Wichtige Punkte
- Anthropic empfiehlt, dass Unternehmen prüfen, ob sie Sub-Agenten zu einem einzigen Agenten zusammenführen können, der den Kontext nach Bedarf laden kann.
- Die Erfahrung des Unternehmens zeigt, dass viele spezialisierte Sub-Agenten zu höherem Latenz, steigenden Kosten und Informationsverlust bei jeder Übertragung führen können.
- Anthropic hat auf GitHub ein Migrationstool veröffentlicht, um Teams bei der Umstellung zu helfen.
Anthropic hat festgestellt, dass ein einzelner Agent mit auf Anfrage bereitgestelltem Kontext oft in Qualität, Kosten und Latenz besser ist als multi-Agent-Systeme. Das Unternehmen veröffentlicht ein Migrationstool, um Teams dabei zu helfen, die Umstellung zu bewerten und durchzuführen.
Anthropic empfiehlt es den Unternehmen, zu prüfen, ob sie Sub-Agenten konsolidieren können, denn ein einzelner Hauptagent, der den Kontext nach Bedarf verarbeitet, liefert oft bessere Ergebnisse als eine Flotte spezialisierter Agenten. Neue Modelle mit Opus 4.5, zusammen mit Opus 5.5 und Fable 5.1 können komplexe Pläne direkt in einer einzigen Schleife verwalten, was wiederum Kosten und Wartezeiten reduzieren kann. Laut Anthropic war die Architektur mit einem einzelnen Agenten etwa doppelt so schnell wie die Multi-Agenten-Setup.
Die Empfehlung stammt aus praktischer Erfahrung bei mehreren unternehmensweiten Implementierungen. Dabei hat das Team von Anthropic Applied AI festgestellt, dass ein einzelner Agent, der sogenannte Fähigkeiten nutzt, in Bezug auf die Qualität häufig besser abschneidet als monolithische Prompt-Designs und Sub-Agenten. Eine Unternehmung hatte beispielsweise eine Dutzend spezialisierte Sub-Agenten innerhalb ihres kundenorientierten Agenten – was es schwierig machte, einen konsistenten Markenauftritt zu erhalten und die Benutzerfreundlichkeit durch hohe Latenzzeiten beeinträchtigte.
Das Modell kann nun den Großteil der Orchestrierungsarbeiten selbst erledigen
Laut Anthropic folgen viele Agent-Designs einem bekannten Muster mit Erkennung von Absichten, einer festen Verarbeitungs Pipeline, Benutzersegmentierung, separaten Empfehlungsschritten und einem Orchesterer darüber. Ein Großteil davon ist Arbeit, die das Modell jetzt allein für den jeweiligen Fall bewältigen kann.
Anthropic nennt es „Conway’s Law“ für Agenten. Die Architektur wird zu einer Kopie des Organigramms – jede Teamgruppe liefert ihren eigenen Unteragenten, bis Hunderte von überlappenden Agenten entstehen, ohne gemeinsame Standards. Was als Folge entsteht, ist das, was Anthropic ein „Frankenprompt“ nennt – dabei fügen jedes Team Regeln dem Systemprompt hinzu, die sich gegenseitig widersprechen. Ein sauberer Systemprompt, vier oder fünf lean Data-Tools und festgelegte Ausgabegrenzen decken größtenteils den jeweiligen Einsatzfall ab, so das Unternehmen.
Als Beispiel hat Anthropic den Claude Code-System-Prompt für neue Modelle um mehr als 80 Prozent gekürzt, teilweise weil Fähigkeiten und Tools jetzt nur dann geladen werden, wenn benötigt werden. Neue Modelle kommentieren auch ihren eigenen Fortschritt und überprüfen ihre eigene Arbeit, was dazu führen kann, dass einige zusätzliche Kontrollschichten unnötig sind.
Anthropic sagt, dass Sub-Agenten noch sinnvoll sind, wenn die Kontextfenster eines einzelnen Agents eine messbare Leistungseinbruch zeigen, wenn mehrere Aufgaben parallel mit separaten Kontextfenstern ausgeführt werden müssen, oder wenn ein einzelner Agent Schwierigkeiten bei der Werkzeugauswahl hat.
Für eine schrittweise Migration hat Anthropic ein Migration-Kit auf GitHub veröffentlicht, das Teams durch einen Workflow führt, um bestehende Muster zu identifizieren, Alternativen zu bewerten und den besten Ansatz zu überprüfen. Anthropic warnt vor blindem Mergen, da bei einem Test mit einem Support-Agenten die Einbeziehung eines Sub-Agenten die Latenzzeit verringerte, aber einen bisher funktionierenden Prozess zerstörte. Der Hauptagent begann stattdessen allein zu antworten, anstatt den richtigen Spezialisten um Rat zu fragen.
Die Teams sollten ihre Fähigkeitsbibliotheken nicht überladen lassen
Anstatt jedem Team sein eigenes Agent zu geben, empfiehlt Anthropic, Workflows in Fähigkeiten zu packen und Tools auf Anfrage über eine Toolsuche zu laden. Ein kleines zentrales Team sollte für den System-Prompt und die Gesamtqualität verantwortlich sein. Separat weist Anthropic darauf hin, dass die Werkzeugauswahl des Modells nach 30 bis 50 Werkzeugdefinitionen tendenziell abnimmt; daher sollten die zugehörigen Eigentümer auf jedem Team die Fähigkeitsbibliotheken aufrechterhalten, um eine Überlastung zu vermeiden.
Für Referenzmaterial wie Leitlinien, Produktbeschreibungen oder metrische Definitionen empfiehlt Anthropic, dass der Agent nur bei Bedarf über eine Suchtool eine Wissensdatenbank abruft. Solche Informationen können auch als Referenzdateien in einer Fähigkeit eingebettet werden. Anthropic empfiehlt dagegen, den Kontext durch Code abzurufen und ihn direkt in die Anweisungen einzubauen.
Die Erkenntnisse von Anthropic stimmen mit aktuellen Forschungen überein. Eine Untersuchung von Vals zeigte, dass Agent-Teams schneller sein können als einzelne Agenten, aber keine höhere Qualität bieten. Laut der Untersuchung führten die Skalierung von zehn auf 30 oder 100 Agenten keine Qualitätssteigerungen aus, sondern erhöhten die Kosten deutlich. Der OpenAI-Entwickler Eric Provencher hat auch den Wert von Agent-Swarmen in Frage gestellt und bezeichnete sie als „fast sicher“ als verschwendetes Geld.
Quelle: Anthropic