Claude message threads: jak zrychlit dlouhé agentní smyčky
Claude message threads posílají jen nové zprávy místo celé historie. Ukážu ti nastavení, pasti a kdy se to vyplatí u dlouhých agentních smyček.
Obsah článku 8 sekcí
V kostce
- Message threads posílají celou konverzaci jednou a pak jen nové zprávy plus id předchozí odpovědi, takže requesty zůstávají malé.
- Anthropic uvádí u requestů s 500 tisíci až 1 milionem tokenů pokles mediánu času do první odpovědi o zhruba 35 %; ceny a rate limity se nemění.
- Thread vyprší 5 minut po posledním requestu, proto si drž vlastní kopii konverzace a připrav replay při chybě 404.
- Threads nepodporují Message Batches, token counting ani compaction; funkce je zatím v betě s hlavičkou message-threads-2026-08-12.
Pokud stavíš agenta nad Claude API, znáš ten pocit: prvních pár kroků běží svižně, ale po stovkách tool callů se před každou odpovědí čeká čím dál déle. Claude message threads jsou nová funkce Messages API, která tohle řeší jednoduchým trikem: celou konverzaci pošleš jen jednou a v dalších kolech už jen to, co přibylo. Anthropic je 2. listopadu 2026 spustil jako veřejnou betu. V tomhle návodu ti ukážu, jak fungují, jak je zapnout a kde na tebe čekají pasti.
Hned na začátku jedna důležitá věc, ať nečekáš zázraky: threads zrychlují čas do první odpovědi (time to first token), ne cenu. Ceny ani rate limity se nemění.
Co jsou Claude message threads a proč na nich záleží
Bez threads posílá každý request celou historii znovu. Agent, který v jedné session udělá stovky requestů, tak pokaždé nahrává všechny předchozí zprávy i výsledky nástrojů. API je navíc pokaždé znovu validuje a tokenizuje. Jakmile konverzace dosáhne stovek tisíc tokenů, přidává tohle zbytečnou prodlevu před tím, než Claude začne odpovídat.
S message thread uloží API konverzaci na serveru na krátkou dobu. První request obsahuje všechno (konverzaci, system prompt i tools), každý další jen nové zprávy a id předchozí odpovědi. Aplikace tak posílá menší requesty a čas do první odpovědi zůstává nižší a stabilnější i s rostoucí konverzací.
Anthropic v oznámení z 2. listopadu 2026 uvádí konkrétní číslo: u requestů s 500 tisíci až 1 milionem tokenů klesl medián času do první odpovědi zhruba o 35 %. Message threads jsou navíc ve výchozím nastavení zapnuté pro většinu uživatelů Claude Code, takže pokud používáš Claude Code, pravděpodobně už z nich těžíš, aniž bys cokoli nastavoval.
Pro koho vývojáře a týmy, které staví vlastní agenty nebo smyčky nad Messages API.
Pozor jde o betu. Název beta hlavičky je message-threads-2026-08-12 a chování se ještě může měnit.
Kdy se message threads vyplatí (a kdy ne)
Podle dokumentace pomáhají nejvíc tam, kde konverzace rychle roste:
- Kódovací agenti, kde každý výsledek nástroje nebo úprava souboru přidává další text.
- Computer use agenti, kde screenshoty zůstanou ve threadu místo opakovaného nahrávání v každém kole.
- Workflow s dokumenty a obrázky, kde jsou requesty velké.
Čím víc kontextu agent nese, tím víc threads ušetří na čase do první odpovědi. U krátkého chatu o třech zprávách nepoznáš skoro nic. Pokud tvůj agent dělá jen pár kroků, nemá smysl komplikovat kód.
Hodí se i k tématům, o kterých jsme psali dřív: když pouštíš Claude Code v headless režimu přes noc, běží tvoje smyčka hodiny a konverzace bobtná. Podobně u paralelních vláken v Claude Code projektech. Pozor ale na záměnu pojmů: message threads v Messages API nejsou totéž co session threads v Claude Managed Agents. Dokumentace to výslovně odlišuje.
Jak message threads nastavit krok za krokem
Zkontroluj model a platformu
Funkce je v betě na Claude API, Claude Platform on AWS, Claude Models on Google Cloud (spravované Anthropicem) a v Microsoft Foundry. Podle dokumentace jsou message threads v betě na všech modelech (příklady v dokumentaci používají claude-opus-5-5). Aktuální stav si před nasazením ověř v dokumentaci message threads (stav k 5. listopadu 2026).
Použij SDK helper
Nejjednodušší cesta je thread helper v SDK. Vytvoříš ho se stejnými poli jako běžný Messages request a posíláš mu zprávy kolo po kole. Helper si drží celou konverzaci v paměti a sám přidá beta hlavičku.
import anthropic
client = anthropic.Anthropic()
# Vytvoření helperu (tohle volání ještě nic neposílá)
thread = client.beta.messages.thread(
model="claude-opus-5-5",
max_tokens=1024,
cache_control={"type": "ephemeral"},
system="Jsi podpora e-shopu Acme. Odpovídej stručně.",
)
# Kolo 1: helper vytvoří thread a pošle celou konverzaci
thread.send({"role": "user", "content": "Ahoj, mám dotaz k objednávce."})
# Kolo 2: helper pokračuje ve threadu a pošle jen novou zprávu
second = thread.send(
{"role": "user", "content": "Jak dlouho trvá standardní doprava?"}
)
Tenhle příklad vychází z oficiální dokumentace, jen jsem přeložil texty promptů. Top-level cache_control je volitelný, ale zapíná prompt caching pro každé kolo. Bez něj se sice dál posílají jen nové zprávy, ale nic se necachuje, dokud si neurčíš cache breakpointy sám.
Chceš to bez helperu? Pochop create a continue
Pod pokličkou jsou jen dva typy requestů:
- Create: pošleš plnou konverzaci,
systematoolsa přidáš"thread": {"type": "create"}. API konverzaci včetně odpovědi uloží podidodpovědi. - Continue: pošleš jen zprávy od poslední odpovědi a přidáš
"thread": {"type": "continue", "previous_message_id": "<předchozí id>"}. Polesystematoolsvynecháš, thread si pamatuje hodnoty z create requestu.
Každé další kolo pak navazuje na id nejnovější odpovědi.
Počítej s tím, že thread vyprší
Thread je best-effort. Vyprší 5 minut po posledním requestu a API ho smaže nejpozději hodinu po posledním použití. Každá uložená odpověď tu pětiminutovou lhůtu restartuje. Když API thread už neumí obnovit, vrátí continue request chybu 404.
Řešení je jednoduché, ale musíš ho naprogramovat od začátku: drž si vlastní kopii konverzace a při chybě pošli všechno znovu jako nový create request. SDK helper tohle replay dělá za tebe. Aplikace zůstává zdrojem pravdy, nikoli server.
Zapni prompt caching vědomě
Thread sám prompt necachuje. Caching funguje jako dřív a ty určuješ, kam se dají breakpointy. Request s thread smí mít nejvýše 4 cache_control breakpointy a top-level cache_control se počítá jako jeden. Breakpoint nemůžeš po odeslání přesunout ani odebrat, protože continue request nemůže poslat starší zprávu znovu. Jeden breakpoint navíc skončí chybou 400 s kódem thread_unsupported_request.
Nejčastější pasti: co message threads nepodporují
Tady se vyplatí číst pozorně, protože tohle rozbije nasazení nejčastěji. Podle dokumentace threads nepodporují:
- Message Batches (položka s
threadskončí chybouinvalid_request_error), - token counting (vrátí 400, počítej celou konverzaci i se
systematools), - compaction, včetně compaction on demand,
- context editing (kromě
clear_thinking_20251015skeep: "all"), - organizace se zapnutou HIPAA readiness,
- organizace se zapnutými inference hooks.
Pokud tvůj agent spoléhá na compaction pro zkracování dlouhé konverzace, musíš si to řešit jinak, třeba vlastním shrnutím mezi vlákny. K tomu se hodí náš text o tom, jak auditovat compaction souhrny při předávání mezi agenty.
Další pasti z chybové tabulky:
thread_not_found(404): thread už neexistuje, pošli plnou konverzaci znovu.thread_fingerprint_mismatch(400): změnil ses pevné pole (například model nebosystem), které thread ukládá. Buď ho nech stejné, nebo začni nový thread.thread_already_continued(400): každéidodpovědi jde použít k pokračování jen jednou. Pokračuj vždy z nejnovějšího.thread_continue_in_flight(400): předchozí pokus ze stejnéhoidještě běží, obvykle tvůj vlastní.
Pokud streamuješ, navazuj na nové id až po události message_stop. Dřívější continue request může skončit chybou 404.
Tip u fallback modelů počítej s tím, že thread drží jediný model. Odpověď napsanou záložním modelem API neuloží, takže po ní musíš poslat plnou konverzaci v novém create requestu. SDK helper to dělá sám, ale při dlouhém běhu na fallbacku pak každé kolo posílá všechno a výhoda threads mizí.
Soukromí a data: co se na serveru děje s tvou konverzací
Message threads nejsou ZDR eligible (zero data retention). Thread obsahuje konverzaci, system a tools z create requestu a otisk pevných polí. Drží se v paměti, je šifrovaný klíčem spravovaným serverem, nikdy se nezapisuje na trvalé úložiště a maže se nejpozději hodinu po posledním použití. Soubory drží odkazem, takže musí zůstat dostupné po celou dobu práce s threadem.
Použití threads nijak neomezuje ostatní funkce, které ZDR podporují. Pokud ale zpracováváš citlivá data v režimu s přísnými požadavky, tohle je první věc, kterou musí odsouhlasit tvůj compliance tým.
Jak ověřit, že ti threads něco přinesly
Anthropic uvádí medián z vlastního provozu Claude Code, tvoje čísla budou jiná. Neber proto 35 % jako slib. Doporučený postup:
- Změř čas do první odpovědi (TTFT) na reálné session s agentem před zapnutím threads.
- Zapni thread na stejném typu úlohy a porovnej TTFT v pozdějších kolech, kde je konverzace dlouhá.
- Sleduj, jak často přijde 404 a replay. Když skoro každé kolo končí replayem, thread ti nepomáhá. Typicky když tvoje agentní kolo trvá déle než 5 minut.
- Hlídej cenu: používání tokenů se nemění, takže úspora se projeví jen v čase, ne na faktuře.
Tohle jsme zatím v produkčním provozu aicko.cz nezkoušeli. Všechna čísla v textu pocházejí z oznámení a dokumentace Anthropicu, nikoli z našeho testu.
Časté otázky
Šetří Claude message threads tokeny nebo peníze?
Ne. Podle Anthropicu se využití tokenů nemění a platí standardní ceny i rate limity. Threads zkracují čas do první odpovědi, protože se neposílá, neověřuje a netokenizuje celá historie znovu.
Co se stane, když thread vyprší?
Thread vyprší 5 minut po posledním requestu. Continue request pak vrátí chybu 404 (thread_not_found) a ty musíš poslat celou konverzaci znovu v novém create requestu. SDK helper to udělá automaticky, ale vlastní kopii konverzace si u ručního řešení musíš držet sám.
Musím k zapnutí message threads použít SDK helper?
Ne, funkci můžeš použít i přes surové requesty s parametrem thread a beta hlavičkou message-threads-2026-08-12. Helper ale řeší replay, refusal i dropped streamy, takže je pro většinu projektů bezpečnější volba. Beta tool runner v SDK navíc thread používá ve výchozím nastavení.
Funguje to s Message Batches nebo token countingem?
Nefunguje. Batch položka s thread skončí chybou a token counting vrátí 400. Pro počítání tokenů použij plnou konverzaci i se system a tools.
Je to rozdíl oproti prompt cachingu?
Ano. Prompt caching snižuje práci modelu s opakovaným promptem, message threads snižují objem dat, který posíláš a API znovu zpracovává. Dají se kombinovat, ale caching musíš zapnout sám přes cache_control. Víc o dalším ladění agentů najdeš v návodu jak nastavit reasoning effort a v článku o migraci na Anthropic SDK 2.0.
Co si z toho odnést
Message threads jsou jednoduchá úprava s jasným přínosem pro dlouhé agentní smyčky: menší requesty a nižší čas do první odpovědi. Chce to ale disciplínu: vlastní kopie konverzace, plán na replay, vědomé cache breakpointy a kontrola omezení (compaction, batches, HIPAA). Začni na jednom agentovi s dlouhým kontextem, změř TTFT před a po a teprve potom nasazuj plošně.
Ušetřete
- Anthropic: 6 měsíců Claude Ultra zdarma (v hodnotě 1 200 $) — zobrazit výhodu
- Anthropic: API kredity na Claude zdarma (výše podle projektu) — zobrazit výhodu
- Anthropic: Claude Team od 8 $ za uživatele měsíčně (3 $ v zemích s nižšími příjmy) — zobrazit výhodu