Subagenci w Claude Code

Subagenci w Claude Code to wyspecjalizowani pomocnicy AI uruchamiani przez główną rozmowę do konkretnego typu pracy. Każdy działa w osobnym oknie kontekstowym, ma własne instrukcje, dozwolone narzędzia i uprawnienia, a po zakończeniu zwraca zwięzłe podsumowanie. Dzięki temu logi, wyniki wyszukiwania i poboczne eksploracje nie zalewają głównego kontekstu. To nie jest więcej AI dla zasady, tylko sposób na podział pracy, gdy zadanie ma wyraźne, powtarzalne etapy.

W praktyce Claude Code ma już wbudowane typy pomocników, między innymi Explore do czytania i przeszukiwania kodu oraz Plan do analizy przed zmianami. Możesz też tworzyć własne subagenty jako pliki Markdown z frontmatterem YAML. Opisujesz w nich nazwę, kiedy agent ma być użyty, model, listę narzędzi i instrukcję pracy. Agent do researchu może mieć tylko dostęp do odczytu, a agent do kontroli jakości może dostać komendy testowe, ale nie prawo do publikacji ani usuwania danych.

Dla eksperta sprzedającego wiedzę sensowny podział wygląda prosto. Główny agent prowadzi projekt i pilnuje decyzji. Subagent researchowy zbiera źródła oraz porównuje fakty. Subagent redakcyjny sprawdza, czy tekst odpowiada na intencję odbiorcy i nie składa obietnic bez pokrycia. Subagent techniczny może audytować trasę strony, formularz lub dane strukturalne. Każdy z nich powinien zwrócić artefakt: listę źródeł, checklistę, poprawki lub raport. Wtedy wiesz, za co odpowiada dana część systemu.

Najważniejsza zasada brzmi: deleguj tylko pracę, którą da się jasno opisać i sprawdzić. Dobry opis subagenta mówi, kiedy go uruchomić, czego ma nie robić, jakie źródła uznaje za wiarygodne i w jakim formacie zwraca wynik. Zły opis brzmi „pomagaj z biznesem”. Lepszy brzmi „sprawdź publiczne twierdzenia o ofercie, wskaż linki i zwróć tabelę: claim, źródło, ryzyko, rekomendacja”. Takie ograniczenie zmniejsza koszt, poprawia powtarzalność i ułatwia ocenę jakości.

Praktyczny przykład: przed opublikowaniem nowej strony usługi zleć subagentowi researchowemu zebranie dwóch źródeł pierwotnych, subagentowi copy sprawdzenie języka i obietnic, a subagentowi technicznemu kontrolę metadanych oraz formularza. Główny agent dostaje trzy krótkie raporty, łączy je i przygotowuje zmianę. Człowiek podejmuje decyzję o publikacji. Taki układ jest lepszy niż polecenie jednemu agentowi, aby „zrobił stronę idealnie”, bo każdy etap ma granicę, dowód i punkt kontroli.

Subagenci nie zastępują procesu ani odpowiedzialności. Każde dodatkowe wywołanie kosztuje czas i tokeny, a agent może zwrócić pewny siebie, ale błędny skrót. Zbyt wielu pomocników w małym zadaniu tworzy teatr automatyzacji: więcej raportów niż realnego postępu. Ogranicz narzędzia zgodnie z zasadą najmniejszych uprawnień. Agent, który ma tylko sprawdzać źródła, nie potrzebuje dostępu do CRM, skrzynki mailowej ani produkcji. Akcje nieodwracalne nadal powinny wymagać potwierdzenia człowieka.

Zrób to dziś: wybierz jeden proces, w którym stale miesza Ci się research, pisanie i sprawdzanie, na przykład aktualizacja artykułu. Stwórz jeden read-only subagent „research-weryfikator” z trzema zasadami: korzysta z oficjalnych źródeł, podaje URL przy każdym fakcie i kończy raportem z lukami. Użyj go trzy razy. Dopiero gdy opis zadania oraz format wyniku się powtarzają, twórz kolejne role. W ten sposób budujesz mały zespół AI wokół pracy, a nie katalog agentów bez zastosowania.