Construindo agents: quando vale incorporar subagents ao agent loop principal

A Anthropic parte de um padrão que a equipe de Applied AI viu em implantações corporativas: rotear, planejar e especializar por domínio em subagents costuma custar mais do que entrega. Nas comparações feitas, um único agent com skills frequentemente superou tanto o design de um prompt para tudo quanto o design com subagents em qualidade, muitas vezes com menor custo e latência por tarefa. Um cliente que comparou seu harness multi-agent com um único agent loop registrou runtime cerca de 2x mais rápido no segundo.

A proposta técnica é divulgar contexto de forma progressiva: o agent vê descrições curtas de skills e, via tool search com carregamento adiado, de tools, que só são carregadas quando necessárias. A Anthropic diz ter reduzido em mais de 80% o system prompt do Claude Code para modelos mais avançados, com cortes ligados a isso. O loop ideal tem um modelo, uma janela de contexto, lotes de tool calls executados em paralelo pelo harness, limites de turnos e custo, e o plano escrito no próprio contexto. Procedimentos de domínio viram skills, e validações e gates de aprovação vão para as tools. Recomenda-se agrupar tools por intenção do usuário, não uma por API, porque acima de 30 a 50 definições a escolha de tool tende a piorar.

A cobertura anterior mostra o outro lado do debate. Em 9 de março de 2026, o CEVIU noticiou "Escalando para Mais de 120 Agentes de IA Sem Perder o Controle", que recomendava o padrão condutor-especialistas ao passar de 15 ferramentas ou 3 domínios conflitantes. Em 13 de abril de 2026, o CEVIU publicou "Padrões de Coordenação Multi-agente: Cinco Abordagens e Quando Utilizá-las", sobre Generator-Verifier e Orchestrator-Subagent. Agora o foco é o caminho inverso: quais fronteiras remover, com skills e tool search no lugar. Não é uma contradição total, já que os subagents seguem indicados para verificação, paralelismo e permissões.

Para quem opera um sistema com vários subagents, a leitura é que a arquitetura pode estar espelhando o organograma, e não a necessidade técnica. O primeiro passo prático é montar um eval end-to-end, mesmo com 10 exemplos, e rodar cada tarefa mais de uma vez antes de fundir qualquer subagent, porque regressões podem aparecer em apenas uma de duas execuções.