Anthropic: один ШІ-агент тепер перевершує багатьох субагентів, оскільки моделі можуть самостійно впоратися зі складністю

Anthropic виявила, що один агент із контекстом на вимогу часто перевершує багатoагентні конфігурації за якістю, вартістю та затримкою. Компанія випускає набір інструментів для міграції, щоб допомогти командам оцінити можливість переходу та здійснити його.

Anthropic рекомендує компаніям оцінити, чи можуть вони об'єднати субагентів, оскільки один головний агент, який завантажує контекст за потреби, часто забезпечує кращі результати, ніж ціла група спеціалізованих агентів. Новіші моделі, починаючи з Opus 4.5, а також Opus 5.5 і Fable 5.1, можуть безпосередньо керувати складними планами в одному циклі, що також здатне зменшити витрати й час очікування. В одному порівнянні Anthropic стверджує, що одноагентна архітектура працювала приблизно вдвічі швидше за багатоагентну.

Ця рекомендація ґрунтується на практичному досвіді в кількох корпоративних впровадженнях, де команда Anthropic Applied AI виявила, що один агент, який використовує так звані навички, часто перевершував за якістю як монолітні конструкції запитів, так і конфігурації із субагентами. Наприклад, одна компанія мала дюжину спеціалізованих субагентів усередині агента, орієнтованого на взаємодію з клієнтами, через що було складно підтримувати послідовний досвід взаємодії з брендом, а висока затримка погіршувала зручність використання.

Тепер модель може самостійно виконувати значну частину роботи з оркестрації

За даними Anthropic, багато конструкцій агентів дотримуються знайомої схеми: визначення наміру, фіксований конвеєр обробки, сегментація користувачів, окремі гілки рекомендацій та оркестратор на верхньому рівні. Значну частину цієї роботи модель тепер може виконувати самостійно для відповідного сценарію використання.

Anthropic називає це «законом Конвея» для агентів. Архітектура стає копією організаційної структури: кожна команда випускає власного субагента, доки не накопичуються сотні агентів, що дублюють один одного, без спільних стандартів. У результаті, як називає це Anthropic, виникає «франкензапит», у якому кожна команда додає правила до системного запиту, і зрештою вони починають суперечити одне одному. За словами компанії, для більшості відповідних сценаріїв використання достатньо чистого системного запиту, чотирьох або п'яти компактних інструментів роботи з даними та фіксованих обмежень для вихідних даних.

Як один із прикладів, Anthropic скоротила системний запит Claude Code для новіших моделей більш ніж на 80 відсотків, частково тому, що навички та інструменти тепер завантажуються лише за потреби. Новіші моделі також коментують власний прогрес і перевіряють свою роботу, що може зробити деякі додаткові рівні контролю непотрібними.

Anthropic зазначає, що субагенти й надалі мають сенс, коли контекстне вікно одного агента демонструє вимірюване погіршення продуктивності, коли кілька завдань потрібно виконувати паралельно в окремих контекстних вікнах або коли одному агенту складно обирати інструменти.

Для покрокової міграції Anthropic опублікувала на GitHub набір інструментів для міграції, який проводить команди через робочий процес виявлення наявних шаблонів, оцінювання альтернатив і перевірки найкращого підходу. Anthropic застерігає від бездумного об'єднання, оскільки в одному тесті з агентом підтримки додавання субагента справді зменшило затримку, але зламало процес, який раніше працював. Головний агент почав відповідати самостійно, замість того щоб звертатися до потрібного спеціаліста.

Командам слід не допускати надмірного розростання бібліотек навичок

Замість того щоб надавати кожній команді власного агента, Anthropic рекомендує упаковувати робочі процеси в навички та завантажувати інструменти за потреби через пошук інструментів. Невелика центральна команда має відповідати за системний запит і загальну якість. Окремо Anthropic зазначає, що вибір інструментів моделлю зазвичай погіршується, коли кількість описів інструментів перевищує 30–50, тому призначені відповідальні в кожній команді мають підтримувати бібліотеки навичок, щоб не допустити їхнього надмірного розростання.

Для довідкових матеріалів, таких як рекомендації, специфікації продуктів або визначення метрик, Anthropic рекомендує бази знань, до яких агент звертається лише за потреби через інструмент пошуку. Таку інформацію також можна вбудовувати як довідкові файли всередину навички. Anthropic не радить отримувати контекст за допомогою коду й безпосередньо вставляти його в запити.

Висновки Anthropic узгоджуються з нещодавніми дослідженнями. Дослідження Vals показало, що команди агентів можуть працювати швидше за одноагентні системи, але не забезпечують вищої якості. Згідно з дослідженням, масштабування від десяти до 30 або 100 агентів не дало приросту якості, але суттєво збільшило витрати. Розробник OpenAI Ерік Провенчер також поставив під сумнів цінність роїв агентів, назвавши їхні витрати «майже напевно» марними.

Новини ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб читати без реклами, отримувати щотижневу розсилку про ШІ, ексклюзивний передовий звіт «AI Radar» шість разів на рік, повний доступ до архіву та доступ до розділу коментарів.