Anthropic: unir subagentes em um único loop deixou as tarefas de um cliente duas vezes mais rápidas

A Anthropic publicou em 22 de outubro um artigo sobre quando vale fundir os subagentes no loop principal do agente. Subagente é um executor de IA separado, a quem o agente principal entrega parte da tarefa: encontrar arquivos, verificar um resultado, coletar dados. O loop principal é o modo em que um único modelo pensa por conta própria, chama ferramentas, olha o resultado e repete tudo até a tarefa terminar. A ideia central do artigo: a cada transição entre agentes, o contexto precisa ser recontado do zero, e parte dos detalhes se perde. Segundo o artigo, num dos clientes as tarefas ficaram cerca de duas vezes mais rápidas depois dessa fusão.

Onde a cadeia de agentes perde o sentido pelo caminho

Imagine um jogo de telefone sem fio, só que com modelos de linguagem. O primeiro agente recebe a tarefa completa. Ao segundo, repassa um resumo curto. O terceiro recebe o resumo do resumo. Cada etapa comprime o contexto, e os matizes, as restrições e as condições menores são os primeiros a cair.

O autor da análise no canal do Telegram «Технокафе» explicou isso com uma cena de «Kin-dza-dza!». O mais velho encomenda uma gravitsapa, mas a ordem passa por uma cadeia de patsaki. O quinto repassa ao quarto e, no fim, trazem uma roda. No vídeo do autor, o Claude desfaz essa cadeia, enquanto o Codex trabalha sozinho e tira da gaveta as habilidades necessárias, quando precisa delas. Aqui, habilidades são instruções escritas de antemão para um tipo específico de trabalho. Elas são carregadas na hora em que se tornam necessárias, sem precisar de um agente separado que receba um resumo da tarefa.

As transições também têm um custo direto. Cada repasse é uma requisição extra ao modelo, um resumo e uma espera. Se uma cadeia de vários agentes faz o que um só faria com o contexto completo, você paga em tempo e tokens pela perda de informação. Provavelmente foi daí que veio o ganho de duas vezes no cliente.

O que quebra depois da fusão e como detectar

O artigo não vende a fusão como uma melhoria gratuita. Ele traz um exemplo de suporte: os agentes foram unificados, e um deles esqueceu de perguntar ao responsável pela logística a data de entrega. Antes, essa pergunta era feita por um agente especializado separado, e a mera existência dele garantia que ela fosse feita. Depois da fusão, a garantia desapareceu.

Por isso, a Anthropic recomenda rodar uma verificação de ponta a ponta depois de qualquer fusão. Na prática, funciona assim:

• Pegue dez tarefas de referência, para as quais você conhece o resultado correto. Para começar, esse conjunto já basta.
• Rode as tarefas antes da fusão e depois dela.
• Não olhe a pontuação geral. Ela pode subir e esconder uma falha em um único cenário.
• Procure as tarefas que antes passavam e agora falham. É ali que costuma estar o detalhe perdido, como a pergunta sobre a data de entrega.

Isso não elimina os subagentes. O artigo mantém três funções para eles:

• exploração paralela, quando vários agentes buscam informações em lugares diferentes ao mesmo tempo;
• verificação independente, quando um segundo agente examina o resultado do primeiro com um olhar novo, não contaminado pelo raciocínio dele;
• isolamento de contexto, quando um trabalho pesado, com grande volume de dados, não deve poluir a conversa principal.

Quem quiser entender na prática pode abrir o single-agent-loop-kit, kit de referência da Anthropic. Ele não tem suporte, ou seja, não convém esperar atualizações, mas mostra a arquitetura do loop de agente único.

Quanto custou o vídeo sobre a gravitsapa

O autor do post anexou à análise a conta do próprio experimento. O vídeo foi montado inteiramente com ferramentas de IA:

• Roteiro, montagem e edição no Claude Code, com o modelo Opus 5.5: cerca de $7,3 pelas tarifas da API. Isso equivale a aproximadamente 0,8% do limite semanal da assinatura Max.
• Os quadros foram desenhados pelo GPT Image via Codex, pela assinatura do ChatGPT, sem cobrança separada.
• Os vídeos das cenas foram feitos pelo Seedance 2.0, em resolução 480p, pelo serviço kie. O movimento dos lábios, sincronizado com a voz do autor, foi ajustado pelo Volcengine. Juntos, esses dois itens custaram 1 849 créditos, cerca de $9,2.
• Aproximadamente $1 desse valor foi desperdiçado: a conexão caiu e um dos clipes foi encomendado duas vezes.
• Vozes da ElevenLabs: cerca de $0,08.
• A película de 1986, os créditos e o som foram montados pelo autor com código.

No total, o custo foi de cerca de $16,6, sem contar as assinaturas. Para um vídeo curto, com locução e animação, o valor é pequeno. Também dá para ver onde o dinheiro se perde: não nos modelos caros, mas nas encomendas repetidas depois de uma queda de conexão. O mesmo princípio vale para cadeias de agentes: repasses e repetições desnecessários custam mais do que parece.

O que fazer, para engenheiros

Revise a sua cadeia. Para cada subagente, faça a pergunta: ele existe para paralelismo, verificação independente ou isolamento de contexto? Se não serve a nenhum desses fins e apenas separa papéis, provavelmente dá para fundi-lo ao loop principal. Primeiro, monte dez tarefas de referência; depois, una os agentes e compare tarefa a tarefa, não pela pontuação média.