Anthropic अब कहते हैं एक एजेंट पर्याप्त है, तो अपने एजेंट झुंड को मार डालो

मेटा विवरणः एंथ्रोपिक की 22 अक्टूबर गाइड और किट टीमों को एक AI एजेंट से शुरू करने के लिए कहती है, न कि झुंड, और केवल तब उप-एजेंट जोड़ें जब मापा परिणाम विभाजन को सही ठहराते हैं।

टैगः AI एजेंट, एंथ्रोपिक, मल्टी-एजेंट सिस्टम, सॉफ्टवेयर वास्तुकला

[एक AI एजेंट लूप उपकरण से घिरा, पृष्ठभूमि में एजेंटों के एक चिह्नित झुंड के साथ मित्रवत चित्रण।]

22 अक्टूबर को, एंथ्रोपिक की Applied AI टीम ने एक गाइड प्रकाशित किया कि कब टीमों को उप-एजेंट्स को मुख्य एजेंट में वापस मोड़ना चाहिए और उस बदलाव के लिए एक छोटी सी ओपन-सोर्स किट जारी की। AI एजेंट बनाने वाली टीमों के लिए संदेश स्पष्ट हैः एक एजेंट, अच्छे कौशल, कुछ स्पष्ट रूप से नामित टूल और बजट के साथ शुरू करें, और दूसरे एजेंट को केवल तभी लाएं जब मूल्यांकन दिखाता है कि विभाजन इसके लायक है। थोड़ी देर के लिए, लोकप्रिय उत्तर कई था, और एजेंट डेमो अक्सर उनके ऊपर एक योजनाकार, शोधकर्ता, लेखक और बॉस एजेंट दिखाते थे। व्यावहारिक टेकअवे यह है कि कई टीमें बहुत जल्दी विभाजित हो जाती हैं और इसके लिए भुगतान करती हैं।

एक एजेंट पहले, मापा दूसरा

गाइड का डिफ़ॉल्ट सरल है। एजेंटों की एक टीम जोड़ने से पहले, एक एकल एजेंट बनाएं जो टूल का अच्छी तरह से उपयोग कर सके और अपने स्वयं के संदर्भ को बनाए रख सके। एंथ्रोपिक का कहना है कि उसने कई बड़ी कंपनी तैनाती पर नज़र रखी और पाया कि कौशल वाले एक एजेंट अक्सर विकल्पों से बेहतर प्रदर्शन करते हैं। यह बहुत बड़े संकेत और बहु-उपाय सेटअप दोनों को हरा देता है, और प्रति कार्य सस्ता और तेज़ होता है। एक ग्राहक परीक्षण में, सिंगल लूप मल्टी-एजेंट संस्करण की तुलना में लगभग दो गुना तेजी से समाप्त हो गया था।

एक अलग ग्राहक के पीछे लगभग बारह विशेषज्ञ उप-एजेंट थे। उस सेटअप ने टोन को सुसंगत रखना मुश्किल बना दिया, और एजेंटों के बीच प्रत्येक अतिरिक्त कूदने से उपयोगकर्ताओं को अधिक समय तक इंतजार करना पड़ा। एंथ्रोपिक भी प्रस्तावों में एक परिचित डिजाइन पैटर्न देखता हैः एक वर्गीकरणकर्ता इरादे का अनुमान लगाता है, तर्क की एक निश्चित श्रृंखला अनुसरण करती है, उपयोगकर्ता समूह विभिन्न सिफारिशों में शाखा बनाते हैं, और एक ऑर्केस्ट्रेटर पूरे सिस्टम पर शासन करता है। कंपनी की प्रतिक्रिया यह है कि आज के मॉडल अक्सर एक अच्छे सिस्टम प्रॉम्प्ट, मुट्ठी भर छोटे डेटा-फैचिंग टूल्स और सख्त आउटपुट नियमों के साथ बहुत कुछ संभाल सकते हैं।

उप-एजेंट टीमें विवरण क्यों खो सकती हैं

एजेंटों को विभाजित करना एक हैंडऑफ समस्या पैदा करता है। जब एक एजेंट दूसरे को काम देता है, तो यह वह सब कुछ नहीं दे सकता जो उसने देखा था, इसलिए यह सारांश लिखता है। अगला एजेंट उस सारांश से काम करता है और फिर से संक्षेप कर सकता है। एंथ्रोपिक इसे टेलीफोन गेम कहता है। एक समर्थन बॉट उदाहरण में, एजेंट ए एक चैट पढ़ता है और देखता है कि ग्राहक पहले ही एक धनवापसी प्राप्त कर चुका है, लेकिन एजेंट बी के लिए इसका नोट केवल "ग्राहक रिफंड चाहता है" कहते हैं।

डेविन कोडिंग एजेंट के पीछे कंपनी कॉग्निशन ने अपने 2025 पोस्ट "डोंट Build Multi-एजेंट्स" में एक समान मामला बनाया। इसकी दलील यह है कि एजेंटों को पूर्ण इतिहास की आवश्यकता होती है, और हर कार्रवाई में निर्णय होते हैं। यदि दो एजेंट एक-दूसरे को देखे बिना एक ही समय में काम करते हैं, तो वे अलग-अलग मूक विकल्प बना सकते हैं, और टुकड़े फिट नहीं हो सकते हैं।

एक संगठनात्मक कारण भी है। बड़ी कंपनियों में, प्रत्येक टीम को अपना टुकड़ा चाहिए, इसलिए हर टीम को एक उप-एजेंट मिलता है, और आर्किटेक्चर ऑर्ग चार्ट की प्रतिलिपि बन सकता है। एंथ्रोपिक कॉनवे के कानून की ओर इशारा करता है। परिणाम कोई स्पष्ट मालिक नहीं होने वाले अतिव्यापी एजेंट हो सकते हैं, एक सिस्टम प्रॉम्प्ट जहां प्रत्येक टीम निर्देशों से लड़ने तक एक पंक्ति जोड़ती है, एक पैटर्न जिसे गाइड फ्रेंकेनप्रॉम्प्ट कहता है, तथा परीक्षण करता है कि प्रत्येक टीम केवल अपने स्लाइस पर चलता है, जिससे कोई यह जांच नहीं कर पाता है कि पूरी प्रणाली काम करती है या नहीं।

लागत भी मायने रखती है। एंथ्रोपिक की 2025 पोस्ट में इसके मल्टी-एजेंट रिसर्च सिस्टम के बारे में कहा गया था कि एक एजेंट सामान्य चैट से लगभग 4 गुना टोकन का उपयोग करता है, और एक बहु-एजेन्ट प्रणाली लगभग 15 गुना होती है। टोकन टेक्स्ट की इकाइयाँ हैं जो मॉडल प्रोसेस करती हैं, इसलिए प्रत्येक नए एजेंट बॉक्स का मतलब फिर से अधिक मॉडल कॉल और संदर्भ भेजा जाता है। टीमें पैसे के साथ भुगतान करती हैं और उपयोगकर्ता समय के साथ देते हैं।

जब समानांतर एजेंट अभी भी मदद करते हैं

उसी कंपनी के पास कई एजेंटों के लिए एक मजबूत मामला भी है। एंथ्रोपिक की रिसर्च फीचर में, एक लीड एजेंट एक ही समय में खोज करने वाले कई उप-एजेंट शुरू करता है। आंतरिक मूल्यांकन में, सोनेट 4 हेल्पर्स के साथ Opus 4 ने 90.2% को अकेले काम करने वाले ओपस 4 से बेहतर प्रदर्शन किया था। एनथ्रॉपिक ने यह भी पाया कि टोकन उपयोग ने प्रदर्शन अंतर का 80% समझाया, क्योंकि समानांतर एजेंट प्रत्येक को एक ताजा संदर्भ विंडो या वर्किंग मेमोरी मिलती है और किसी समस्या पर अधिक टोकन खर्च कर सकते हैं।

गाइड स्पष्ट है कि यह कहां फिट बैठता है। यह बहुत सारे काम के साथ मूल्यवान कार्यों के लिए भुगतान करता है जो एक-दूसरे के बगल में चल सकते हैं, जब जानकारी एक संदर्भ खिड़की में फिट नहीं होती है, या जब कई जटिल उपकरण होते हैं। एंथ्रोपिक ने नोट किया कि अधिकांश कोडिंग कार्य अनुसंधान की तुलना में कम वास्तविक समानांतरता रखते हैं। दोनों मामले अलग-अलग नौकरियों का वर्णन करते हैं, न कि एक नियम।

विभाजन के दो पुराने कारण कमजोर हो गए हैं। एक संकेत का आकार था: प्रत्येक निर्देश को एक संकेत में रखना बहुत बड़ा हो गया। आधुनिक फिक्स प्रगतिशील प्रकटीकरण है, जहां एजेंट प्रत्येक कौशल या उपकरण के बारे में केवल एक छोटी लाइन देखता है और जब उसे उनकी आवश्यकता होती है तो पूर्ण निर्देश लोड करता है। एंथ्रोपिक का कहना है कि इसने नए मॉडल के लिए Claude Code सिस्टम प्रॉम्प्ट को 80% से अधिक छोटा कर दिया है।

मॉडल क्षमता भी बदल गई। गाइड का कहना है कि ओपस 4.5 के बाद से, एक लूप अधिकांश टीमों की अपेक्षा बहुत अधिक संभाल सकता था। नए मॉडल खुद पर रिपोर्ट कर सकते हैं और परिणामों को दोहरा-जांच कर सकते ਹਨ, इसलिए बहुत सारे मचान बेकार हो गए और यहां तक कि मजबूत मॉडल को वापस पकड़ सकते थे।

दूसरा एजेंट जोड़ने से पहले तीन जांच

मार्गदर्शिका तीन मामलों को बताती है जहां एक उप-एजेंट अभी भी समझ में आता है। सबसे पहले, क्या काम वास्तव में समानांतर है, अलग-अलग भागों के साथ जो प्रत्येक नए संदर्भ में चलते हैं जिन्हें आप बाद में फेंक देते हैं? पांच असंबंधित कंपनियों की संक्षिप्त प्रोफाइल उस पैटर्न से मेल खाती हैं।

दूसरा, क्या टीमें वास्तव में गुणवत्ता की गिरावट देख सकती हैं क्योंकि एक संदर्भ विंडो बहुत भरी हुई है? यह महसूस करना कि बातचीत लंबी है पर्याप्त नहीं है।

तीसरा, क्या एजेंट गलत उपकरण चुनता है या विरोधाभासी निर्देशों से भ्रमित हो जाता है? गाइड में उल्लेख किया गया है कि लगभग 30 से 50 उपकरण परिभाषाओं के बाद टूल की पसंद बदतर होती है।

यदि उन जाँचों में से कोई भी सही नहीं है, तो एक एजेंट रखें। एक अतिरिक्त मामला हैः अगर किसी विशेषज्ञ को उपयोगकर्ता के साथ सीधे बात करनी हो, तो पूरी बातचीत सौंपने का अधिकार हो सकता है। अन्य मामलों में, मुख्य एजेंट के लिए उपकरण की तरह विशेषज्ञ को बुलाना और चैट के प्रभारी रहना बेहतर होता है। जब टीमें विभाजित होती हैं, तो उन्हें विषयों के साथ नहीं बल्कि संदर्भ के साथ काटना चाहिए। एक अच्छी उप-एजेंट नौकरी को अन्य हिस्सों से लगभग कुछ भी ज़रूरत नहीं होती है और कुछ छोटी चीजें वापस आती हैं, जैसे कि यह जानने के बिना परिणाम की जांच करना कि इसे कैसे बनाया गया था, या एक स्वच्छ इंटरफ़ेस के पीछे एक घटक।

एकल-लूप विकल्प आदिम नहीं है। एक संदर्भ विंडो वाला एक मॉडल टूल के साथ लूप में चलता है। प्रत्येक मोड़ पर यह कई टूल्स का अनुरोध कर सकता है, और हार्नेस जो मॉडल को चलाता है और उपकरण निष्पादित करता है वह उन्हें एक ही बार में चलाने की अनुमति देता है। फिर मॉडल कच्चे आउटपुट पढ़ते हैं और अपनी योजना समायोजित करते हैं। कौशल अब उस घर के ज्ञान को ले जाते हैं जिसे विशेषज्ञ ने एक बार आयोजित किया था। उपकरण क्रियाएं करते हैं, लाइव डेटा लाते हैं और हार्ड नियमों को लागू करते हैं जैसे कि लिखने से पहले अनुमोदन मांगना। हार्नेस मोड़ों और धन पर सीमा निर्धारित करता है। समानांतर काम अभी भी होता है, लेकिन यह टूल कॉल में होता है।

एक झुंड को तोड़ने के बिना कैसे मोड़ें

गाइड में चेतावनी महत्वपूर्ण है। एंथ्रोपिक ने एक नमूना समर्थन एजेंट को मोड़ने की कोशिश की। यह तेज़ हो गया, लेकिन इससे पहले पारित होने वाला मामला विफल होना शुरू हुआ। मुख्य एजेंट अपने आप ऑर्डर देख सकता था, इसलिए उसने अकेले जवाब दिया और शिपिंग एजेंट से कभी नहीं पूछा कि पैकेज कब आएगा। दो रनों में से केवल एक में विफलता हुई, जिसे याद करना आसान है यदि कोई टीम एक बार परीक्षण करती है।

यही कारण है कि ओपन-सोर्स किट तीन चरणों में काम करता है। पहला, माप: पूरे सिस्टम के लिए एक मूल्यांकन का निर्माण करें, लगभग दस अच्छे उदाहरण शुरू करने के लिए पर्याप्त हैं। दूसरा, एजेंटों को संयोजित करें जिन्हें हमेशा किसी भी तरह से जोड़ी के रूप में बुलाया जाता है। तीसरा, उपकरण के साथ बाकी को एक-एक करके कौशल में मोड़ें, और हर बार स्कोर की तुलना करें। यदि फोल्ड किए गए संस्करण कम स्कोर करते हैं, तो सबगेंट रखें। गाइड कहता है कि टीमों को यह देखना चाहिए कि कौन सी विशिष्ट कार्य परिणाम बदलते हैं, न केवल कुल, और प्रत्येक कार्य को कई बार चलाएं। किट स्पष्ट रूप से बताता है कि एक सुबागेंट रखना एक अच्छा परिणाम है।

एक्स पर लोगों ने पकड़ को नोटिस किया: यह जानने के लिए कि कब एक तह को पूर्ववत करना है पूरे सिस्टम मूल्यांकन की आवश्यकता है, और कई टीमों में कोई नहीं है। व्यावहारिक उत्तर पहले उस मूल्यांकन का निर्माण करना है।

टीमों को आगे क्या करना चाहिए

अगले AI एजेंट प्रोजेक्ट के लिए, गाइड की सलाह है कि छोटे से शुरू करें: एक एजेंट, अच्छे कौशल, कुछ स्पष्ट रूप से नामित उपकरण और बजट। केवल वास्तविक समानांतर कार्य के लिए दूसरा एजेंट जोड़ें, ऐसा संदर्भ जो बहुत अधिक भरा हुआ हो, या उपकरण मिश्रण कर रहे हों, और केवल तभी जब मूल्यांकन दिखाता है तो यह मदद करता है। मामलों में एंथ्रोपिक का वर्णन किया गया है, एक एजेन्ट जो सब कुछ याद रखता है आमतौर पर तेज और सस्ता होता है, और यह रास्ते में विवरण नहीं खोता है।