Anthropic radí slučovat agenty podle sdílených podkladů
Anthropic doporučuje prověřit slučování AI agentů, kteří pracují se stejnými podklady a předávají si výsledky. Samostatné pomocníky dál používá pro nezávislé ověřování a souběžnou práci. Doprovodná sada ukazuje i případ, kdy po sloučení přestal fungovat dříve úspěšný postup.
Firmy nemusí mít pro každý druh požadavku samostatného AI agenta. Anthropic v doporučení z 22. října 2026 popisuje, kdy převést práci pomocníků na jednoho hlavního agenta. Rozhodovat má to, jaké podklady jednotlivé kroky potřebují. Pokud si stále předávají stejné informace, rozdělení podle firemních oddělení může přidat čekání a ztrátu detailů.
Jeden agent si uchová souvislosti mezi kroky
Agent je program, který opakovaně volá model a podle jeho odpovědí používá nástroje. Pomocný agent má vlastní pokyny i kontext, tedy zadání, podklady a dosavadní výsledky. Hlavnímu agentovi zpravidla vrací shrnutí. Právě při tomto předávání se podle týmu Applied AI v Anthropicu mohou ztrácet informace, které další krok potřebuje.
Diane Sarkis uvádí zkušenost firmy, jejíž zákaznická služba používala tucet specializovaných agentů. Obtížně udržovala jednotný způsob komunikace a zákazníci dlouho čekali na odpověď. Anthropic navrhuje začít slučováním pomocníků, kteří se často volají po sobě, používají stejná data nebo závisejí na výsledku toho druhého.
Ve společném kontextu může model navázat přímo na předchozí práci. Nemusí si z cizího shrnutí rekonstruovat, proč už padlo určité rozhodnutí. Celý podnikový návod však nemá dostat do úvodního zadání: nejprve vidí stručné popisy dostupných postupů a nástrojů, jejich úplné znění si načte až podle potřeby. Pro soubory s pracovními postupy Anthropic používá označení skills.
Rychlejší odpověď může vynechat potřebný krok
Sloučení má podle doporučení probíhat po jednom pomocníkovi a vždy se stejnou sadou zkušebních úkolů před změnou i po ní. Nestačí porovnat celkovou známku. Je třeba zjistit, které konkrétní požadavky začaly procházet a které naopak přestaly.
Anthropic popisuje poruchu ve svém ukázkovém agentovi zákaznické podpory. Po sloučení klesla doba odpovědi, ale hlavní agent začal odpovídat sám z nástroje pro vyhledání objednávky. Nezeptal se specialisty na dopravu na termín doručení. Dříve fungující postup tím rozbil. Chyba se navíc objevila jen v jednom ze dvou běhů, takže jediný úspěšný pokus by ji neodhalil.
Zkušební požadavky proto mají pokrýt i řetězce pomocníků, které systém skutečně používá, a pravidla, jež nesmí porušit. U zákaznické služby je rozdíl mezi plynulou odpovědí a správně zjištěným termínem dodání. Pěkně napsaná závěrečná zpráva sama neukáže, zda agent potřebná data vůbec získal.
Doprovodná sada přiznává rozsah svého ověření
Veřejný Single agent loop kit obsahuje ukázku podpory se směrováním požadavků a šesti pomocnými agenty. Má pomoci jejich práci zmapovat, změřit výchozí stav a pak jednotlivé části slučovat nebo převádět na postupy hlavního agenta. Některé pomocníky lze ponechat a jen je volat jako nástroj, zatímco rozhovor se zákazníkem dál vede hlavní agent.
README ale označuje sadu za referenční ukázku bez další údržby. Na skutečném modelu proběhly dva běhy příkladu, provedené jedním člověkem na jednom modelu. Hotovou podobu společného agenta, některé kroky převodu ani použití sady na jiném systému autoři takto neověřili. Část ochranných úprav vznikla až po obou bězích a prošla pouze kontrolami bez volání modelu. Redakce sadu nespouštěla.
Oddělený pomocník má stále své místo
Anthropic dál používá více agentů například při výzkumu. Samostatný kontext doporučuje zachovat, pokud se výkon hlavního agenta prokazatelně zhoršuje kvůli množství podkladů, pokud lze nezávislé úkoly řešit souběžně nebo pokud model nezvládá výběr nástrojů či rozporné pokyny. Nezávislé ověření výsledku je dalším důvodem, proč pomocníka ponechat.
Podobnou závislost na konkrétní práci ukazuje nezávislé měření Vals AI z 9. října. Při stavbě webových aplikací porovnávalo GPT-6 Sol a Claude Opus 5.5; přínos týmů se lišil podle modelu a nastavené míry uvažování. Podrobnosti popisuje rozbor výsledků a nákladů tohoto testu. Nejde o opakování nového postupu Anthropicu na firemní zákaznické podpoře.
Pravidla přístupu přitom podle Anthropicu musí vynucovat samotné nástroje. Nástroj ověří, co smí přihlášený uživatel číst nebo měnit, a nepovolenou operaci odmítne. Přesun práce do společného kontextu tak doprovází kontrola oprávnění při každém volání, nikoli pouhý pokyn modelu, aby na ně pamatoval.