схемы — распознавание намерения, фиксированные этапы обработки, ветки рекомендаций и отдельный оркестратор — модель может взять на себя для конкретной задачи.

Anthropic называет разрастание таких систем «законом Конвея» для агентов: команды создают собственных субагентов, и постепенно накапливаются перекрывающиеся решения без общих стандартов. Затем в системном промпте появляются многочисленные правила, которые могут противоречить друг другу. По оценке компании, для многих задач достаточно ясного системного промпта, четырёх-пяти небольших инструментов работы с данными и фиксированных ограничений на формат ответа.

В качестве примера Anthropic приводит сокращение системного промпта Claude Code для новых моделей более чем на 80%. Среди причин компания называет навыки и инструменты, которые загружаются только по необходимости, а также способность моделей сообщать о ходе работы и проверять собственный результат. В материале о работе с контекстом компания описывает этот подход подробнее.

Когда субагенты всё ещё полезны

Anthropic не предлагает отказываться от субагентов во всех случаях. Они могут быть оправданы, если измерения показывают, что качество одного агента падает из-за ограничений контекстного окна; если несколько задач нужно выполнять параллельно в отдельных контекстах; или если основной агент плохо выбирает инструменты.

Для проверки архитектуры компания опубликовала на GitHub набор для миграции: он помогает выявить существующие шаблоны, оценить альтернативы и проверить выбранный вариант. Anthropic предостерегает от автоматического объединения агентов: в одном тесте с агентом поддержки переход сократил задержку, но нарушил работавший процесс — основной агент стал отвечать сам, вместо того чтобы обращаться к нужному специалисту.

Навыки и инструменты предлагают поддерживать в порядке

Вместо отдельного агента для каждой команды Anthropic рекомендует оформлять рабочие процессы как навыки и подгружать инструменты по запросу через поиск инструментов. Системный промпт и общее качество, по мнению компании, должна контролировать небольшая центральная команда, а библиотеки навыков — ответственные специалисты в командах.

Anthropic отмечает, что выбор инструментов моделью склонен ухудшаться, когда в описании указано больше 30–50 инструментов. Справочные материалы — например, правила и спецификации — компания советует хранить в базах знаний или файлах навыков и извлекать только по мере необходимости.

Подробнее о том, чем ИИ-агент отличается от чат-бота, читайте в отдельном разборе «AI Кометы».