Dlouho platilo, že když AI agentovi narůstá prompt, rozdělíš ho na víc agentů: jeden na objednávky, druhý na fakturaci, třetí na reklamace a nad nimi router. Otázka subagenti vs skills se ale v říjnu 2026 otočila. Anthropic 22. října 2026 vydal článek Building agents: When to fold subagents into your main agent loop (autorka Diane Sarkis). Radí v něm používat méně subagentů a víc postupně odhalovaného kontextu, tedy skills a nástrojů, které se načtou jen tehdy, když je agent potřebuje.
Tenhle text je shrnutí pro lidi, kteří agenty skládají v práci. Odpovídá na tři věci: co Anthropic doporučuje, kdy subagenty zrušit a kdy je naopak nechat, a jak to zkusit u sebe bez slepého přepisování.
Důležité upozornění nic z toho jsme si sami nezměřili. Vycházíme z původního článku Anthropicu, z jeho repozitáře a z komentářů, které k němu vznikly. Čísla, která uvádíme, jsou čísla Anthropicu a nejde o nezávislé měření.
Co Anthropic o subagentech vlastně říká
Hlavní teze zní: v podnikových srovnáních často vyhrál jeden agent se skills nad návrhem s jedním obřím promptem i nad návrhem se subagenty. Vyhrál na kvalitě a často i na ceně a rychlosti jednoho úkolu.
Anthropic uvádí pět typických potíží, které se objeví ve větších firmách:
- ztráta kontextu při předávání mezi agenty, protože každé předání je jen shrnutí,
- rozrůstání subagentů bez vlastníka a bez společných pravidel,
- „Frankenprompt", tedy prompt s odporujícími si pravidly a bez jednotného hlasu,
- evaly, které hlídají jen svůj kousek a nikdo nevlastní celek,
- zpomalení – jeden zákazník měl podle Anthropicu s jednou smyčkou zhruba 2× rychlejší běh než s původním víceagentním řešením.
Pozor na to, jak se to čte. Je to jeden zákaznický případ, který uvádí sám dodavatel. Není to zákon, že jedna smyčka je vždy dvakrát rychlejší.
Článek také varuje před agenty, kteří kopírují organigram firmy. Pokud máš v týmu účetní, obchodníka a skladníka, nemusíš kvůli tomu mít v systému tři agenty.
Subagenti vs skills: v čem je rozdíl
Zkráceně:
- Subagent je samostatná instance modelu s vlastním oknem kontextu. Dostane zadání, něco udělá a vrátí shrnutí.
- Skill je balíček instrukcí (a případně skriptů), který leží vedle agenta. Agent vidí jen jeho název a krátký popis a celý obsah načte, až když ho úkol potřebuje.
Tomu se říká progressive disclosure, česky postupné odhalování. Výhoda: hlavní agent drží celou konverzaci a zároveň nemá v promptu desítky stran postupů, které zrovna nepotřebuje. Postup, který dřív žil v promptu subagenta, se přesune do skillu. Pevná omezení (schvalování, validace) patří do nástrojů a do harnessu. Jak se skills píšou, najdeš v návodu Claude Skills: vlastní dovednosti agenta, praktický příklad dobře napsané sady je v článku o skills od Matta Pococka.
Podobně funguje načítání nástrojů. Anthropic uvádí, že po překročení 30–50 definic nástrojů v promptu se výběr nástroje začíná zhoršovat. Doporučuje nástroje seskupovat podle záměru uživatele, ne mít jeden nástroj na každé API. A rozsáhlé reference nevkládat do promptu, ale dát za vyhledávací nástroj.
Zajímavé je i číslo z domácího hřiště: systémový prompt Claude Code se u pokročilejších modelů podle Anthropicu zkrátil o více než 80 %, mimo jiné díky postupnému odhalování skills a nástrojů. Víc o tom, co všechno agenta obklopuje, je v článku AI harness: jak vyladit agenta.
Kdy subagenty nechat
Anthropic výslovně píše, že subagenti nejsou zastaralí ani zrušení. Nechat je dává smysl ve třech případech:
- Jedna smyčka měřitelně trpí nafouknutým kontextem. Když práce čte spoustu materiálu, který hlavní agent potom nepotřebuje, je lepší to poslat do vedlejšího okna.
- Potřebuješ paralelní práci v čerstvých oknech, která se po skončení zahodí. Typicky rešerše z více zdrojů najednou.
- Jeden agent si neumí vybrat nástroj nebo má prompt s protichůdnými pokyny, které nejde sladit.
Stejně to formuluje README repozitáře: paralelní rešerše v čerstvých kontextech, nezávislé ověření a práce, která přečte mnohem víc, než hlavní agent potom potřebuje, jsou dobré důvody subagenta nechat. Konkrétní nastavení modelu a nákladů u subagentů Claude Code popisuje článek Claude Code subagent: model, auto-compact a nižší náklady. A pokud řešíš, kolik agentů je ještě rozumné, pomůže Kolik AI agentů nasadit.
Jak složit subagenty do jedné smyčky
Anthropic nedoporučuje přepsat všechno najednou. Postup má čtyři kroky a začíná měřením.
1. Nejdřív evaly
Bez čísel je přestavba jen názor. Stačí kolem 10 zlatých příkladů, tedy reálných úkolů se známým správným výsledkem. Dokud existuje router, sleduj, jak přesně směruje. Po složení sleduj, jak agent používá nástroje a skills. Hodí se ukládat časové značky událostí, aby šly ostré běhy později přehrát jako evaly.
2. Sluč těsně spojené specialisty
Začni dvojicemi, které na sebe navazují nebo téměř vždy běží spolu. Dva agenti, z nichž druhý vždy zpracuje výstup prvního, jsou jeden agent s dvěma kroky.
3. Z subagentů udělej nástroje
Subagenta lze volat jako nástroj, takže hlavní agent drží konverzaci a vedlejší práci jen zadá. Tím vznikne srovnávací základ ještě před jakýmkoli přepisem.
4. Skládej po jednom a porovnávej
Prompt subagenta převeď na skill, jeho API volání na nástroj (třeba přes MCP) a porovnej výsledky evalů s ním a bez něj. Nedívej se jen na celkové skóre, ale na to, které úkoly „přeskočily" z dobrého výsledku na špatný. Anthropic popisuje případ, kdy složení subagenta zkrátilo odezvu, ale rozbilo kontrolu data doručení. Chyba se navíc objevila jen v jednom ze dvou běhů, proto každý úkol spouštěj víckrát.
K tomu Anthropic zveřejnil repozitář anthropics/single-agent-loop-kit pod licencí Apache-2.0. Je to skill pro Claude Code, který projde tvůj systém, změří výchozí stav a po jednom navrhne sloučit, složit, volat jako nástroj, nebo ponechat. Pozor, README říká „Reference implementation. Not maintained and not accepting contributions", takže ho ber jako vzor, který si upravíš, ne jako udržovaný produkt. Před každým placeným během tě skill sám upozorní a odhadne spotřebu tokenů.
Modelový příklad: podpora e-shopu
Tohle je ilustrační scénář, ne naše měření. Představ si zákaznickou podporu e-shopu: router a čtyři subagenti (objednávky, vratky, fakturace, doprava). Zákazník napíše „Kde je moje objednávka a můžu vrátit tu druhou?". Router musí zprávu rozdělit, dva subagenti odpoví každý ze svého úhlu a router to skládá zpátky. Cestou se ztratí kontext a odpověď zní jako od dvou lidí.
Po složení by vznikl jeden agent s nástroji najdi_objednavku, zalozit_vratku, stav_zasilky a se skills, které nesou postupy:
.claude/skills/
vratky/SKILL.md # kdy vratku přijmout, lhůty, tón odpovědi
fakturace/SKILL.md # opravné doklady, DPH, co nikdy neslibovat
doprava/SKILL.md # dopravci, reklamace zásilek
V každém SKILL.md je na začátku název a popis, třeba „Použij, když zákazník chce vrátit zboží nebo se ptá na lhůty vratek". Agent ten popis vidí pořád, tělo skillu načte, až když na vratky přijde řeč. Schválení vrácení peněz zůstane v nástroji jako pevná brána, ne v prompt textu. Zákazník dostane jednu odpověď s jedním hlasem. Dokud neprojdeš evaly, je to jen hypotéza, ne záruka rychlejšího nebo lepšího řešení.
Co s tím v běžné práci s Claude Code
Pokud nestavíš firemní systém, ale pracuješ s Claude Code jako jednotlivec nebo malý tým, vyplývá z toho pár jednoduchých pravidel:
- Opakující se postup zapiš jako skill, ne jako dalšího agenta. Skill se načítá jen když je potřeba a nemá vlastní okno ani vlastní náklady.
- Subagenta spusť, když práce hodně čte a hodně zahazuje. Průzkum velkého repozitáře nebo paralelní rešerše jsou dobré případy. Hromada agentů najednou je zase téma článku Claude Code Dynamic Workflows.
- Pravidla držící celý projekt patří do hlavního kontextu, ne do tuctu rolí. Souvisí s tím kontextové inženýrství pro AI agenty.
- Neptej se, jestli je jeden agent „lepší". Zeptej se, jestli ho umíš změřit. Zkus deset úkolů, zapiš výsledek a až potom měň architekturu.
Nástroj sám najdeš v katalogu: Claude Code.
Co o tom píšou jiní
Zpráva se rychle rozšířila po anglických blozích. Některé titulky ale zjednodušují. Někde se píše „Anthropic: zahoďte subagenty", což původní článek neříká. Rozumnější čtení nabízí třeba MindStudio (28. 10. 2026) nebo SmartScope (25. 10. 2026): jedna smyčka je rozumná výchozí volba a subagent musí mít důvod. Autor jednoho dev.to návodu k tomu přidává praktickou poznámku: odhalování na požádání zpomaluje růst kontextu, ale neodstraní ho, takže komprimace kontextu zůstává potřeba. YouTube reakce jsme v době psaní nenašli, proto je neuvádíme.
Časté otázky
Znamená doporučení Anthropicu, že subagenti jsou passé?
Ne. Anthropic píše, že subagenti nejsou zastaralí ani zrušení. Zůstávají pro paralelní práci v čerstvých oknech, pro nezávislé ověření a pro úlohy, kde jedna smyčka měřitelně trpí nafouknutým kontextem.
Kolik subagentů je tedy správně?
Žádné univerzální číslo neexistuje. Výchozí volba je jeden agent se skills a nástroji. Dalšího subagenta přidej jen tehdy, když ti ho ospravedlní konkrétní důvod z kapitoly výše a když to doloží eval.
Jaký je rozdíl mezi skillem a subagentem?
Skill jsou instrukce a skripty, které hlavní agent načte do svého okna, až je potřebuje. Subagent je samostatná instance s vlastním oknem, která vrátí jen shrnutí. První drží kontext pohromadě, druhý ho izoluje.
Opravdu je jedna smyčka dvakrát rychlejší?
To je údaj z jednoho zákaznického případu, který uvádí Anthropic. Ve tvém systému to může být jinak. Proto začni evaly a skládej po jednom.
Potřebuju kit od Anthropicu, abych mohl začít?
Nepotřebuješ. Je to referenční implementace, ne udržovaný produkt. Stejný postup zvládneš ručně: deset příkladů, sloučit těsné dvojice, složit jednoho subagenta, porovnat.
Shrnutí
Když ti agentní systém roste, nezačínej dalším agentem. Zkus nejdřív skill a nástroj, změř deset úkolů a subagenta nech jen tam, kde výsledek prokazatelně drží. Hlavní zdroj je původní článek Anthropicu z 22. 10. 2026 a repozitář kitu.
