Anthropic добавила динамические рабочие процессы в Claude Managed Agents. Теперь ведущий агент может сам составить план, раздать задачи подчинённым агентам и собрать результаты в один ответ — в отдельных запусках система поддерживает до 1 000 агентов параллельно. Для читателя это не кнопка «ускорить всё»: Anthropic предупреждает о большом расходе токенов, поэтому начинать советуют с небольших задач.
Суть события
Нововведение касается Claude Managed Agents — инфраструктуры Anthropic для запуска и координации AI-агентов. Инфраструктура уже существовала, но динамических рабочих процессов в ней не было; теперь ведущий агент может динамически разбить задачу на части, передать их другим агентам и объединить готовые результаты. Максимум в 1 000 агентов относится к одному выполнению, а не означает, что любой пользователь постоянно получает такой масштаб.
На практике это похоже на руководителя проекта, который не делает всю работу сам: он определяет этапы, распределяет их между исполнителями и проверяет общий результат. Такой подход может пригодиться для больших независимых задач — например, когда нужно одновременно разобрать множество фрагментов кода или вариантов решения.
Что показал тест Anthropic
Anthropic приводит собственную проверку на кодовой базе из 116 000 строк, где команда намеренно спрятала 70 ошибок. Один агент за запуск находил от 14 до 27 ошибок, тогда как динамический рабочий процесс стабильно находил 66. Это результат теста самой компании, а не универсальная гарантия для любых проектов.
Именно здесь появляется важная оговорка. Чем больше агентов работает параллельно, тем больше запросов и токенов может понадобиться. Один из старших инженеров OpenAI ранее называл «рои» агентов огромной растратой токенов. Anthropic тоже советует не начинать с максимального масштаба. Насколько выигрыш от параллельной работы оправдывает расход ресурсов, зависит от конкретной задачи.
Контекст для тех, кто выбирает инструмент
Динамические процессы не превращают Claude в полностью автономного сотрудника без контроля. Ведущий агент всё равно должен правильно понять задачу, а объединение ответов может унаследовать ошибки отдельных исполнителей. Для знакомства с темой можно сравнить подходы к агентам в обзоре AI-фреймворков для агентов, где разобраны разные способы строить такие системы.
Что дальше
Чтобы включить функцию, нужно выбрать тип агента «multiagent_20261001». Начать работу можно через документацию Anthropic или команду /claude-api managed-agents-onboard в Claude Code. Самый разумный первый шаг — взять небольшую задачу, заранее определить критерий качества и проверить, сколько ресурсов потребовал запуск.
Пока источник подтверждает запуск функции и результаты внутреннего теста, но не показывает, что такой режим выгоднее обычного агента во всех сценариях. Поэтому 1 000 — это технический потолок, а не рекомендация. Для большинства команд полезнее сначала проверить несколько параллельных исполнителей на ограниченном объёме работы и только потом увеличивать масштаб.
