当模型本身足够强时，把任务拆给一堆子代理，可能反而是在给自己添麻烦。
发生了什么
Anthropic 公开建议企业重新审视现有的多子代理（sub-agent）架构：与其让一个主代理把任务分派给多个专职子代理，不如评估能否把它们合并成一个单一 Agent，由它按需加载上下文。
在其进行的一次架构对比中，单 Agent 方案的运行速度约为多子代理方案的两倍。为降低迁移成本，Anthropic 还在 GitHub 上发布了迁移工具包，帮助团队完成从多代理到单代理的改造。
需要说明的是，公开信息只给出了“约两倍”这一相对结论，未披露具体任务类型、模型版本与测试规模，因此不宜把它当作普适的性能承诺。
为什么重要
过去一两年，多代理架构几乎是构建复杂 AI 系统的默认答案：规划者拆解任务，检索代理找资料，编码代理写代码，审查代理做校验，最后由汇总代理整合输出。这套设计的隐含前提是——单个模型处理不了太复杂的事情，所以必须靠分工来降低每一步的难度。
但前提正在松动。随着模型的长上下文能力、指令遵循和工具调用稳定性提升，原本需要靠“拆”来消化的复杂度，现在可以由一个代理在内部消化。此时多代理架构的代价开始显性化：代理之间的信息传递会丢失细节，每一跳都是一次有损压缩；子代理各自持有的上下文彼此不共享，容易重复劳动或相互矛盾；编排层本身也带来额外的延迟与调试成本。
Anthropic 此番表态的实质，是把“架构选择”从信仰问题拉回到成本收益问题：多代理不是更先进的形态，而是一种在模型能力不足时的补偿手段。补偿的必要性下降，架构就该跟着简化。
影响与看点
对开发者而言，最直接的影响是工程复杂度的重新分配。多代理系统里大量精力花在编排、消息协议和错误传播上，单代理方案则把重心移回上下文管理与工具设计——也就是“什么时候给模型看什么”。迁移工具包的意义正在于此：它降低的不是写代码的门槛，而是推翻既有设计的心理门槛。
对企业来说，值得做一次架构审计：现有子代理中，有多少是在弥补模型缺陷，有多少是在承载真正的业务边界（如权限隔离、审计合规、独立部署）。前者可以合并，后者不该动。速度翻倍只是表象，维护成本和可观测性的改善往往更实在。
一个需要保持警惕的点是：Anthropic 既是模型提供方，也是这套结论的受益方——单代理架构更依赖强模型本身。这类建议应当结合自身任务做小规模 A/B 验证，而不是直接照搬。
我的判断是：多代理不会消失，但会从“默认架构”退回到“特定场景的专用工具”，比如需要强隔离的高风险操作，或天然并行的批量任务。架构的钟摆，正在从“拆得越细越好”摆回“能不分就不分”。
