Anthropic: fusionar subagentes en un solo bucle duplicó la velocidad de las tareas de un cliente

Anthropic publicó el 22 de octubre un artículo sobre cuándo conviene fusionar los subagentes en el bucle principal de un agente. Un subagente es un ejecutor de IA independiente al que el agente principal encarga una parte de la tarea: buscar archivos, verificar un resultado, recopilar datos. El bucle principal es el esquema en el que un solo modelo piensa, llama a las herramientas, revisa el resultado y vuelve a empezar hasta que termina la tarea.

La idea central del artículo es que, en cada salto entre agentes, hay que volver a resumir el contexto y parte de los detalles se pierde. Según los datos del artículo, en uno de los clientes las tareas se ejecutaron aproximadamente el doble de rápido tras esa fusión.

Dónde la cadena de agentes pierde el sentido por el camino

Imagine un juego del teléfono roto en el que los participantes son modelos de lenguaje. El primer agente recibe la tarea completa. Al segundo le pasa un resumen breve. El tercero recibe el resumen del resumen. Cada paso comprime el contexto, y los matices, las restricciones y las condiciones menores son lo primero que se cae.

El autor del análisis en el canal de Telegram «Технокафе» lo explicó con una escena de «¡Kin-dza-dza!». El mayor encarga una gravitsapa, pero la orden va pasando por una cadena de patsaks. El quinto se lo cuenta al cuarto y al final traen una rueda. En el vídeo del autor, Claude disuelve esa cadena, mientras que Codex trabaja solo y saca del cajón las habilidades que necesita cuando las necesita. Aquí, las habilidades son instrucciones escritas de antemano para un tipo concreto de trabajo. Se cargan en el momento en que hacen falta, y para ello no se necesita un agente aparte al que haya que resumirle la tarea.

Los traspasos tienen además un coste directo. Cada uno supone una consulta adicional al modelo, un resumen y una espera. Si una cadena de varios agentes hace lo que podría hacer uno solo con el contexto completo, se paga en tiempo y en tokens por perder información. Es probable que de ahí saliera la mejora del doble en el cliente.

Qué se rompe tras la fusión y cómo detectarlo

El artículo no vende la fusión como una mejora gratuita. Incluye un ejemplo de soporte: se fusionaron los agentes y uno de ellos olvidó preguntar al responsable de logística la fecha de entrega. Antes, esa pregunta la hacía un agente especializado distinto, y su mera existencia garantizaba que se formulara. Tras la fusión, esa garantía desapareció.

Por eso Anthropic aconseja ejecutar una comprobación de extremo a extremo después de cualquier fusión. En la práctica:

• Tome diez tareas de referencia cuyo resultado correcto conozca. Para empezar basta con ese conjunto.
• Ejecútelas antes de la fusión y después.
• No se fije en la puntuación global. Puede subir y ocultar el fallo en un escenario concreto.
• Busque las tareas que antes pasaban y ahora fallan. Ahí suele estar el detalle perdido, como la pregunta sobre la fecha de entrega.

Con todo, nadie elimina a los subagentes. El artículo les deja tres funciones:

• reconocimiento en paralelo, cuando varios agentes buscan información a la vez en distintos lugares;
• verificación independiente, cuando un segundo agente examina el resultado del primero con una mirada fresca, no contaminada por los razonamientos de este;
• aislamiento de contexto, cuando un trabajo pesado con un gran volumen de datos no debe ensuciar la conversación principal.

Quien quiera probarlo por su cuenta puede abrir el kit de referencia single-agent-loop-kit de Anthropic. No tiene soporte, es decir, no conviene esperar actualizaciones, pero muestra el esquema del bucle de un solo agente.

Cuánto costó el vídeo de la gravitsapa

El autor del post incluyó en su análisis la economía de su propio experimento. El vídeo se montó por completo con herramientas de IA:

• Guion, ensamblaje y montaje en Claude Code con el modelo Opus 5.5: unos $7,3 al convertirlo a tarifas de API. Equivale aproximadamente al 0,8 % del límite semanal de la suscripción Max.
• Los fotogramas los dibujó GPT Image a través de Codex con la suscripción de ChatGPT, sin un cargo aparte por ellos.
• Los vídeos de las escenas los generó Seedance 2.0 en resolución 480p a través del servicio kie. El movimiento de labios para la voz del autor lo ajustó Volcengine. Entre los dos conceptos sumaron 1 849 créditos, unos $9,2.
• Aproximadamente $1 de esa cantidad se perdió en balde: se cortó la conexión y un clip se encargó dos veces.
• Voces de ElevenLabs: unos $0,08.
• La película de 1986, los títulos y el sonido los montó el autor con código.

En total salen unos $16,6 sin contar las suscripciones. Para un vídeo corto con voz y animación, la cifra es pequeña. De paso se ve por dónde se escapa el dinero: no en los modelos caros, sino en los encargos repetidos tras un corte de conexión. El mismo principio funciona en las cadenas de agentes: los traspasos de más y las repeticiones cuestan más de lo que parece.

Qué deben hacer los ingenieros

Revise su cadena. Para cada subagente, hágase una pregunta: ¿es necesario para el paralelismo, la verificación independiente o el aislamiento de contexto? Si no es para nada de eso y solo separa roles, probablemente se pueda integrar en el bucle principal. Primero reúna diez tareas de referencia, luego fusione y compare tarea por tarea, no por la puntuación media.