‏Dynamic Workflows: وقتی Claude خودش تیم agentها رو می‌چینه

تو کنفرانس AI Engineer نیویورک ۲۰۲۶، دو نفر از تیم فنی Anthropic، CJ Avilla و Harrison Stall، قابلیت تازهٔ dynamic workflows (یا همون «flows») رو برای Claude Managed Agents توضیح دادن. نویسندهٔ مقاله تعریف خود Anthropic رو آورده: یه نوع جدید از هماهنگ کردن چند agent، مخصوص بزرگ‌ترین کارها. ارائه‌دهنده‌ها با مثال Unix و Linux شروع کردن؛ همون‌طور که Linux از یه نفر به لایه‌لایه نگهدارندهٔ قابل‌اعتماد رسید، agentها هم برای پروژه‌های بزرگ همین نظم رو لازم دارن.

مشکلی که flows می‌خواد حل کنه اینه که آدم خودش گلوگاه می‌شه. Avilla می‌گه وقتی کلی agent داری که مدام PR می‌فرستن، آخرش تو GitHub نشستی و داری یکی‌یکی تأییدشون می‌کنی. قبلاً تو Managed Agents باید یه coordinator و یه roster (یعنی لیست ثابت subagentها) رو دستی تنظیم می‌کردی. حالا agent اصلی اول یه نقشه می‌کشه، بعد یه برنامهٔ orchestration می‌نویسه که agentها رو راه می‌ندازه، نتیجه‌ها رو جمع می‌کنه و جریان اطلاعات رو مدیریت می‌کنه. اگه بخوای، هنوز می‌تونی subagentهای از پیش تنظیم‌شده رو هم تو config بدی.

مثالی که نشون دادن یه اسکنر ساده برای لیست سهام بود: تو فاز اسکن، هر نماد به یه agent جدا با context ایزوله سپرده می‌شد و تو فاز بعدی یه مرحلهٔ بررسی، یافته‌ها رو چک می‌کرد و گزارش می‌ساخت. همهٔ این‌ها از طریق Claude Console در دسترسه و می‌شه تو یه گراف دید agent اصلی دقیقاً چی به هر subagent پاس داده.

تو پرسش و پاسخ چند تا نکتهٔ مهم دراومد. اینکه Claude چند تا agent بسازه با eval و پیش‌فرض‌های پایین کنترل می‌شه، و برای کارهای بزرگ باید صریحاً بخوای بیشتر موازی کار کنه. مدل حین اجرا از بودجه‌اش خبر نداره ولی می‌شه برای session بودجه گذاشت؛ Stall با خنده گفت اگه به مدل بودجه رو بگی ممکنه «یه کم مضطرب» بشه. subagentها مستقیم با هم پیام رد و بدل نمی‌کنن، ولی یه filesystem مشترک دارن.

برای ارزون‌تر و بهتر کردن flowهای تکراری، Avilla قابلیت dreaming رو پیشنهاد داد؛ یعنی یه فرایند که memory store و transcriptهای قبلی رو می‌خونه و یه حافظهٔ مرتب‌تر می‌سازه که توش تکراری‌ها ادغام و چیزهای قدیمی جایگزین شدن. این قابلیت فعلاً research preview هست. بهبود خودکار خود flow هنوز ساخته نشده، ولی به گفتهٔ ارائه‌دهنده‌ها با hill-climbing و dreaming می‌شه بهش نزدیک شد.

در مقایسه با یه agent تنها، flows «خیلی گرون‌تره» ولی به گفتهٔ Avilla تو پیدا کردن جزئیات خیلی مؤثرتره. Stall می‌گه flows در اصل راهیه برای اینکه test-time compute (یعنی محاسبهٔ بیشتر موقع اجرا) رو روی مسئله‌های سخت خرج کنی، و هدف Anthropic اینه که حل مسئله‌های بزرگ علمی برای عموم کاربرها هم ممکن بشه.

نکات کلیدی:

• flows تو Claude Managed Agents معرفی شده و از Claude Console در دسترسه
• agent اصلی خودش یه برنامهٔ orchestration می‌نویسه و دیگه لازم نیست roster دستی تنظیم کنی
• مدل از بودجه خبر نداره ولی می‌شه برای session سقف بودجه گذاشت
• subagentها پیام مستقیم نمی‌دن و فقط از filesystem مشترک اطلاعات رد و بدل می‌کنن
• قابلیت dreaming برای مرتب کردن memory store هنوز research preview هست