Claude uruchamia 1000 agentów AI równolegle

Anthropic rozszerza możliwości swojej platformy Claude Managed Agents o dynamiczne workflow, wprowadzając wieloagentową orkiestrację na poziomie produkcyjnym. Choć sama infrastruktura agentów zarządzanych istnieje od pewnego czasu, nowością jest mechanizm, w którym jeden wiodący agent tworzy plan działania, rozdziela zadania pomiędzy podagentów, a następnie scala ich wyniki w spójną całość. W ramach pojedynczego uruchomienia może pracować równolegle nawet 1000 agentów.

Na czym polega wieloagentowa orkiestracja w Claude

Dynamiczne workflow to podejście, w którym zamiast jednego modelu wykonującego całe zadanie sekwencyjnie, system rozdziela pracę na wiele wyspecjalizowanych instancji. Główny agent pełni rolę koordynatora – analizuje problem, dzieli go na podzadania i przydziela je podagentom. Gdy ci zakończą pracę, wyniki trafiają z powrotem do agenta nadrzędnego, który je łączy i weryfikuje.

Skala jest imponująca – do tysiąca agentów może działać jednocześnie w ramach jednego wykonania. To otwiera drogę do zadań, które wcześniej były zbyt złożone lub czasochłonne dla pojedynczego modelu, takich jak analiza dużych repozytoriów kodu, równoległe przeszukiwanie wielu źródeł czy kompleksowe testowanie oprogramowania.

Jak aktywować dynamiczne workflow

Uruchomienie nowej funkcji wymaga wybrania typu agenta oznaczonego jako „multiagent_20261001”. Anthropic zaleca ostrożne podejście – ze względu na to, że takie workflow potrafią zużyć znaczną liczbę tokenów, warto zaczynać od mniejszych zadań. Dokumentacja platformy opisuje szczegóły konfiguracji, a w Claude Code można skorzystać z komendy „/claude-api managed-agents-onboard”, która przeprowadzi przez proces wdrożenia.

Skuteczność potwierdzona testami wewnętrznymi

Anthropic przedstawia wyniki własnych badań jako argument za wyższością podejścia wieloagentowego nad pojedynczym agentem. Zespół przygotował eksperyment, w którym do bazy kodu liczącej 116 000 linii celowo wprowadzono 70 błędów. Następnie sprawdzono, jak skutecznie różne konfiguracje je wykrywają.

Wyniki były jednoznaczne. Pojedynczy agent znajdował od 14 do 27 błędów w jednym przebiegu. Dynamiczne workflow konsekwentnie wykrywało 66 z 70 ukrytych problemów. Różnica jest znacząca i sugeruje, że rozdzielenie pracy pomiędzy wielu agentów przekłada się na wyższą dokładność w zadaniach wymagających analizy dużych zbiorów danych.

Pytania o koszty i uniwersalność

Entuzjazm wobec nowej funkcji nie jest jednak powszechny. Jeden z doświadczonych inżynierów OpenAI publicznie określił roje agentów jako ogromne marnotrawstwo tokenów. To głos, który wskazuje na realny problem – uruchamianie setek instancji modelu generuje koszty, które w wielu scenariuszach mogą przewyższać korzyści płynące z równoległości.

Anthropic przyznaje, że wydajność dynamicznych workflow może się różnić w zależności od rodzaju zadania. Test na bazie kodu to jedno, ale czy podobne rezultaty uda się osiągnąć przy analizie tekstu, badaniach naukowych czy zadaniach kreatywnych – tego jeszcze nie wiadomo. Producent zachęca użytkowników do przeprowadzania własnych testów na rzeczywistych obciążeniach, zamiast opierania się wyłącznie na wewnętrznych benchmarkach.

Co to oznacza dla przyszłości agentów AI

Wprowadzenie dynamicznych workflow przez Anthropic wpisuje się w szerszy trend przechodzenia od pojedynczych modeli do systemów wieloagentowych. Konkurencyjne rozwiązania, takie jak narzędzia oferowane przez OpenAI czy inne platformy, również eksplorują ten kierunek, choć każdy z dostawców obiera nieco inną strategię.

Kluczowym pytaniem pozostaje ekonomika takich rozwiązań. Jeśli koszt uruchomienia tysiąca agentów jest wielokrotnie wyższy niż pojedynczego przebiegu, zastosowanie tej technologii może się ograniczyć do zadań, w których dokładność jest krytyczna, a budżet na tokeny nie stanowi bariery. W innych przypadkach prostsze podejścia mogą okazać się bardziej opłacalne.

Dla zespołów pracujących z Claude nowa funkcja stanowi narzędzie warte przetestowania – szczególnie tam, gdzie pojedynczy agent zawodzi przy złożonych, wieloetapowych zadaniach. Anthropic wyraźnie jednak sygnalizuje, że to rozwiązanie dla świadomych użytkowników, którzy rozumieją kompromis między dokładnością a zużyciem zasobów. Czy masowe roje agentów staną się standardem w automatyzacji, czy pozostaną niszowym narzędziem dla wybranych zastosowań – rozstrzygną najbliższe miesiące i praktyka wdrożeń.