Anthropic: kevesebb subagent, egy agent loop skillekkel

Mi a lényeg?

Az Anthropic október 22-én útmutatót tett közzé arról, mikor érdemes a subagenteket visszaolvasztani a fő agent loopba (Anthropic). Az Applied AI csapat több céges bevezetést hasonlított össze. A skillekkel dolgozó egyetlen agent gyakran jobb minőséget adott, mint az egy hatalmas promptos és a subagentes megoldás, sokszor kisebb költséggel és késleltetéssel.

A tipikus hiba szerintük a Conway-törvény: minden csapat saját subagentet épít, így az agentarchitektúra a szervezeti ábra másolata lesz. Ebből jönnek a veszteséges átadások, az egymásnak ellentmondó promptszabályok és a csak részfeladatra optimalizált evalok. Egy ügyfélnél az egyetlen loop nagyjából kétszer gyorsabban futott, mint a multi-agent harness.

Mi a javasolt felépítés?

• Egy modell, egy kontextusablak, nyitott tool loop. A korlátokat (kör- és költségkeret, írási kapuk) a harness állítja.
• A modell minden körben tool hívások csomagját adja ki, ezeket a harness párhuzamosan futtatja, a nyers eredmények ugyanahhoz a modellhez mennek vissza.
• A tervet a modell írja meg az első körben, majd menet közben ő maga módosítja.
• A szakterületi tudás skillekbe kerül, az élő adat és a műveletek toolokba. A rövid leírások mindig látszanak, a teljes tartalom csak akkor töltődik be, ha kell.
• 30-50 tooldefiníció felett romlik a toolválasztás, ezért a toolokat felhasználói szándék szerint érdemes csoportosítani, nem API-nként.

Mikor marad a subagent?

Akkor, ha egy loopban mérhetően romlik a teljesítmény a felduzzadt kontextus miatt, ha párhuzamos, eldobható kontextusú munka kell, vagy ha egy agent nem tud jól toolt választani, illetve ellentmondó utasításokat kap. Ilyenkor is inkább toolként hívja a fő agent, teljes átadás csak akkor kell, ha a subagentnek közvetlenül a felhasználóval kell beszélnie.

Hogyan érdemes átállni?

Először egy közös end-to-end eval kell, ehhez már 10 arany példa is elég. Utána egyenként érdemes beolvasztani a subagenteket, kezdve azokkal, amelyek egymás kimenetére épülnek vagy ugyanazt az adatot használják. Nem elég a végső pontszámot nézni: az Anthropic tesztjében egy összevonás csökkentette a késleltetést, közben eltört egy addig működő folyamat. A hiba két futásból csak egyszer jött elő.

A migrációhoz a single-agent-loop-kit repót adták ki, amely a Claude API skilljeit (build-eval, prompt-audit, hillclimb, cost-optimize) fűzi egy vezetett folyamatba, demó rendszerrel. Aki most tervez céges agentet, annak érdemes egy loopból indulnia. Szétszedni csak mérés alapján érdemes.