Как говорит Арина Михална, Anthropic официально изменила рекомендацию по архитектуре агентов — теперь вместо роя субагентов советуют один агент на всю задачу. Модели стали достаточно сильными, чтобы держать сложность в одной сессии, а координация между агентами больше не окупается.
Что изменилось в рекомендациях Anthropic
Раньше Anthropic советовали строить сложные задачи через координатора и субагентов — один агент принимает задачу, делит её на куски, раздаёт другим агентам, собирает результаты. Это работало на старых моделях с меньшим контекстом и слабой способностью держать несколько линий мысли одновременно.
Сейчас модели умнее. Claude Opus 5 и Sonnet 5 держат до 200 тысяч токенов контекста и справляются с задачами, которые год назад требовали бы трёх-четырёх субагентов. По данным The Decoder, Anthropic опубликовали рекомендацию: один агент работает быстрее и точнее роя субагентов — если задача влезает в контекст одной модели.
Три причины, почему один агент лучше:
| Проблема мультиагентной схемы | Что даёт единый агент |
|---|---|
| Координатор теряет детали при передаче задачи субагентам | Агент видит всю задачу целиком и держит связи между частями |
| Субагенты не знают контекста друг друга — дублируют работу или пропускают зависимости | Единый контекст: агент не повторяет шаги и не забывает, что уже сделано |
| Координация съедает токены на передачу промежуточных результатов | Агент работает в одной сессии — токены идут только на саму задачу |
По данным Anthropic, единый агент закрывает задачу примерно вдвое быстрее мультиагентной схемы той же мощности — просто потому, что не тратит ресурсы на синхронизацию.
Единый агент — это не про упрощение, а про честную работу с контекстом.
В канале разбираю на живых примерах, как собрать агента под задачу и не утонуть в субагентах
подписаться на канал
Три сценария, когда один агент закрывает задачу лучше роя
1. Проект с зависимостями между частями
Пример: сайт из пяти страниц, где дизайн шапки должен быть одинаковым, а контент страниц связан ссылками. Мультиагентная схема: координатор делит задачу на пять субагентов, каждый делает свою страницу. Результат — шапки не совпадают по цвету, ссылки ведут на несуществующие страницы, а координатор пытается склеить это в одно.
Единый агент: получает задачу целиком, начинает с общего дизайна, делает шапку, потом страницы одну за другой, проверяя ссылки по ходу. Всё совпадает, потому что агент видит весь проект.
2. Задача с итерациями и правками
Пример: копирайтинг — черновик текста, правка тона, вычитка, финальная подгонка под лимит знаков. Мультиагентная схема: субагент пишет черновик, второй правит тон, третий вычитывает. Каждый видит только свой кусок — в итоге финальный текст звучит как склейка трёх разных людей.
Единый агент: пишет черновик, сам же его правит, видит, что тон уехал не туда, возвращается к первому абзацу, подгоняет всё под один голос. Итог — текст как от одного автора.
3. Исследование с накоплением знаний
Пример: анализ конкурентов — пройтись по пяти сайтам, собрать фичи, сравнить, дать рекомендации. Мультиагентная схема: пять субагентов, каждый смотрит один сайт. Координатор получает пять отчётов и пытается их обобщить — но не видит связей, которые субагенты не заметили.
Единый агент: смотрит первый сайт, фиксирует паттерн, смотрит второй, видит похожий паттерн — накапливает понимание по ходу. К пятому сайту агент уже знает, что искать, и даёт рекомендации не из сухого списка, а из связной картины рынка.
Когда субагенты всё ещё имеют смысл
Единый агент не панацея. Есть три ситуации, где мультиагентная схема работает лучше:
| Ситуация | Почему субагенты | Пример |
|---|---|---|
| Параллельные задачи без зависимостей | Субагенты работают одновременно — результат быстрее | Обработка пачки файлов: каждый файл — отдельный субагент |
| Разные контексты или API | Каждый субагент держит свой контекст и не мешает другим | Агент для GitHub + агент для Jira — разные токены, разные API |
| Изоляция данных | Субагенты не видят данных друг друга | Обработка файлов клиентов: каждый клиент — отдельный субагент, данные не пересекаются |
Пример из практики: обработка 50 изображений — ресайз, сжатие, загрузка в S3. Единый агент сделает это последовательно за час. Десять субагентов — параллельно за шесть минут. Здесь мультиагентная схема окупается.
Но если задача требует понимания связей между частями — единый агент быстрее.
Как переделать мультиагентную схему в единого агента
Шаги перехода с роя субагентов на единого агента.
Шаг 1. Убери координатора
Координатор — это прослойка, которая только передаёт задачу дальше. В схеме с единым агентом он не нужен. Задачу передаёшь сразу агенту, а не через промежуточное звено.
Было: пользователь → координатор → три субагента → координатор → пользователь.
Стало: пользователь → агент → пользователь.
Шаг 2. Объедини контексты субагентов в один файл
Раньше у каждого субагента был свой .md-файл с инструкциями. Теперь всё это — разделы одного большого файла. Агент видит всю картину и сам решает, какой раздел применять.
Пример структуры CLAUDE.md:
# Агент проекта
## Дизайн
<правила дизайна: цвета, шрифты, отступы>
## Копирайтинг
<тон, длина текста, запрещённые слова>
## Код
<стек, стиль кода, где лежат файлы>Агент получает весь файл одной сессией и держит все правила в голове.
Шаг 3. Передавай задачу целиком
Вместо того чтобы делить задачу на куски и отправлять каждый кусок отдельному субагенту, передаёшь всю задачу одному агенту. Он сам разобьёт её на шаги и сделает последовательно.
Было: «Субагент 1, сделай шапку. Субагент 2, сделай главную страницу. Субагент 3, сделай форму.»
Стало: «Агент, сделай сайт: шапка, главная, форма. Дизайн в CLAUDE.md, раздел «Дизайн».»
Агент видит, что шапка нужна для всех страниц, делает её первой, потом использует на остальных страницах. Субагенты этой связи не видели.
Шаг 4. Проверь лимиты контекста
Claude Opus 5 держит до 200 тысяч токенов. Если твоя задача с контекстом влезает — один агент справится. Если нет — дели не на субагентов, а на итерации: сначала одна часть, потом следующая с результатом первой в контексте.
По материалам: статья The Decoder от 25 октября 2026, документация Dynamic Workflows Anthropic.
Читайте также
- Один Claude или команда агентов: когда начать
- Архитектура ИИ агент паттерн LLM автоматизация: 6 схем в 2026
- Claude Anthropic взломал GitHub-проект: как обезопасить агентов в 2026
- На портале «Мастерская нейросетей»: Harness, Loop или Graph: архитектура AI-агентов Claude в 2026
По опыту Арины Михалны, Anthropic изменила рекомендации не просто так — единый агент работает быстрее, точнее и дешевле роя субагентов, если модель справляется с контекстом. Субагенты остались для параллельных задач и изоляции данных, но большинство проектов закрывает один агент. Переход — убрать координатора, объединить контексты, передать задачу целиком — и всё. В канале показываю на живых примерах, как собрать такого агента и не утонуть в архитектуре — подписаться
