Anthropic diz que um agente substitui dez subagentes em velocidade

Arquitetura engorda até virar Frankenprompt

Antes, equipes criavam subagentes especializados para cada etapa: detecção de intenção, pipeline fixo, segmentação de usuário, ramos de recomendação e orquestrador no topo. A Anthropic chama isso de “lei de Conway para agentes”: o organograma da empresa vira o organograma do sistema. Cada equipe lança seu subagente até acumular centenas de agentes sobrepostos, sem padrão comum. O resultado é o que a empresa chama de Frankenprompt, onde cada time adiciona regras conflitantes ao prompt do sistema.

A empresa reduziu o prompt system do Claude Code em mais de 80% nos modelos novos. Agora, habilidades e ferramentas são carregadas apenas quando necessárias. Os modelos também comentam seu próprio progresso e revisam o próprio trabalho, dispensando camadas extras de controle. Mas a Anthropic alerta: subagentes ainda fazem sentido quando o contexto de um único agente degrada performance, quando tarefas precisam rodar em paralelo com janelas de contexto separadas ou quando o agente tem dificuldade para selecionar ferramentas.

Migration kit no GitHub tem passo a passo, mas exige teste

A Anthropic publicou um migration kit no GitHub com roteiro para equipes identificarem padrões atuais, avaliarem alternativas e validarem a melhor abordagem. O kit inclui testes práticos, como o caso de um suporte que, ao mesclar subagentes, reduziu latência mas quebrou um processo existente: o agente principal passou a responder sozinho em vez de consultar o especialista certo.

A empresa recomenda centralizar a manutenção do prompt system e do controle de qualidade em uma pequena equipe central. Bibliotecas de skills devem ser mantidas enxutas: a performance do modelo cai além de 30 a 50 ferramentas definidas. Para referências como guias, especificações de produto ou definições de métricas, a Anthropic indica usar bases de conhecimento que o agente consulta sob demanda via ferramenta de busca. A empresa desaconselha injetar contexto via código diretamente nos prompts.

A recomendação da Anthropic alinha-se a estudo recente da Vals: equipes de múltiplos agentes podem ser mais rápidas, mas não entregam qualidade superior. A escalada de dez para trinta ou cem agentes não trouxe ganhos de qualidade, apenas aumento de custo e complexidade.