Anthropic добавила в Claude Managed Agents запуск до 1000 агентов параллельно

Anthropic добавляет в Claude Managed Agents динамические рабочие процессы (dynamic workflows), и на платформе появляется оркестрация нескольких агентов. Инфраструктура управляемых агентов существует уже давно, новое здесь именно динамические процессы. Работают они так: ведущий агент составляет план, распределяет задачи между субагентами и объединяет результаты, когда те закончат. За одно выполнение параллельно может работать до 1000 агентов.

В подтверждение Anthropic приводит собственный тест. Команда спрятала 70 багов в кодовой базе на 116 000 строк. Одиночный агент находил от 14 до 27 багов за прогон, а динамический рабочий процесс стабильно доходил до 66. При этом The Decoder отмечает, что экономическая эффективность подхода выглядит спорной: старший инженер OpenAI (имя в материале не названо) недавно назвал рои агентов огромной тратой токенов. Сохранятся ли такие выигрыши на других типах задач, пока неясно, поэтому, как и всегда, стоит проверять на собственных нагрузках.

Чтобы включить динамические рабочие процессы, нужно выбрать тип агента "multiagent_20261001". Поскольку такие процессы могут израсходовать «много токенов», Anthropic советует начинать с малого. Приступить можно через документацию или командой "/claude-api managed-agents-onboard" в Claude Code.

Ключевые факты

В Claude Managed Agents добавляются динамические рабочие процессы: ведущий агент строит план, раздаёт задачи субагентам и объединяет результаты.
Верхний предел, до 1000 агентов, работающих параллельно за одно выполнение.
В тесте Anthropic (70 скрытых багов в кодовой базе на 116 000 строк) одиночный агент находил 14, 27 за прогон, динамический процесс стабильно, 66.
Включается выбором типа агента "multiagent_20261001"; Anthropic советует начинать с малого из-за большого расхода токенов.
Экономическая эффективность спорна, а перенос результата на другие типы задач не проверен.

Почему это важно

Anthropic выводит многоагентную оркестрацию на свою платформу управляемых агентов: один ведущий агент может раздать работу параллельным субагентам, а их число доходит до 1000 за выполнение. Инфраструктура управляемых агентов существовала и раньше, новое, динамические рабочие процессы. Заявленный выигрыш в тесте Anthropic заметный: 66 найденных багов из 70 против 14-27 у одиночного агента.

Кому это важно

Тем, кто строит агентов на Claude Managed Agents, и командам, которые оценивают мультиагентные подходы для задач вроде поиска ошибок в большой кодовой базе. Также тем, кто следит за расходом токенов: сам материал называет эффективность по затратам спорной.

Как это применить

Выбрать тип агента "multiagent_20261001" и, следуя совету Anthropic, начинать с малого. Стартовать можно через документацию или командой "/claude-api managed-agents-onboard" в Claude Code. Прежде чем масштабировать, проверить подход на собственных задачах: перенос результатов теста на другие типы задач пока не подтверждён.

Можно ли доверять

Цифры в тесте, собственные данные Anthropic, независимой проверки в материале не упоминается. Методика описана скупо: известны только 70 скрытых багов и кодовая база на 116 000 строк, а число прогонов, использованные модели и конфигурация одиночного агента не указаны. Сам The Decoder оговаривается, что перенос выигрыша на другие типы задач ещё предстоит увидеть.

Риски и подводные камни

Главный риск, расход токенов: Anthropic сама предупреждает, что такие процессы могут израсходовать «много токенов», и советует начинать с малого. Стоимость в источнике не приводится, поэтому оценить её можно только на практике. Критика со стороны старшего инженера OpenAI, назвавшего рои агентов огромной тратой токенов, показывает, что целесообразность подхода оспаривают. Кроме того, результат получен на одном типе задач, поиске скрытых багов.