Strona główna / Rozdział 5 · Agenci
Ostatnia zmiana · 7 min czytania
Wielu agentów
Główny agent dzieli zadanie i zleca części subagentom, z których każdy pracuje we własnym, czystym kontekście i oddaje krótki wynik. Taki układ pomaga przy niezależnych częściach, jak badanie wielu źródeł naraz, szkodzi przy wspólnym stanie, jak zmiany w tym samym kodzie, a tokenów zużywa zwykle kilka razy więcej.
Po ludzkuPięciu researcherów przejrzy dziesięć bibliotek szybciej niż jeden, jeśli każdy dostanie jasne zlecenie i odda stronę notatek. Pięciu programistów, którzy bez rozmowy ze sobą poprawiają ten sam moduł, narobi więcej szkody niż jeden, bo każdy po cichu podejmie inne decyzje. Obu zespołom płacisz za każdą godzinę.
Zmień liczbę subagentów i rodzaj zadania. Patrz na czas, tokeny, kontekst głównego agenta i jakość wyniku
Liczby poglądowe, dobrane ręcznie, nie pomiar. Tokeny to wejście i wyjście wszystkich agentów razem. Liczba po prawej stronie paska to największy kontekst danego agenta, puste pole na pasku to czekanie. Założenia: w badaniu jedna biblioteka zajmuje agentowi 4 minuty, w kodzie zależności pozwalają na najwyżej dwie równoległe ścieżki, a każda para agentów rozjeżdża się na jednej wspólnej decyzji.
Główny agent i subagenci
- Subagent to osobna pętla agenta (temat „Pętla agenta”), którą główny agent wywołuje jak narzędzie: argumentem jest zlecenie, wynikiem krótki raport. Subagent nie widzi historii głównego agenta, tylko swój system prompt i zlecenie. Może przeczytać dziesiątki tysięcy tokenów stron czy plików, a oddaje zwykle 1–2 tys. To izolacja kontekstu z tematu „Context engineering i pamięć”.
- Główny agent, zwany też orkiestratorem, planuje, rozdziela części, czeka i scala wyniki. W systemie badawczym Anthropic (opis z czerwca 2025) uruchamia subagentów grupami i czeka na całą grupę. To upraszcza koordynację, ale czas wyznacza najwolniejszy subagent, a działającego subagenta nie da się skorygować.
- Inne układy. Potok: stałe etapy, wynik jednego agenta jest wejściem następnego. Handoff: agent przekazuje rozmowę razem z jej stanem wyspecjalizowanemu agentowi i sam się wyłącza, na przykład obsługa klienta oddaje sprawę działowi zwrotów. Pętla krytyka: jeden agent pisze, drugi ocenia według kryteriów i odsyła uwagi, aż wynik przejdzie ocenę albo skończy się limit rund. Przy subagencie kontrolę zachowuje główny agent, przy handoffie ją oddaje.
Kiedy subagenci pomagają
- Praca wszerz, równolegle: zadanie rozpada się na niezależne kierunki, jak wiele firm, źródeł czy hipotez. Anthropic podaje, że Claude Opus 4 jako główny agent z subagentami Claude Sonnet 4 wypadł o 90,2% lepiej niż sam Claude Opus 4 na wewnętrznym zestawie zadań badawczych. Równoległa praca subagentów i równoległe wywołania narzędzi skróciły czas złożonych zapytań nawet o 90%.
- Więcej tokenów na zadanie, niż zmieści jedno okno. W tym samym raporcie sama liczba zużytych tokenów wyjaśniała 80% różnic w wynikach na BrowseComp, benchmarku wyszukiwania trudno dostępnych informacji. Subagenci pozwalają te tokeny wydać, a do głównego agenta trafiają tylko wnioski, więc jego kontekst zostaje czysty.
- Specjalizacja: każdy subagent ma własny prompt i węższy zestaw narzędzi i uprawnień. Z krótszej listy model trafniej wybiera narzędzie (temat „Narzędzia (function calling)”). Subagent tylko do odczytu może czytać obce treści bez dostępu do ryzykownych akcji, ale jego raport nadal może przenieść wstrzyknięte polecenie do głównego agenta (temat „Prompt injection”).
Kiedy subagenci szkodzą
- Koszt i opóźnienie. W danych Anthropic agent zużywa ok. 4 razy więcej tokenów niż czat, a system wieloagentowy ok. 15 razy więcej. Każdy subagent płaci za własny system prompt, narzędzia i zlecenie. Startuje od zera, więc najpierw sam zbiera kontekst, który główny agent już miał.
- Utracony kontekst i zdublowana praca. Subagent wie tylko to, co jest w zleceniu, a każde streszczenie gubi szczegóły. Wczesna wersja systemu Anthropic zlecała krótko, na przykład „zbadaj niedobór półprzewodników”. Jeden subagent badał kryzys w motoryzacji z 2021 roku, a dwóch innych zdublowało pracę nad łańcuchami dostaw z 2025 roku.
- Sprzeczne decyzje we wspólnym stanie. Każda akcja zawiera ukryte decyzje, a równolegli agenci nie widzą decyzji pozostałych (Cognition, „Don’t Build Multi-Agents”, czerwiec 2025). W przykładzie Cognition z klonem Flappy Bird jeden subagent zrobił tło w stylu Super Mario, drugi ptaka w innym stylu, a główny agent musiał to skleić. W kodzie to te same pliki edytowane naraz, różne nazwy i typy, konflikty przy scalaniu. Anthropic sam zaznacza, że większość zadań programistycznych ma mniej naprawdę równoległych części niż badanie.
- Błędy się sumują, a debugowanie jest trudne. Zły podział u głównego agenta psuje wszystkie gałęzie naraz, a drobna zmiana jego promptu potrafi nieprzewidywalnie zmienić zachowanie subagentów. Cemri i in. (2025) przeanalizowali ponad 1600 trace’ów z 7 frameworków i opisali 14 typów awarii w trzech grupach: projekt systemu, rozjazd między agentami, weryfikacja wyniku. Zyski systemów wieloagentowych na popularnych benchmarkach były często minimalne.
Jak budować system wieloagentowy
- Zacznij od jednego agenta z narzędziami, tak radzi też przewodnik OpenAI. Kolejnych agentów dodaj, gdy na tym samym zestawie ewaluacji pokażesz zysk wart dodatkowych tokenów (temat „Ewaluacje”). Przy kodzie zwykle wystarcza subagent tylko do odczytu, który przeszuka repozytorium i odpowie na konkretne pytanie, a zmiany robi jeden agent. Wyjątkiem jest duża zmiana, która rozpada się na niezależne części, np. migracja moduł po module: każdy piszący subagent pracuje we własnym git worktree albo sandboksie, na własnej gałęzi, uruchamia testy, a jego zmianę scala się jak zwykły PR (tak działa
/batchw Claude Code). Każdą część nadal zmienia jeden agent: tę samą regułę opisuje Cognition w tekście z kwietnia 2026. - Zlecenie od głównego agenta to specyfikacja: cel, format wyniku, narzędzia i źródła, granice (czego nie robić, co robią inni) i budżet wysiłku. Anthropic wpisał do promptu reguły skalowania: proste pytanie to 1 agent i 3–10 wywołań narzędzi, porównanie to 2–4 subagentów po 10–15 wywołań, złożone badanie to ponad 10 subagentów. Przy zmianie w kodzie wspólny kontrakt, czyli nazwy, typy i interfejsy, ustala się przed podziałem pracy.
- Duże wyniki przekazuj przez pliki albo magazyn, nie przez wiadomości. Subagent zapisuje artefakt i zwraca ścieżkę z krótkim opisem, więc treść nie przechodzi przez kolejne streszczenia. Główny agent też zapisuje plan poza kontekstem, bo przy długiej pracy okno się skończy.
- Limitów pilnuje kod, nie prompt: liczba subagentów, głębokość zagnieżdżenia, budżet tokenów i czasu na subagenta, liczba rund pętli krytyka. Wczesne wersje systemu Anthropic uruchamiały 50 subagentów do prostych pytań. Anthropic ograniczył to głównie regułami skalowania w prompcie, a twardy limit w kodzie jest zabezpieczeniem na wypadek, gdy model ich nie posłucha. Claude Code (stan na wrzesień 2026) domyślnie pozwala na trzy poziomy zagnieżdżenia i najwyżej 20 subagentów naraz (temat „Harness agenta kodującego”).
- Jeden trace na całe zadanie, z osobnym fragmentem dla każdego subagenta: zlecenie, wywołania, tokeny, wynik. Tylko tak ustalisz, czy zawiódł podział, subagent czy scalanie. Oceniaj stan końcowy, na przykład fakty i źródła w raporcie albo przechodzące testy, a nie podsumowanie głównego agenta (temat „Pętla agenta”).
Sprawdź się
Kiedy zbudujesz system z wieloma agentami, a kiedy zostaniesz przy jednym?
Zaczyna się od jednego agenta. Kolejnych dodaje się, gdy zadanie rozpada się na niezależne części, jak badanie wielu źródeł: główny agent rozdziela je subagentom, każdy pracuje równolegle we własnym, czystym kontekście i oddaje krótkie streszczenie. Zysk to szybkość, szersze pokrycie i czysty kontekst głównego agenta. Cena to tokeny, u Anthropic ok. 15 razy więcej niż czat, oraz koordynacja. Przy wspólnym stanie, jak zmiany w tym samym kodzie, agenci podejmują sprzeczne decyzje, więc tam zmiany robi jeden agent. Rozstrzygają ewaluacje stanu końcowego.
In English
Start with a single agent. Add more when the task splits into independent parts, such as researching many sources: a lead agent hands them to subagents, and each works in parallel in its own clean context and returns a short summary. The gain is speed, breadth and a clean context for the lead agent. The price is tokens, about 15 times as many as a chat in Anthropic’s data, and coordination. With shared state, such as one change across a codebase, agents make conflicting decisions, so a single agent should make the changes. End-state evals decide.
Pytania pogłębiające (5)
- Subagent nie wie, co ustalili inni. Jak temu zaradzić?
- Albo przekazać mu pełny kontekst i dotychczasowe decyzje, co zjada zysk z izolacji, albo ustalić wspólne rzeczy przed podziałem: nazwy, typy, format wyniku, zakres każdej części. Jeśli tego nie da się ustalić z góry, części nie są niezależne i lepiej zrobi to jeden agent.
- Główny agent odpala 50 subagentów do prostego pytania. Co robisz?
- To prawdziwy błąd z wczesnego systemu Anthropic. Do promptu trafiają reguły skalowania: ile subagentów i wywołań na jaki typ pytania. Kod dokłada twarde limity liczby subagentów, głębokości i budżetu tokenów, a zmianę sprawdzają ewaluacje.
- Jak przekazywać duże wyniki między agentami?
- Przez pliki albo magazyn: subagent zapisuje artefakt i zwraca ścieżkę z krótkim opisem. Szczegóły nie giną w kolejnych streszczeniach, a kontekst głównego agenta zostaje mały.
- Czym handoff różni się od wywołania subagenta?
- Subagent działa jak narzędzie: główny agent czeka na wynik i zachowuje kontrolę. Handoff przekazuje rozmowę razem z jej stanem innemu agentowi, który dalej sam rozmawia z użytkownikiem. Handoff pasuje do kierowania sprawy do specjalisty, subagent do dzielenia zadania na części.
- Jak debugować i oceniać system wieloagentowy?
- Jeden identyfikator trace’a na całe zadanie i osobny fragment dla każdego subagenta ze zleceniem, wywołaniami i tokenami. Stan końcowy ocenia się na stałym zestawie i porównuje z jednym agentem, bo drobna zmiana promptu głównego agenta potrafi zmienić zachowanie wszystkich subagentów.