סוכן אחד או צוות סוכנים? 3 סימנים שהגיע הזמן לאחד

בקצרה: Anthropic ממליצה לבדוק אם אפשר לאחד תת-סוכנים לסוכן ראשי אחד, שטוען סקילים וכלים רק כשהוא צריך אותם. ככה פחות מידע הולך לאיבוד בהעברות בין סוכנים, ובפריסה ארגונית אחת שהיא מתארת זה רץ בערך פי 2 מהר יותר. תת-סוכן עדיין נכון בשלושה מצבים: כשמדדתם שההקשר מתנפח ופוגע בתוצאה, כשצריך עבודה במקביל, וכשיש יותר מדי כלים או הוראות סותרות.

כשמתחילים לבנות סוכנים, יש נטייה טבעית לפצל. סוכן למחקר, סוכן לכתיבה, סוכן לבדיקה, ומעל כולם סוכן שמנהל אותם. זה נראה מסודר, וזה מרגיש כמו לבנות צוות. גם אני הלכתי בכיוון הזה לא פעם.

אז כש-Anthropic פרסמה ב-22 באוקטובר מאמר שאומר, בערך, "תעצרו רגע ותבדקו אם אתם צריכים את כל הסוכנים האלה", קראתי אותו פעמיים. יש בו כמה דברים שכדאי לכל מי שבונה סוכנים לשמוע, וגם אזהרה אחת שחשובה לא פחות מההמלצה עצמה.

מה Anthropic אומרת, במשפט?

במקום הרבה תת-סוכנים, כל אחד עם הוראות וכלים משלו, בונים סוכן ראשי אחד בלולאה אחת. ההוראות לכל סוג משימה יושבות בסקילים, קבצים שהסוכן טוען רק כשהוא צריך. הכלים נטענים בחיפוש כלים (tool search): הסוכן מחפש את הכלי שמתאים לרגע, במקום לקבל את כולם מראש.

הסוכן כותב את התוכנית שלו בתחילת העבודה, ומעדכן אותה כשהתוצאות מגיעות. אין מעבר בין סוכנים, ואין סיכומים שעוברים מיד ליד.

למה Anthropic חוזרת לסוכן אחד?

הטענה המרכזית שלה פשוטה: סוכן שראה בעצמו את התוצאה של כל צעד קודם יכול לחבר ביניהם, ומוציא תשובה עשירה יותר מאוסף של סיכומים שתת-סוכנים החזירו לו. כל העברה בין סוכנים היא נקודה שבה פרט קטן נעלם.

יש גם סיבה טכנית. המודלים החדשים יודעים להחזיק תוכנית ארוכה לבד, ולכן אפשר להעביר אליהם החלטות שפעם היו כתובות בקוד שמסביב. ב-Anthropic מספרים שקיצרו את ההנחיה של Claude Code ביותר מ-80%, בין השאר כי הכלים נטענים לפי הצורך.

ומחקר נפרד של Vals מ-9 באוקטובר תומך בכיוון. הם השוו סוכן יחיד מול צוות סוכנים על משימה של בניית אפליקציה שלמה. הצוותים עלו פי 1.8 עד 5.1, ושיפור מובהק באיכות נמצא רק באחת מארבע ההשוואות.

3 סימנים שהגיע הזמן לאחד תת-סוכנים

1. הסוכנים שלכם תמיד רצים יחד

אם תת-סוכן אחד תמיד מקבל את הפלט של השני, או ששניהם נוגעים באותם נתונים, הם בעצם משימה אחת שחתכתם לשניים. Anthropic ממליצה להתחיל את האיחוד בדיוק מהם.

2. דברים הולכים לאיבוד בדרך

הסוכן הראשי עונה בלי פרט שהיה אצל תת-סוכן, או שואל שוב משהו שכבר נאמר. זה הסימן הקלאסי שההקשר נשבר בהעברה. סוכן אחד שרואה הכל לא צריך לנחש מה היה בסיכום.

3. ההנחיה הפכה לטלאים

ב-Anthropic קוראים לזה "פרנקן-פרומפט": כל צוות מוסיף משפט להנחיה, או תת-סוכן משלו, ובסוף יש כללים סותרים ואין קול אחד. הם מזכירים את חוק קונוויי: מבנה המערכת הופך להעתק של מבנה הארגון. אם יש לכם סוכן לכל מחלקה רק כי יש מחלקה, כנראה שזה מה שקרה.

רוצים לקבל כל שבוע דבר אחד מעשי על סוכני AI, בלי רעש? הצטרפו לגיליון "אלעד עמרני AI".

3 מצבים שבהם תת-סוכן עדיין נכון

זה לא "תת-סוכנים מתו". Anthropic משאירה שלושה מקרים ברורים:

• ההקשר מתנפח, ומדדתם את זה. כשהסוכן היחיד מתחיל להיחלש כי החלון שלו מלא, ויש לכם מדידה שמראה את זה. לא תחושה.
• עבודה במקביל. כמה משימות שצריך להריץ בבת אחת, כל אחת עם הקשר נקי שאפשר לזרוק כשהיא נגמרת. למשל לסרוק עשרה מקורות שונים.
• יותר מדי כלים או הוראות סותרות. לפי Anthropic, מעל 30 עד 50 הגדרות של כלים בהנחיה, הבחירה בכלי הנכון נוטה להידרדר. אם הסוכן מתבלבל בין כלים, פיצול יכול לעזור.

שימו לב למילה שחוזרת: מדידה. ההמלצה היא לא לאחד הכל, אלא להשאיר תת-סוכן רק אם הוא מרוויח את המקום שלו.

איך מאחדים בלי לשבור

כאן נמצאת האזהרה שהכי עניינה אותי. ב-Anthropic ניסו לאחד תת-סוכן לתוך סוכן תמיכה לדוגמה. זמן התגובה ירד, אבל תהליך שעבד קודם נשבר: הסוכן הראשי החזיק את הכלי לחיפוש הזמנה וענה לבד, במקום לשאול את המומחה למשלוחים מתי ההזמנה תגיע.

כלומר, איחוד עיוור יכול להוריד שכבה של ידע בלי שתשימו לב. לכן הם ממליצים על סדר:

1. קודם בדיקות. אוסף קטן של משימות אמיתיות עם התשובה הנכונה. לפי Anthropic, גם 10 דוגמאות טובות מספיקות כדי להתחיל.
2. מאחדים את מה שרץ יחד. תת-סוכנים שתמיד נקראים ביחד הם הראשונים.
3. שלב ביניים: תת-סוכן ככלי. הסוכן הראשי ממשיך לנהל את השיחה, וקורא לתת-סוכן כמו לכלי שמחזיר תוצאה מסודרת.
4. אחד בכל פעם. ההוראות של תת-סוכן הופכות לסקיל, והחיבורים שלו הופכים לכלים. אחרי כל שינוי מריצים שוב את הבדיקות.
5. משאירים רק את מה שמנצח. אם הגרסה המאוחדת יוצאת גרועה יותר, התת-סוכן נשאר.

Anthropic פרסמה גם ערכת מעבר בגיטהאב, single-agent-loop-kit, עם השלבים האלה, סקריפטים לבדיקה ודוגמה של סוכן תמיכה עם נתב ושישה תת-סוכנים, לפני ואחרי. היא ברישיון Apache-2.0, וכתוב שם במפורש שזה מימוש לדוגמה שלא מתוחזק. לוקחים את הרעיון ומתאימים, לא מתקינים ושוכחים.

מה אני הייתי עושה

אם בניתם סוכן עם כמה תת-סוכנים, ב-Claude Code או בכל כלי אחר, הייתי מתחיל בשתי שאלות פשוטות: אילו מהם תמיד רצים יחד, ואילו מהם קיימים רק כי ככה חילקתי את העבודה בראש. את הראשונים הייתי מאחד ראשון.

הצעד להיום: כתבו עשר משימות אמיתיות שהסוכן שלכם מקבל, עם התשובה שאתם מצפים לה. בלי זה כל איחוד הוא ניחוש. ואם אתם רק מתחילים, אל תתחילו מצוות. סוכן אחד, כמה סקילים, וכלים מעטים. מפצלים כשיש סיבה שמדדתם. אם עוד לא ברור לכם איזה סוג סוכן מתאים למשימה, כתבתי על זה בסוגי סוכני AI.

ועוד כלים לבניית סוכנים ריכזתי ב4 כלי סוכנים מגיטהאב ובעמוד סוכני AI.

שאלות נפוצות

מה זה תת-סוכן?

סוכן נפרד, עם הוראות וכלים משלו, שהסוכן הראשי מעביר אליו משימה ומקבל ממנו תשובה. הוא עובד בחלון הקשר נפרד, ולכן הסוכן הראשי רואה רק את הסיכום שחזר.

מה ההבדל בין סקיל לתת-סוכן?

סקיל הוא קובץ הוראות שהסוכן הראשי טוען לעצמו כשהוא צריך אותו, והעבודה נשארת אצלו. תת-סוכן הוא סוכן אחר שמקבל את המשימה. בסקיל אין העברה ואין מידע שהולך לאיבוד בדרך.

האם צוות סוכנים נותן תוצאה טובה יותר?

לפי מחקר של Vals מאוקטובר 2026, ברוב ההשוואות לא. צוותים עלו פי 1.8 עד 5.1 מסוכן יחיד, ושיפור מובהק נמצא רק באחת מארבע ההשוואות.

כמה כלים אפשר לתת לסוכן אחד?

לפי Anthropic, מעל 30 עד 50 הגדרות של כלים בהנחיה של הסוכן, הבחירה בכלי הנכון נוטה להידרדר. במצב כזה עוזר חיפוש כלים, שבו הסוכן טוען רק את הכלים שהוא צריך.

מתי עדיין כדאי להשתמש בתת-סוכנים?

כשמדדתם שהסוכן היחיד נחלש מעומס הקשר, כשצריך כמה משימות במקביל עם הקשר נקי לכל אחת, או כשהסוכן מתקשה לבחור כלים או מקבל הוראות סותרות.

צריכים סוכן AI לעסק או לארגון? ב-Agentic-dev, החברה שלי, אנחנו מפתחים סוכני AI ואוטומציות לחברות: לאתר של Agentic-dev. רוצים שהצוות שלכם ידע לבנות ולעבוד עם סוכנים בעצמו? לסדנאות.

בגיליון השבועי "אלעד עמרני AI" אני שולח כל שישי מדריכים, כלים ורעיונות מעשיים לעבודה עם סוכנים. להצטרפות לגיליון.

מקורות: Anthropic, Building agents: When to fold subagents into your main agent loop (22.10.2026) · ערכת המעבר single-agent-loop-kit · המחקר של Vals · הסיקור ב-The Decoder. הנתונים נבדקו ב-27 באוקטובר 2026.