ИИ-агенты · Вдвоём

Claude научился собирать себе команду: один агент руководит сотнями других

Anthropic выпустила dynamic workflows: ИИ-агент сам пишет план работы и раздаёт её другим агентам. В тесте компании такая команда нашла 66 ошибок из 70, а агент-одиночка не больше 27. Разбираем, как это устроено и где подвох.

Олег Романов · Вдвоём

9 октября 2026 года Anthropic открыла в бета-версии новую возможность своей платформы Claude Managed Agents под названием dynamic workflows, то есть динамические рабочие процессы. Суть простая: если задача слишком большая для одного агента, он не пытается тащить её в одиночку, а пишет программу, которая запускает много других агентов, раздаёт им части работы и собирает результаты. Получается не помощник, а руководитель небольшого цифрового отдела. Разбираем, что реально нового, насколько это работает и кому пригодится.

Что реально нового

Агент сам пишет план и запускает команду. По документации Anthropic, ведущий агент составляет workflow, программу из нескольких этапов. На каждом этапе работает группа агентов, у каждого своя часть задачи и свой чистый контекст, а результаты передаются на следующий этап и в конце объединяются. Всё это выполняется на серверах Anthropic в фоне, а ведущий агент может тем временем заниматься другим и проверять, как идёт работа.

Масштаб: до тысячи агентов за один запуск. Одновременно работают до 64 агентов, а всего за один запуск их может быть до 1000. В одной сессии можно держать до 10 таких запусков. Во многих пересказах пишут про «1000 агентов параллельно», но это неточно: параллельно идут 64, остальные запускаются по мере того, как освобождается место.

Команда находит больше, чем одиночка. Anthropic проверила подход на собственном тесте: в код объёмом 116 тысяч строк заранее спрятали 70 ошибок. Один агент за три попытки нашёл 14, 15 и 27 ошибок. Dynamic workflow во всех трёх попытках нашёл 66. Важно не только количество, но и стабильность: у команды результат не менялся, а у одиночки прыгал почти вдвое.

Как работает dynamic workflow: ведущий агент, этапы и результат, плюс результаты теста Anthropic

Где подвох

Первое: это один внутренний тест самой Anthropic. В нём не сказано, сколько было ложных срабатываний, сколько времени и денег ушло на каждый вариант. Хороший результат на поиске ошибок в коде не гарантирует такого же результата в любой другой задаче.

Второе: это дорого. Каждый агент тратит токены, и сотни агентов тратят их очень быстро. Anthropic сама советует начинать с небольшой задачи и ставить лимит бюджета на сессию.

Третье: это инструмент для разработчиков. Его включают через API платформы Claude, в обычном чате такой кнопки нет. Чтобы им воспользоваться, нужно собрать своего агента или поручить это тому, кто умеет.

Почему это важно не только разработчикам

Главная мысль здесь не про код. Большие задачи ИИ теперь решает так же, как их решают люди: делит работу на части, раздаёт исполнителям и сводит результат. Проверить сотни договоров, сравнить десятки поставщиков, разобрать все отзывы клиентов за год: всё это задачи, которые одному агенту не помещаются в голову, а команде агентов вполне по силам.

Живой пример: как это выглядит у нас

В проекте «Вдвоём» мы работаем в агентных сессиях Claude: так собраны бот с приёмом оплаты, четыре PDF-модуля курса и монтаж роликов для ИИ-блогера Насти. И мы уже пользуемся тем же принципом, только в маленьком масштабе.

Каждую неделю агент готовит черновики постов для нашего канала. Он не делает всё сам, а запускает двух помощников: один ищет серьёзные новости про ИИ, другой смешные истории, и каждый работает со своим чистым контекстом. Потом ведущий агент собирает их работу и проверяет. Но финальную сверку всё равно делает человек: недавно именно она показала, что часть найденных историй у нас уже выходила. Команда агентов ускоряет работу, но не отменяет проверку.

Что с этим делать

1. Ищите в своём деле задачи, которые легко делятся на части. Много однотипных документов, отзывов или заявок хорошо подходят для команды агентов.
2. Начинайте с малого. Один агент на небольшом объёме сначала, команда агентов потом, когда понятно, что результат того стоит.
3. Считайте деньги и оставляйте человека на проверке. Чем больше агентов, тем выше счёт и тем важнее, чтобы итог смотрел живой человек.

Источники: документация Anthropic по Claude Managed Agents (раздел Multiagent orchestration и Workflow runs), анонс ClaudeDevs (9 октября 2026), The Decoder, 36Kr.