Субагенты в Claude Code: AI-агенты 2026

Я, Арина Михална, поясню: субагенты в Claude Code и Codex — это отдельные AI-агенты со своим контекстным окном, которых главный агент вызывает для узкой задачи: код-ревью, дебаг, тесты, ресёрч, — а потом забирает только итог, без мусора промежуточных рассуждений.

Субагент, скилл и MCP-сервер — это разные вещи

Путаница тут у всех, кто первый раз слышит термин «субагент», потому что на первый взгляд кажется, что это ещё один способ «научить Claude делать X». Нет.

Скилл — это инструкция (обычно .md-файл), которую подхватывает основной агент прямо в своём контексте. Он не запускает отдельный процесс — просто читает файл и следует правилам внутри той же сессии.

MCP-сервер — это внешний источник данных или инструментов (база, API, файловая система), к которому агент обращается по протоколу. Про это я уже разбирала в статье про Claude MCP — там про подключение, не про делегирование задач.

Субагент — отдельный AI-агент со своим контекстным окном, своей моделью (можно взять более дешёвую для рутины) и своим набором разрешённых инструментов. Главный агент отправляет ему задачу, субагент работает в изоляции и возвращает только итоговый ответ — весь мусор промежуточных рассуждений остаётся внутри субагента и не засоряет основной диалог.

Механизм	Свой контекст	Своя модель	Что делает
Скилл	нет	нет	инструкция в текущей сессии
MCP-сервер	нет	нет	доступ к внешним данным/инструментам
Субагент	да	да	изолированная подзадача с отдельным результатом

Как это устроено в Claude Code

В Claude Code субагент описывается отдельным .md-файлом в папке .Claude/agents/ — там прописывается роль, список разрешённых инструментов и (опционально) модель. Если тема с нуля — у меня есть отдельный гайд, как собрать своего первого агента на Claude, там разбор конкретного примера с кодом.

Главный агент видит описание субагента и сам решает, когда его вызвать — например, при обнаружении ошибки автоматически передаёт задачу субагенту-дебаггеру, а не разбирает стектрейс сам. Из встроенных примеров чаще всего используют:

• code-reviewer — проверяет диффы перед коммитом на логические ошибки и стиль;
• debugger — воспроизводит баг и предлагает фикс, не трогая остальной код;
• content-researcher — собирает факты и источники под конкретный раздел статьи или документа.

Важный момент, который часто упускают: субагенты можно запускать параллельно. Один разбирает тесты, второй — ревьюит код, третий — собирает документацию, все три работают одновременно, а главный агент просто ждёт три ответа и сшивает их в единый результат.

Субагенты в Codex — тот же смысл, другая механика

Codex (агентский режим OpenAI) пришёл к субагентам с той же логикой: не гонять весь контекст через одного агента, а раздать специализированные задачи изолированным процессам. Но реализация другая — субагенты в Codex настраиваются через конфиг задач CLI, а не отдельными файлами описания роли, как в Claude Code.

Смысловая разница почти нулевая: в обоих случаях мы получаем изоляцию контекста и возможность параллельной работы. Разница — в гибкости настройки и в том, насколько тонко можно ограничить субагенту доступ к инструментам. Если сравнивать инструменты в целом, у меня есть отдельный разбор Claude Code против Codex — там про общую картину, здесь именно про субагентов.

Когда субагент того не стоит — экономика в токенах

Вот чего почти нет в статьях про субагентов: реального расчёта, когда они выгодны, а когда — просто лишний слой расходов. Каждый вызов субагента — это отдельный запрос к модели: передать контекст задачи туда, получить ответ обратно. Если задача маленькая (правка опечатки, короткий рефакторинг одной функции), накладные расходы на упаковку и передачу контекста могут оказаться больше, чем выгода от изоляции.

По нашим замерам на реальном пайплайне генерации статей: один и тот же запрос на 60 000 знаков контекста через Claude Sonnet 5 и Sonnet 4.6 отваливался по таймауту через 4 минуты, а через GPT-5.6 Terra отрабатывал за 73 секунды. Разница не в самой идее субагентов, а в том, что для длинного контекста нужна модель, которая держит объём без деградации — иначе вся экономия на изоляции контекста съедается повторными попытками и таймаутами.

Правило простое: субагент оправдан, если подзадача самостоятельная и объёмная — тогда изоляция контекста реально экономит, а не просто добавляет шаг.

Иерархия и специализация — как разделить работу без дублирования

Рабочий паттерн для команды из 3–4 субагентов — не «у каждого своя тема», а чёткая иерархия по типу ответственности:

1. Субагент-исполнитель — пишет код или текст по чёткому ТЗ, без права принимать архитектурные решения.
2. Субагент-ревьюер — проверяет результат исполнителя на соответствие правилам (стиль, безопасность, логика), не переписывает сам.
3. Субагент-исследователь — собирает факты и контекст перед тем, как исполнитель начнёт работу.

Дублирования не будет, если у каждого субагента список разрешённых инструментов строго под его роль: исполнителю не нужен доступ к поиску в интернете, ревьюеру не нужен доступ на запись в файлы. Разграничение инструментов — это и защита от того, что субагент случайно натворит лишнего. Если тема безопасности агентов интересна отдельно, у меня есть статья про то, как ограничить права AI-агента, там разбор конкретного инцидента.

Частые ошибки при настройке команды агентов

Ошибка	Что происходит	Как избежать
Слишком много субагентов	главный агент путается, кому передать задачу	держать 3–4 максимум
Субагенту дали все инструменты	риск лишних действий, сложно отследить, что он сделал	ограничивать список под роль
Субагент на мелкую задачу	накладные расходы больше выгоды	считать объём подзадачи заранее
Нет логов вызовов	сложно понять, где узкое место	смотреть логи субагентов в CLI перед масштабированием

Итог: субагенты — инструмент под масштаб, не под каждую задачу

Субагенты в Claude Code и Codex решают одну и ту же проблему — не засорять контекст основного агента длинными подзадачами, но делают это по-разному: Claude Code через отдельные файлы описания роли, Codex через конфиг CLI. По опыту Арины Михалны, разница в реализации меньше, чем разница в том, насколько дисциплинированно ты распределяешь роли между субагентами: три чётко разграниченных агента работают лучше, чем пять с одинаковым доступом ко всему.

По материалам: Towards Data Science — From One Agent to a Team: Understanding Codex Subagents, документация Claude Code Subagents.

Читайте также

• Claude Code оценка задачи: почему агент врёт
• Claude MCP в 2026: что это и зачем нужен Claude Code
• MCP-сервер для Claude Code в 2026: как подключить и настроить
• Claude Code Skills в 2026: как скиллы работают внутри Claude Code
• На портале «Мастерская нейросетей»: Как зарабатывать на нейросетях с Claude Code без навыков программирования

Если хочется разобрать субагентов и другие агентские связки на живых примерах — я регулярно показываю это в канале, без причёсанной теории, на реальных кейсах с ошибками и разбором, где что пошло не так. Забирай гайды и разборы бесплатно — «А.М. решает вопросы».