Anthropic diz que um único agente de IA supera exército de subagentes e libera kit de migração

Se você trabalha com agentes de IA e montou uma arquitetura com dezenas de subagentes especializados, a Anthropic tem um recado: talvez seja hora de simplificar. A empresa descobriu, na prática, que um único agente bem configurado entrega mais qualidade, custa menos e é mais rápido que um batalhão de subagentes.

A conclusão veio de experiências reais com clientes empresariais. A Anthropic Applied AI team percebeu que modelos mais recentes como Opus 4.5, Opus 5.5 e Fable 5.1 conseguem gerenciar planos complexos sozinhos, num único loop, sem precisar de uma orquestração externa. E para quem quiser fazer a troca, a empresa já soltou um kit de migração no GitHub.

O problema de ter subagentes demais

A Anthropic batizou o fenômeno de Conway’s Law para agentes: a arquitetura vira um reflexo do organograma da empresa. Cada equipe entrega seu próprio subagente, e em pouco tempo dezenas de agentes especializados se acumulam sem padrões compartilhados. Cada equipe entrega seu próprio subagente, e em pouco tempo dezenas de agentes especializados se acumulam sem padrões compartilhados. O resultado é o que a empresa chama de “Frankenprompt” um prompt de sistema onde cada time adiciona regras que acabam se contradizendo.

Um dos casos citados pela Anthropic é o de uma empresa que tinha uma dúzia de subagentes dentro do agente de atendimento ao cliente. O resultado? Era quase impossível manter uma experiência de marca consistente, e a latência alta prejudicava a usabilidade. Num fluxo multiagente, o contexto se perde a cada passagem de bastão entre o agente que escreve a funcionalidade, o que escreve os testes e o que faz a revisão de código.

Na arquitetura de agente único, um mesmo agente escreve a funcionalidade e os testes porque já tem o contexto na mão. Um verificador separado só executa os testes e reporta os resultados. Numa comparação direta da Anthropic, a arquitetura de agente único rodou cerca de duas vezes mais rápido que a configuração com múltiplos subagentes.

Menos código, mais inteligência

Parte da economia vem do próprio modelo. A Anthropic afirma que cortou o system prompt do Claude Code em mais de 80% para os modelos mais novos. Isso acontece porque skills e ferramentas agora carregam só quando são necessárias, e os modelos mais recentes comentam o próprio progresso e verificam o próprio trabalho, eliminando camadas extras de controle.

A recomendação da empresa é clara: um system prompt limpo, quatro ou cinco ferramentas de dados enxutas e guardrails de saída fixos cobrem grande parte dos casos de uso. Em vez de dar um agente próprio para cada equipe, a Anthropic sugere empacotar workflows em skills e carregar ferramentas sob demanda por meio de uma busca de ferramentas. Um time central pequeno deve cuidar do system prompt e da qualidade geral.

A empresa também alerta que a seleção de ferramentas do modelo tende a piorar além de 30 a 50 definições de ferramentas. Por isso, times designados devem manter as bibliotecas de skills enxutas. Para materiais de referência como diretrizes, especificações de produto ou definições de métricas, a Anthropic recomenda bases de conhecimento que o agente consulta só quando precisa, através de uma ferramenta de busca.

Quando ainda vale usar subagentes

A Anthropic não está dizendo que subagentes nunca funcionam. A empresa lista três situações em que eles ainda fazem sentido: quando a janela de contexto de um agente único mostra degradação de performance mensurável, quando várias tarefas precisam rodar em paralelo com janelas de contexto separadas, ou quando um agente único começa a errar na seleção de ferramentas.

A recomendação também vem com um alerta prático. Num teste com um agente de suporte, fundir um subagente reduziu a latência, mas quebrou um processo que funcionava antes. O agente principal passou a responder por conta própria em vez de consultar o especialista certo. Por isso, a Anthropic recomenda que as equipes não façam a migração às cegas e usem o kit de migração para avaliar cada caso.

📲 Essa discussão sobre arquitetura de agentes ainda vai render muito. Para não perder nenhuma novidade da Anthropic e do mercado de IA, entra no Canal do TS no WhatsApp.

O movimento da Anthropic é consistente com o que outras pesquisas andam mostrando. Um estudo da Vals descobriu que times de agentes podem ser mais rápidos que agentes únicos, mas não entregam mais qualidade. Escalar de 10 para 30 ou 100 agentes não trouxe ganhos de qualidade, só custos mais altos. O desenvolvedor da OpenAI Eric Provencher também já questionou o valor de enxames de agentes, chamando-os de “dinheiro quase certamente jogado fora”. Para quem está montando arquiteturas de IA agora, a recomendação da Anthropic é um bom ponto de partida: antes de adicionar mais um subagente, teste se o modelo que você já tem não dá conta sozinho.

Fonte: The Decoder