Агент-руководитель и агенты-исполнители: команда ИИ в Claude без кода в 2026

Команда ИИ-агентов собирается по простому принципу: один агент становится руководителем и вместо самостоятельной работы раздаёт куски узким специалистам, а потом склеивает их ответы. Каждый специалист получает свою инструкцию, свой набор инструментов и своё чистое окно контекста, а руководителю возвращает короткий результат. В Claude это markdown-файлы в папке, кода писать не надо.

Идея звучит как игрушка для гиков, но у неё есть очень конкретная причина. Один агент на большой задаче тонет в собственных черновиках: он читает файлы, гоняет поиск, получает простыни логов, и к середине работы его окно контекста забито мусором, который уже не нужен. Разделение на руководителя и исполнителей решает ровно эту проблему, а заодно даёт каждому куску работы отдельный характер.

Коротко: четыре термина

Агент - нейросеть, которой дали цель и инструменты, и она сама доводит дело до результата. Базовый разбор с примерами есть в гайде ИИ-агенты простыми словами.

Субагент - агент, которого запустил другой агент. Работает в отдельном окне контекста, видит только своё задание и возвращает наверх один короткий отчёт.

Делегирование - момент, когда главный агент решает, что этот кусок работы надо отдать специалисту.

Окно контекста - оперативная память разговора. Всё, что агент прочитал и написал, лежит там и занимает место. Подробнее про управление этим - в гайде про контекст-инжиниринг.

Почему один агент ломается на большой задаче

Возьми задачу «разбери двадцать конкурентов и собери сравнительную таблицу». Один агент открывает первый сайт, тащит в контекст всю страницу, потом второй, потом третий. К десятому сайту в его памяти лежат сотни килобайт текста, из которых нужны две строчки на каждого. Модель начинает путать конкурентов между собой, теряет исходную инструкцию и выдаёт таблицу, где половина ячеек - фантазия.

Дело тут в гигиене памяти, ум модели ни при чём.

Теперь та же задача через команду. Руководитель запускает двадцать одинаковых исполнителей, каждый смотрит своего конкурента в собственном окне и возвращает пять строк. Руководитель получает сто строк вместо двадцати страниц и спокойно собирает таблицу. Мусор остался в контекстах исполнителей и умер вместе с ними.

Паттерн «агент как инструмент»: как он устроен

Схему подробно разобрал Шуай Го в статье Towards Data Science от 4 августа 2026. Он собирал планировщик десятичасовой пересадки в Мюнхене: главный агент-планировщик, под ним три специалиста. Логист проверяет, успеваешь ли ты вообще выйти в город и вернуться. Локальный эксперт ищет, что посмотреть и где поесть. Рисковик ищет дыры в плане: задержка поезда, очередь на паспортном контроле, закрытый по понедельникам музей.

Ключевая деталь: специалисты подключаются к руководителю ровно как инструменты, отдельными разговорами они не живут. У каждого своё описание («проверь тайминг перемещений»), свой лимит в три хода и свой набор доступов. Логисту и локальному эксперту дали веб-поиск, рисковику не дали ничего лишнего: он думает над тем, что уже собрали остальные.

Автор формулирует три условия, при которых такое разделение оправдано. Работа достаточно открытая, чтобы требовать рассуждения вместо фиксированной формулы. Работа чётко ограничена одной специальностью. И ответственность за общий результат остаётся на главном агенте.

Третье условие важнее, чем кажется. Специалист не разговаривает с тобой и не принимает решений за руководителя. Он отвечает на вопрос и уходит. Если тебе нужна передача задачи целиком, с общением напрямую, это уже другой паттерн и другие грабли.

Как собрать это в Claude без единой строчки кода

В оригинальной статье паттерн собран на OpenAI Agents SDK, то есть питоном. В Claude Code тот же принцип встроен и не требует кода вообще.

Агент-специалист - это markdown-файл. Положи его в .claude/agents внутри проекта, если он нужен только здесь, или в ~/.claude/agents, если хочешь дёргать его в любом проекте на своей машине. Обязательных полей ровно два: name и description.

---
name: fact-checker
description: Проверяет фактуру в готовом тексте. Зови после того, как черновик написан, а также каждый раз, когда в тексте появились цифры, даты или названия сервисов.
tools: Read, Grep, Glob, WebSearch
model: sonnet
---
 
Ты проверяющий фактуру. Работаешь по одному правилу: любое утверждение, которое можно проверить, надо проверить.
 
Что делаешь по шагам:
1. Выпиши из текста все проверяемые утверждения: цифры, даты, цены, названия версий, ссылки на исследования.
2. По каждому найди подтверждение или опровержение.
3. Верни таблицу: утверждение, вердикт (верно / неверно / не проверяется), источник, предлагаемая правка.
 
Ничего не переписывай сам. Твой результат - список правок, решение принимает тот, кто тебя позвал. Если утверждение проверить нечем, так и пиши: не проверяется. Не додумывай источники.

Поле description тут не украшение. Именно по нему главный агент решает, звать специалиста или нет. Формулировки в духе «проверяет тексты» бесполезны, потому что не говорят, когда. Пиши «зови после того, как черновик написан».

Остальные поля опциональны и решают конкретные боли:

Файл можно написать руками, а можно просто попросить: «Создай мне в ~/.claude/agents агента-проверяющего фактуру, только чтение и веб-поиск, модель sonnet». Claude напишет файл сам. С версии 2.1.198 команда /agents больше не открывает мастер создания, она печатает напоминание сделать именно так.

Команда из трёх под контент: исследователь, редактор, проверяющий

Разберём на живой задаче, потому что абстрактный «менеджер и специалисты» никому не помогает. Задача: выпускать разборы новых ИИ-инструментов.

Разделение проходит по одной линии: кто собирает материал, кто пишет, кто ловит враньё. Держать всё это в одном агенте плохо ровно потому, что автор плохой проверяющий собственного текста. Он уже поверил в то, что написал.

Файл исследователя выглядит так:

---
name: researcher
description: Собирает фактуру по теме из открытых источников. Зови первым, до написания любого текста, когда нужны цифры, даты, цены или свежие новости по инструменту.
tools: Read, Grep, Glob, WebSearch, WebFetch
model: sonnet
maxTurns: 8
---
 
Ты собираешь фактуру, тексты не пишешь.
 
Возвращай строго такой список:
- факт одной строкой
- дата, на которую факт верен
- ссылка на источник
- пометка «первоисточник» или «пересказ»
 
Правила:
- Минимум пять фактов, максимум пятнадцать.
- Цену, версию и дату бери только с сайта самого сервиса или из официального анонса.
- Если цифру подтвердить нечем, пиши «цифры нет» и не выдумывай диапазон.
- Не делай выводов и не оценивай инструмент. Твой результат - сырьё.

Дальше ты пишешь в главный разговор одну фразу, и руководитель раскидывает работу сам:

Нужен разбор нового инструмента: [название и ссылка].
 
Порядок: сначала researcher собирает фактуру, потом editor пишет черновик строго по этой фактуре, потом fact-checker проверяет цифры и даты в готовом черновике. Правки от проверяющего покажи мне списком, сам их не применяй.
 
Мне верни: черновик, список фактов с источниками и список спорных мест.

Обрати внимание, что порядок задан явно. Claude умеет выбирать специалистов сам, но на цепочке из трёх шагов лучше сказать прямо, кто за кем. Так меньше шансов, что редактор начнёт писать раньше, чем исследователь закончил.

Если нужен конкретный специалист и никакой другой, поставь собаку и выбери его из подсказки: @agent-fact-checker. Это гарантирует вызов именно его. А если ты хочешь, чтобы вся сессия шла от лица одного агента, запускай claude --agent researcher.

Три лимита, о которых узнают поздно

Все три лимита в Claude Code меняются переменными окружения, и это описано в документации. Но упираются в них редко. Гораздо раньше упираешься в две другие стены.

Первая - токены. Anthropic в разборе своей исследовательской системы приводит два ориентира: один агент съедает примерно вчетверо больше токенов, чем обычный чат, а команда агентов - примерно в пятнадцать раз больше чата. То есть переход от одиночного агента к команде удорожает задачу ещё примерно вчетверо. Причина простая: каждый специалист заново набирает себе контекст с нуля.

Отсюда честный вывод, который Anthropic формулирует прямо: команда агентов окупается только там, где задача достаточно ценная, чтобы оплатить эту разницу. На мелочи она просто дороже.

Вторая стена - контекст самого руководителя. Если каждый из пяти специалистов вернёт подробный отчёт на две страницы, ты получишь ровно ту же забитую память, от которой убегал. Поэтому в инструкции специалиста всегда прописывай формат и объём ответа: «верни таблицу из пяти строк», «верни максимум пятнадцать фактов». Без этого агент вываливает всё, что нашёл.

Когда команда лишняя

Есть ещё третий вариант, про который забывают. Если изоляция контекста тебе безразлична и нужна просто переиспользуемая инструкция для основного разговора, бери навык вместо агента. Как их делать, разобрано в гайде как создать свой скилл Claude. Навык дешевле агента, потому что не плодит новое окно контекста.

И общий фильтр по задачам никуда не девается: делить между агентами имеет смысл только то, что вообще стоит отдавать ИИ. Разбор по зонам риска есть в гайде какие задачи отдать ИИ-агенту.

Что нужно из России и сколько это стоит

Команда агентов живёт в Claude Code, а он требует оригинальный аккаунт Anthropic с подпиской. Это главная развилка для читателя из России.

Последняя строка таблицы - самая частая ошибка. Человек покупает доступ к Claude за рубли у агрегатора, ставит Claude Code и не понимает, почему тот требует вход. Агрегатор продаёт токены к модели в своём интерфейсе, а Claude Code проверяет именно аккаунт Anthropic. Для команды агентов обходного пути тут нет.

По VPN: без него не открывается ни регистрация, ни оплата, ни сам вход в аккаунт. Если своего решения нет, подойдёт рабочий VPN, главное держать его включённым в момент оплаты и в момент первого входа, иначе аккаунт можно словить на верификации.

Оплатить можно двумя путями. Первый - виртуальная карта иностранного банка, разобран по шагам в гайде про то, как оплатить Claude из России. Второй - сервис оплаты подписок, который оформляет подписку за тебя, ты платишь рублями. (реферальная ссылка: тебе тот же прайс, мне небольшой процент)

Чек-лист: что у тебя теперь есть

• Понимание паттерна: руководитель координирует, специалисты решают свой узкий кусок и возвращают выжимку.
• Три условия, по которым кусок работы стоит выносить в отдельного агента: нужна голова, кусок ограничен, ответственность остаётся на руководителе.
• Знание, где живут файлы агентов: .claude/agents в проекте и ~/.claude/agents на всю машину.
• Два обязательных поля и семь опциональных, включая ограничение инструментов и выбор дешёвой модели под мелочь.
• Готовые шаблоны исследователя и проверяющего фактуру, которые можно скопировать и переписать под свою нишу.
• Три системных лимита: 3 слоя вложенности, 20 параллельных, 200 за сессию.
• Честная цена вопроса: примерно семикратный расход токенов и подписка Pro от 1620 ₽ в месяц с VPN.

Начни с одного специалиста, команду из пяти оставь на потом. Возьми ту работу, которая чаще всего заваливает тебе основной разговор мусором, опиши её одним файлом и посмотри неделю. Если руководитель зовёт специалиста сам и в нужный момент, поле description написано верно, и можно добавлять второго. Если не зовёт, дело почти всегда в описании: оно говорит, что агент делает, но не говорит, когда его звать.

Дальше эта схема разворачивается вширь: параллельные сессии по отдельным веткам разобраны в гайде про git worktree и параллельных агентов Claude.

По материалам статьи Shuai Guo «Using Agents as Tools», Towards Data Science, 4 августа 2026: https://towardsdatascience.com/using-agents-as-tools/