Ang anunsyo
Noong Oktubre 9, 2026, inilagay ng Anthropic sa public beta ang dynamic workflows sa Claude Managed Agents, ang serbisyo nito para magpatakbo ng AI agents sa cloud. Ang ideya: sumusulat si Claude ng program na naghahati ng trabaho, naglulunsad ng maraming agent, nagpapasa ng resulta sa pagitan nila at pinagsasama ang lahat sa dulo. Samantala, patuloy kang nakikipag-usap sa lead agent.
Nasa Claude Code na ang feature mula Mayo 28; ngayon ay dumating ito sa managed cloud infrastructure, na may sariling limitasyon.
1,000 agent, pero hindi sabay-sabay
"1,000 agent nang parallel" ang sabi ng mga headline, pero mas eksakto ang docs:
- Hanggang 1,000 agent ang masisimulan sa kabuuan kada run.
- 64 na sabay na thread ang pinakamarami, isang halagang maaaring magbago at hindi garantisado ng API.
- Default na buhay na 24 oras kada run at hanggang 10 bukas na run kada session.
- May kanya-kanyang conversation history ang mga agent pero pinagsasaluhan nila ang files sa iisang environment. Sa mga gawaing code, kailangang malinaw na hatiin ang saklaw ng bawat isa para iwasan ang conflict.
- Hindi makakapagpadala ng bagong mensahe ang lead agent sa agent na nasa loob ng workflow; dapat nakapaloob sa program ang pagwawasto at muling pagsusuri.
Para i-enable, gamitin ang type na multiagent_20261001 sa agent definition. Walang hiwalay na API call: ang lead agent mismo ang nagpapasya kung kailan magsisimula ng workflow.
Ang test ng Anthropic: 66 sa 70 bug
Nagtago ang Anthropic ng 70 bug sa 116,000 linya ng code at pinatakbo nang tatlong beses ang bawat approach:
- Iisang agent: nakahanap ng 14, 15 at 27 bug (20% hanggang 39%).
- Dynamic workflow: nakahanap ng 66 sa lahat ng tatlong run (94.3%).
Malaking talon ito, pero internal test lang ito. Hindi isiniwalat ang token cost, oras, false positive, o kung pareho ang 66 sa bawat run. At 4 na bug ang palaging nakalusot.
Ang gastos
Walang dagdag na bayad ang feature mismo: binabayaran ang tokens ng bawat agent at US$0.08 kada session-hour (hindi dinodoble ang magkapatong na oras). Pero sinabi na mismo ng Anthropic na karaniwang gumagamit ang multi-agent systems ng 3 hanggang 10 beses na mas maraming token kaysa iisang agent. Tinawag pa nga ng isang senior engineer ng OpenAI ang agent swarms na "malaking pag-aaksaya ng tokens".
May budget cap kada session, na pinagsasaluhan ng lahat ng agent. Kapag naabot, humihinto pansamantala ang run, pero natatapos ang mga request na tumatakbo na, kaya maaaring bahagyang lumampas sa cap. At tandaan: ang run na may markang completed ay hindi garantiya na nagtagumpay ang lahat ng gawain; ipalista sa workflow kung ano ang pumalya o hindi nasuri.
Para saan ito sa praktika
- Pagrepaso ng maraming dokumento, gaya ng mga kontrata: isang agent kada dokumento at isa pang sumusuri sa lahat.
- Code audit sa malalaking codebase, na maayos ang hati ng saklaw.
- Parallel na research at triage na may cross-checking.
Paano magsimula
- Pumili ng gawaing nahahati sa mga bahaging independyente.
- Magtakda ng budget cap mula sa simula.
- Ikumpara sa iisang agent sa parehong data: natuklasan, nalampasan, gastos at oras.
- Humingi ng ulat ng hindi nasaklaw.
Mga pinagmulan
- Claude docs, multiagent orchestration: https://platform.claude.com/docs/en/managed-agents/multi-agent
- The Decoder (9/10/2026): https://the-decoder.com/anthropics-claude-can-now-orchestrate-up-to-1000-ai-agents-in-parallel-through-dynamic-workflows/
- XenoSpectrum: https://xenospectrum.com/en/claude-managed-agents-dynamic-workflows/
Gusto mo bang suriin kung bagay ang AI agents na malakihan sa mga review at audit ng iyong kumpanya? Nag-aalok ang KGA IT ng libreng konsultasyon: kga-it.com.