Казалось бы логичным: чем сложнее задача, тем больше специализированных AI-агентов нужно собрать для её решения. Один пишет код, другой тестирует, третий проверяет стиль, четвёртый общается с клиентом. Anthropic протестировала эту идею на практике — и получила обратный результат.
Компания выяснила, что новые модели, начиная с Opus 4.5, достаточно мощны, чтобы удерживать весь сложный план в голове самостоятельно, без дробления на десятки под-агентов. В одном из сравнений единый агент оказался вдвое быстрее многоагентной системы — и дешевле.
Проблема множества агентов звучит до смешного по-человечески: это бюрократия. Anthropic даже окрестила эффект «законом Конвея для агентов» — архитектура AI-системы начинает копировать структуру компании. Каждая команда добавляет своего агента, пока их не набирается сотня с противоречащими друг другу правилами. Авторы называют получившееся «Франкен-промптом»: инструкции от разных отделов конфликтуют, а контекст теряется при каждой передаче между модулями. Один агент пишет функцию, забывает детали, передаёт эстафету тестировщику — тот уже не знает, что имелось в виду изначально.
Решение оказалось по-инженерному простым: один агент с чистым системным промптом, несколько лёгких инструментов и доступ к контексту по запросу, а не вшитому заранее. Anthropic сократила системный промпт для Claude Code более чем на 80% — модель сама подгружает нужные навыки и инструменты только тогда, когда они действительно нужны, и даже сама проверяет свою работу.
Это не значит, что под-агенты исчезают совсем. Anthropic оставляет их для случаев, когда контекст одного агента реально переполняется, когда задачи нужно выполнять параллельно, или когда модель путается в выборе инструментов среди полусотни вариантов. Для перехода компания выпустила открытый migration kit на GitHub — пошаговую инструкцию для команд, которые хотят упростить свою архитектуру, не сломав рабочие процессы. Предупреждение не случайное: в одном из тестов слияние агентов ускорило систему, но испортило логику ответов.
Вывод подтверждают и независимые исследования. Команда Vals обнаружила, что увеличение числа агентов с десяти до ста не даёт прироста качества, зато заметно поднимает счета. Разработчик OpenAI Эрик Провансер назвал рои агентов «почти наверняка» потраченными впустую деньгами. Похоже, индустрия массово переоценила пользу от «толпы ботов» и только сейчас начинает это признавать.
Во что углубиться:
- Что такое контекстное окно у языковых моделей: поймёшь, почему агентам раньше не хватало «памяти» для сложных задач
- Закон Конвея в разработке ПО: узнаешь, откуда взялась идея, что архитектура системы повторяет структуру организации
- Как устроены AI-агенты и чем они отличаются от обычного чат-бота: база для понимания всей темы агентных систем