Claude 4.6 Agent Teams: полное руководство по мультиагентному программированию в 2026 году

Claude 4.6 Agent Teams — это новая экспериментальная функция в Claude Code, которая позволяет координировать несколько AI-агентов для параллельной работы над одним проектом. Выпущенная 5 февраля 2026 года вместе с Claude Opus 4.6, функция Agent Teams позволяет одной сессии выступать в роли лидера команды, создавая независимых напарников, которые общаются напрямую, используют общий список задач и самостоятельно координируют работу — превращая часы последовательной работы в минуты параллельного выполнения. Инженерная команда Anthropic доказала концепцию, создав полноценный компилятор C с помощью 16 агентов — получив 100 000 строк кода на Rust, который компилирует ядро Linux 6.9, при стоимости API около 20 000 долларов.

Краткое содержание

Agent Teams позволяют одной сессии Claude Code выступать «лидером команды», который создаёт несколько независимых сессий-«напарников». Каждый напарник получает собственное контекстное окно, инструменты и может напрямую общаться с другими напарниками через систему почтовых ящиков. Они координируются через общий список задач, где задачи имеют статусы, зависимости и владельцев. Функция включается установкой CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 в окружении или settings.json. Ключевой компромисс очевиден: Agent Teams используют в 3-4 раза больше токенов, чем одна сессия, но могут превратить часы последовательной работы в минуты параллельного выполнения. Используйте их для сложных многофайловых проектов, где напарникам нужно сотрудничать — а не для простых задач, где достаточно одной сессии или субагентов.

Что такое Agent Teams и как они работают?

Понимание архитектуры Agent Teams необходимо для их эффективного использования. В отличие от субагентов — лёгких исполнителей, которые возвращают результаты родительской сессии и исчезают — Agent Teams создают постоянные, независимые экземпляры Claude, способные общаться друг с другом, самостоятельно брать задачи и координировать работу через общую инфраструктуру. Это различие определяет, когда Agent Teams создают ценность, а когда лишь добавляют ненужные затраты и сложность.

Архитектура строится вокруг четырёх взаимосвязанных компонентов. Лидер команды (Team Lead) — это ваша основная сессия Claude Code. Когда вы описываете сложную задачу, лидер анализирует её, разбивает на подзадачи, создаёт команду с помощью инструмента TeamCreate и порождает напарников через Task с параметром team_name. Лидер имеет полный доступ ко всем инструментам и служит оркестратором — назначает начальные задачи, отслеживает прогресс через обновления списка задач, разрешает конфликты между агентами и синтезирует конечные результаты. В режиме делегирования (активируется через Shift+Tab) лидер ограничивает себя только координационными инструментами, делегируя всю работу по реализации напарникам.

Напарники (Teammates) — это независимые процессы Claude Code, каждый со своим контекстным окном, доступом к инструментам и историей разговоров. При создании напарник получает подробный промпт с описанием его роли и начальной задачи. Он может читать и записывать файлы, выполнять команды, искать по кодовой базе и, что критически важно, отправлять сообщения другим напарникам или лидеру. Каждый напарник работает автономно в рамках назначенного объёма, а после завершения хода (одного обращения к API) переходит в состояние ожидания и автоматически уведомляет лидера. Это ожидание нормально — напарник просто ждёт новых инструкций или следующей задачи для захвата.

Общий список задач (Shared Task List) находится в ~/.claude/tasks/{team-name}/ и служит основой координации. Задачи имеют темы, описания, статусы (pending, in_progress, completed), владельцев и отношения зависимости. Когда напарник завершает задачу, он отмечает её как выполненную и проверяет список на наличие следующей доступной работы. Задачи могут блокировать другие задачи, поэтому выполнение базовой задачи автоматически разблокирует нижестоящую работу. Это поведение самозахвата означает, что напарники не сидят без дела, ожидая назначения от лидера — они проактивно берут следующую неблокированную, невладеемую задачу, предпочитая задачи с меньшими ID.

Система почтовых ящиков (Mailbox System) обеспечивает прямую peer-to-peer коммуникацию между любыми агентами в команде. Напарник может отправить прямое сообщение другому через SendMessage с именем получателя, а лидер может транслировать сообщение всем напарникам одновременно. Сообщения доставляются автоматически — когда напарник в ожидании получает сообщение, он активируется и обрабатывает его. Это позволяет, например, рецензенту безопасности попросить тестировщика производительности проверить, не влияет ли исправление на бенчмарки.

Принципиальное отличие этой архитектуры от субагентов — постоянство и межагентная коммуникация. Субагенты одноразовые: вы запускаете один, он выполняет фокусную задачу, отчитывается и его контекст исчезает. Agent Teams сохраняют состояние между ходами, строят на работе друг друга и могут вести многораундовые диалоги. Компромисс — стоимость токенов: каждый напарник потребляет собственное контекстное окно, а межагентные сообщения добавляют накладные расходы. Но для правильного типа задач эти расходы окупаются многократно.

Две дополнительные технические возможности делают Agent Teams особенно мощными для долгосрочных проектов. Сжатие контекста (Context compaction) автоматически суммирует ранние сообщения, когда контекстное окно напарника заполняется, позволяя сессиям работать часами. Claude Opus 4.6 поддерживает до 1 миллиона токенов контекста в бета-версии (anthropic.com/news/claude-opus-4-6, 5 февраля 2026). Режим утверждения планов (Plan approval) добавляет контрольную точку качества, где напарники сначала работают в режиме только для чтения, отправляя предложенный план реализации лидеру на утверждение.

Agent Teams vs субагенты vs одиночная сессия — чёткая система принятия решений

Выбор правильного подхода экономит время и деньги. Решение сводится к трём вопросам, которые последовательно сужают варианты. Понимание этой системы предотвращает излишнюю инженерию простых задач и недостаточное обеспечение сложных.

Вопрос 1: Нужна ли параллельная работа? Если вы исправляете опечатку, обновляете одну функцию или вносите изменения, которые естественно следуют друг за другом в одних файлах, одна сессия Claude Code — правильный выбор. Одиночные сессии имеют минимальную стоимость токенов (базовый уровень), нулевые накладные расходы на координацию и идеально подходят для большинства повседневных задач программирования.

Вопрос 2: Нужно ли исполнителям общаться друг с другом? Это ключевая развилка между субагентами и Agent Teams. Субагенты работают по лучевой схеме: получают задачу от родителя, выполняют независимо, возвращают результаты и завершаются. Они не могут общаться с другими субагентами. Если ваши параллельные задачи действительно независимы — например, запуск тестов в трёх модулях, поиск паттерна в пяти директориях или генерация документации для отдельных компонентов — субагенты лучший выбор при стоимости 1,5-2x.

Agent Teams становятся правильным выбором, когда исполнителям действительно нужно координироваться. Представьте сценарий добавления нового API-эндпоинта: один напарник пишет backend-обработчик, другой — frontend-компонент, третий — интеграционные тесты. Писатель тестов должен знать API-контракт от backend-разработчика. Frontend-разработчик должен соответствовать схеме ответа. Если backend-разработчик обнаруживает необходимость изменения схемы, оба других должны узнать об этом немедленно.

Вопрос 3: Достаточно ли сложна работа для оправдания затрат? Agent Teams потребляют в 3-4 раза больше токенов, чем одна сессия. Для задачи, которую одна сессия решит за 10 минут, тратить 3x токенов ради экономии 5 минут может быть нецелесообразно. Agent Teams блестят при существенной экономии времени — например, превращая 2 часа последовательной работы в 30 минут параллельной.

Практическое правило: начинайте с одной сессии. Если переключаетесь между несвязанными частями кодовой базы и хотите работать параллельно — рассмотрите субагенты. Если параллельные исполнители выиграют от общения — используйте Agent Teams. Для детального сравнения моделей Claude Opus и Sonnet см. наш специальный обзор.

Настройка Agent Teams — от нуля до первой команды за минуты

Запуск Agent Teams занимает около двух минут. Функция экспериментальная и по умолчанию отключена, поэтому требуется явное включение.

Шаг 1: Проверьте версию Claude Code. Требуется версия 1.0.34 или выше (выпущена 5 февраля 2026):

bash
claude --version

Для обновления: claude update или npm install -g @anthropic-ai/claude-code.

Шаг 2: Включите экспериментальный флаг. Три варианта включения.

Глобальное включение для всех проектов:

bash
claude settings set env.CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS 1

Включение для проекта через .claude/settings.json:

json
{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

Разовое включение через переменную окружения:

bash
export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1
claude

Шаг 3: Настройте режим отображения. По умолчанию — встроенный режим (in-process), показывающий вывод всех напарников в терминале (навигация через Shift+стрелки). Режим разделённого окна (split-pane) даёт каждому напарнику отдельную панель в tmux или iTerm2:

json
{
  "agentTeams": {
    "display": "split-pane"
  }
}

Шаг 4: Оптимизируйте CLAUDE.md для команд. Добавьте секцию с правилами владения файлами:

markdown
## Agent Teams Guidelines
- Backend code lives in /src/api/ — assign to backend teammate
- Frontend code lives in /src/components/ — assign to frontend teammate
- Tests live in /tests/ — assign to test teammate
- Shared types are in /src/types/ — coordinate changes through team lead

Шаг 5: Запустите первую команду. Опишите задачу, подходящую для параллелизма:

Мне нужно рефакторить модуль аутентификации. Создай agent team:
- Напарник 1: Проверь текущий код аутентификации на уязвимости
- Напарник 2: Напиши юнит-тесты для существующего потока авторизации
- Напарник 3: Исследуй лучшие практики ротации JWT-токенов

Используй режим делегирования для фокуса на координации.

Claude Code создаст команду, породит напарников и начнёт распределять работу. Весь процесс от включения до первой работающей команды занимает менее пяти минут.

Пять проверенных сценариев использования с готовыми промптами

Agent Teams отлично работают, когда несколько направлений пересекаются и выигрывают от параллельного исследования. Вот пять сценариев с адаптируемыми промптами.

Сценарий 1: Fullstack-разработка функции. Одновременная разработка API, frontend и тестов.

Создай функцию редактирования профиля пользователя. Agent team из 3 напарников:

1. "backend": Реализуй PUT /api/users/:id с валидацией,
   добавь миграцию БД для новых полей (bio, avatar_url, social_links)
2. "frontend": Построй React-компонент ProfileEditor с валидацией формы,
   превью загрузки изображений и оптимистичными обновлениями
3. "tests": Напиши интеграционные тесты для позитивного сценария,
   ошибок валидации, сбоев авторизации и конкурентных правок

Режим делегирования. Backend должен поделиться API-контрактом
с frontend и tests сразу после определения.

Сценарий 2: Аудит безопасности кодовой базы. Разные категории уязвимостей требуют разных подходов анализа.

Проведи комплексный аудит безопасности. Agent team:

1. "injection-reviewer": Просканируй все обработчики ввода на SQL-инъекции,
   XSS, инъекции команд и обход путей
2. "auth-reviewer": Проверь поток аутентификации, управление сессиями,
   обработку токенов, хэширование паролей и ограничение частоты запросов
3. "deps-reviewer": Проверь зависимости package.json на известные CVE,
   проверь устаревшие пакеты и целостность lock-файла

Критические находки сразу сообщать другим напарникам.

Сценарий 3: Рефакторинг нескольких модулей. Каждый напарник владеет модулем и сообщает об изменениях интерфейсов в реальном времени.

Рефакторинг системы обработки платежей с callbacks на async/await.
Agent team из 4 напарников:

1. "payment-core": Рефакторинг /src/payments/processor.ts
2. "webhook-handler": Рефакторинг /src/webhooks/ на async/await
3. "billing-service": Рефакторинг сервисного слоя /src/billing/
4. "integration-tests": Обновление тестов по мере изменения интерфейсов

При изменении общего интерфейса в /src/types/payment.ts —
немедленно уведомить всех напарников.

Сценарий 4: Синхронизация документации и кода. Параллельная проверка соответствия документации реальной реализации.

API-документация разошлась с реализацией. Agent team:

1. "code-reader": Пройди каждый маршрут в /src/routes/, задокументируй
   реальные схемы запросов/ответов, заголовки и коды ошибок
2. "doc-updater": Прочитай /docs/api/, сравни с находками code-reader,
   обнови документацию для соответствия реальности
3. "example-generator": Сгенерируй рабочие curl-примеры для каждого
   эндпоинта, проверь что каждый работает

Сценарий 5: Исследование и исправление производительности. Параллельное исследование запросов БД, кода приложения и конфигурации.

Эндпоинт /api/dashboard загружается 8 секунд. Исследуй и исправь.
Agent team:

1. "db-analyst": Профилирование всех запросов БД. Найти N+1,
   отсутствующие индексы и медленные JOIN
2. "code-profiler": Анализ пути кода от обработчика до ответа.
   Найти лишние вычисления, блокирующие операции
3. "cache-architect": Спроектировать стратегию кэширования.
   Что можно кэшировать, TTL и инвалидация кэша

Делитесь находками между напарниками.

Лучшие практики — проектирование задач, владение файлами и управление командой

Разница между продуктивной командой агентов и хаотичной сводится к проектированию задач, управлению файловыми границами и координации. Эти практики основаны на опыте Anthropic при создании компилятора C с 16 агентами (блог инженеров Anthropic, февраль 2026) и официальной документации Agent Teams.

Проектируйте задачи с чёткими границами владения. Самая важная практика — обеспечить, чтобы каждый напарник владел отдельным набором файлов или директорий. Когда два напарника одновременно редактируют один файл, возникают конфликты слияния, потеря работы и трата токенов. Если совместное редактирование неизбежно, назначьте одного напарника владельцем и пусть другие передают свои потребности через сообщения.

Правильно определяйте размер задач. Слишком большие задачи делают одного напарника узким местом. Слишком мелкие создают чрезмерные накладные расходы на координацию. Оптимальный размер — задачи на 10-30 минут фокусной работы одного агента. Для проекта компилятора C Anthropic организовала работу вокруг проходов компилятора (лексер, парсер, проверка типов, генерация кода), что обеспечило естественные границы.

Используйте зависимости для управления порядком без микроменеджмента. Список задач поддерживает отношения blockedBy, которые запрещают захват задачи до завершения зависимостей. Например, если интеграционные тесты зависят от API-эндпоинта и frontend-компонента, создайте задачу тестов с blockedBy на обе задачи.

Начинайте с 2-3 напарников. Проект компилятора C использовал 16 агентов, но это была двухнедельная работа за 20 000 долларов. Для большинства задач 2-3 напарника дают лучший баланс параллелизма и координационных расходов. Каждый дополнительный напарник увеличивает стоимость токенов и коммуникационную поверхность.

Используйте режим делегирования для сложной оркестрации. Режим делегирования (Shift+Tab) ограничивает лидера только координационными инструментами. Он не может читать файлы, редактировать код или запускать команды напрямую. Это заставляет всю работу по реализации проходить через напарников, что улучшает декомпозицию задач.

Позвольте напарникам самостоятельно брать задачи. Автономный захват задач эффективнее назначения лидером каждой задачи, так как устраняет задержку на обратную связь. Настройте задачи с понятными описаниями и зависимостями и доверьте механизму самозахвата.

Структурируйте CLAUDE.md для мультиагентной работы. Файл CLAUDE.md читается каждым напарником при запуске. Включите секции, указывающие владение директориями, общие интерфейсы и требования к тестированию. Хорошо структурированный CLAUDE.md значительно сокращает количество межагентных сообщений.

Обрабатывайте корректное завершение явно. После завершения всех задач лидер должен отправить запросы на завершение через SendMessage с type: "shutdown_request". После подтверждения всех напарников используйте TeamDelete для очистки.

Сколько стоят Agent Teams? Реальные цифры

Стоимость — главная забота разработчиков о Agent Teams. Вот конкретные цифры на основе ценообразования Claude Opus 4.6 (5 долларов за миллион входных токенов, 25 долларов за миллион выходных токенов, подтверждено на claude.com/pricing, 10 февраля 2026).

Сценарий 1: Малый проект (2 напарника, 30 минут). Контекст лидера ~200 000 входных токенов. Каждый из двух напарников обрабатывает ~150 000 входных токенов. Общий выход 50 000 токенов. Стоимость: 500 000 входных × $5/MTok = $2,50, плюс 50 000 выходных × $25/MTok = $1,25. Итого: **$3,75** (vs ~$1,50 одна сессия, коэффициент 2,5x).

Сценарий 2: Средний проект (3 напарника, 1 час). Контекст лидера ~400 000 входных. Каждый напарник ~300 000 входных. Общий выход 150 000 токенов. Стоимость: 1,3M входных × $5/MTok = $6,50, плюс 150 000 выходных × $25/MTok = $3,75. Итого: **$10,25** (vs ~$3,50, коэффициент 3x). Но функция, требующая 2-3 часов последовательно, завершается за час.

Сценарий 3: Большой проект (5 напарников, 2 часа). Контекст лидера ~600 000 входных. Каждый напарник ~500 000 входных. Общий выход 400 000 токенов. Стоимость: 3,1M входных × $5/MTok = $15,50, плюс 400 000 выходных × $25/MTok = $10,00. Итого: **$25,50** (vs ~$7,00, коэффициент 3,6x). Работа на целый день завершается за 2 часа.

Перспектива окупаемости. Разработчик со ставкой $100/час, экономящий 2 часа, сберегает $200 при затратах $10-25 на токены. ROI обычно составляет 8-20x. Проект компилятора C — крайний случай: $20 000 на токены, но 100 000 строк рабочего Rust-кода за 2 недели с 2 миллиардами входных и 140 миллионами выходных токенов (блог инженеров Anthropic, февраль 2026).

Стратегии оптимизации стоимости. Используйте Agent Teams только когда задача действительно требует параллельной координации. Для независимых параллельных задач используйте субагенты (1,5-2x vs 3-4x). Для напарников, не требующих рассуждений уровня Opus, используйте Sonnet 4.5 ($3/$15/MTok). Кэширование промптов снижает стоимость до $0,50/MTok для кэшированных входных данных.

Подробнее о ценообразовании всех моделей Claude см. ценообразование и подписки Claude Opus 4.6. Для управления API-затратами laozhang.ai предоставляет единый доступ к нескольким AI-моделям со встроенным отслеживанием расходов.

Устранение неполадок — когда Agent Teams работают не так, как ожидалось

Даже хорошо спроектированные Agent Teams могут столкнуться с проблемами. Вот наиболее частые проблемы и их решения.

Проблема: Напарники редактируют один файл и создают конфликты. Это самая частая проблема, обычно вызванная проектированием задач. Решение — профилактика: перестройте задачи так, чтобы каждый напарник владел отдельными файлами. Если совместное редактирование неизбежно, назначьте одного напарника владельцем файла.

Проблема: Напарник простаивает и не берёт новые задачи. Простой после каждого хода — это нормально. Проблема возникает, когда все задачи завершены, заняты или заблокированы. Проверьте список задач: если у ожидающих задач есть неразрешённые зависимости blockedBy, напарник не может их взять. Разрешите блокирующие задачи или удалите зависимость.

Проблема: Agent Teams недоступны. Проверьте: версия Claude Code ≥ 1.0.34, экспериментальный флаг установлен, ваш тарифный план поддерживает достаточно параллельных API-вызовов.

Проблема: Лидер делает всё сам вместо делегирования. Включите режим делегирования (Shift+Tab) или явно укажите в промпте: «Ты координатор. Не пиши код напрямую. Делегируй всю работу напарникам.»

Проблема: Чрезмерный расход токенов на простой задаче. Вероятно, вы использовали Agent Teams там, где достаточно субагентов. Сверьтесь с системой принятия решений из этого руководства.

Проблема: Напарники теряют контекст после длительных сессий. Длительные сессии вызывают сжатие контекста. Решение: храните критическую информацию в файлах (CLAUDE.md, описания задач), а не полагайтесь на контекст разговора. Для длинных проектов разделите работу на фазы, пересоздавая команду между ними.

Проблема: Ограничение частоты запросов при нескольких напарниках. При 3+ одновременных напарниках каждый делает независимые API-вызовы. Решение: повысьте тарифный план, сократите число одновременных напарников или запускайте их поочерёдно.

Проблема: Задачи застряли в состоянии «blocked». Иногда случайно формируется циклическая зависимость. Лидер должен проверить список задач, найти цикл и удалить одну из зависимостей через TaskUpdate. Профилактика: планируйте граф зависимостей заранее и проверяйте, что он ациклический.

Начните работать с Agent Teams уже сегодня

Agent Teams представляют фундаментальный сдвиг во взаимодействии разработчиков с AI-помощниками — от одиночного разговора к оркестрации коллективной работы. Технология экспериментальная, но функциональная, а паттерны из проекта компилятора C Anthropic доказывают, что мультиагентная координация способна решать по-настоящему сложные задачи.

Ваш план действий: включите Agent Teams одной командой и попробуйте простейшую команду — два напарника на двух независимых частях кодовой базы. Наблюдайте за их коммуникацией и координацией через общий список задач. Освоив основы, переходите к команде из трёх напарников с взаимозависимыми задачами. Используйте режим делегирования для чёткого разделения координации и реализации.

Ключевой вывод: знайте, когда не использовать Agent Teams. Большинство повседневных задач лучше решаются одной сессией. Независимые параллельные задачи — субагентами. Оставьте Agent Teams для ситуаций, где межагентная коммуникация и координация задач действительно ускоряют работу.

Начните с малого, измеряйте затраты и масштабируйте по мере развития интуиции. Функция экспериментальная сегодня, но мультиагентная совместная работа станет стандартом AI-разработки в ближайшем будущем.

Для API-доступа к Claude Opus 4.6 и другим моделям посетите laozhang.ai — единый API для всех основных AI-моделей. Официальная документация Claude Code доступна на code.claude.com.