Anthropic Lança Framework de Coordenação de Agentes de IA Múltiplos para Programadores

Lawrence Jengar 10 de abr. de 2026 18:06

A Anthropic publica um guia abrangente sobre cinco padrões de coordenação de Agentes de IA múltiplos, oferecendo aos programadores frameworks práticos para construir sistemas autónomos complexos.

A Anthropic publicou um guia técnico detalhado que descreve cinco padrões distintos de coordenação para sistemas de Agentes de IA múltiplos, fornecendo aos programadores um framework prático para construir aplicações autónomas que requerem múltiplos Agentes de IA a trabalhar em conjunto.

O guia, divulgado através do blogue oficial do Claude, aborda um ponto problemático crescente no desenvolvimento de IA: equipas que escolhem arquiteturas excessivamente complexas quando soluções mais simples seriam suficientes. A recomendação da Anthropic é direta—comece com o padrão mais simples que possa funcionar e evolua a partir daí.

Os Cinco Padrões Explicados

O framework divide a coordenação de agentes múltiplos em cinco abordagens, cada uma adequada a diferentes casos de uso:

Gerador-verificador emparelha um agente que produz resultados com outro que os avalia segundo critérios explícitos. Pense na geração de código onde um agente escreve código enquanto outro executa testes. A Anthropic alerta que este padrão falha quando as equipas implementam o ciclo sem definir o que a verificação realmente significa—criando "a ilusão de controlo de qualidade sem a substância."

Orquestrador-subagente usa uma estrutura hierárquica onde um agente líder delega tarefas delimitadas. O Claude Code já usa esta abordagem, enviando subagentes em segundo plano para pesquisar grandes bases de código enquanto o agente principal continua o trabalho primário.

Equipas de agentes diferem do orquestrador-subagente de uma forma crítica: persistência dos trabalhadores. Em vez de terminar após cada tarefa, os colegas permanecem ativos através das atribuições, acumulando conhecimento de domínio. Isto funciona bem para migrações de grande escala onde cada agente desenvolve familiaridade com o seu componente atribuído.

Message bus a arquitetura adequa-se a pipelines orientadas a eventos onde o fluxo de trabalho emerge de eventos em vez de sequências predeterminadas. Os sistemas de operações de segurança exemplificam isto—alertas encaminham para agentes especializados com base no tipo, com novas capacidades de agentes a conectar-se sem reconfigurar ligações existentes.

Estado partilhado remove completamente os coordenadores centrais. Os agentes leem e escrevem diretamente num armazenamento persistente, construindo sobre as descobertas uns dos outros em tempo real. Os sistemas de síntese de investigação beneficiam aqui, onde as descobertas de um agente informam imediatamente a investigação de outro.

Onde Cada Padrão Falha

A Anthropic não evita documentar modos de falha. Os ciclos gerador-verificador podem estagnar indefinidamente se o gerador não conseguir responder ao feedback—limites máximos de iteração com estratégias de contingência são essenciais. O orquestrador-subagente cria estrangulamentos de informação; detalhes críticos frequentemente perdem-se ao encaminhar através de um coordenador central.

As equipas de agentes têm dificuldades quando o trabalho não é verdadeiramente independente. Recursos partilhados agravam problemas—múltiplos agentes a editar o mesmo ficheiro criam conflitos que requerem particionamento cuidadoso. As arquiteturas message bus tornam a depuração mais difícil uma vez que rastrear cascatas de eventos através de cinco agentes requer registo meticuloso.

O estado partilhado arrisca ciclos reativos onde os agentes continuam a responder às atualizações uns dos outros sem convergir, consumindo tokens indefinidamente. A solução: condições de terminação de primeira classe como orçamentos de tempo ou limiares de convergência.

Ponto de Partida Prático

Para a maioria das aplicações, a Anthropic recomenda começar com orquestrador-subagente. Lida com a maior gama de problemas com sobrecarga mínima de coordenação. Os sistemas de produção frequentemente combinam padrões—orquestrador-subagente para o fluxo de trabalho geral com estado partilhado para subtarefas intensivas em colaboração.

A empresa planeia publicações de acompanhamento examinando cada padrão com implementações de produção e estudos de caso. Para programadores a construir aplicações de IA que requerem múltiplos agentes—seja para revisão de código, operações de segurança ou síntese de investigação—este framework fornece orientação concreta sobre ajustar a arquitetura aos requisitos reais em vez da sofisticação percebida.

• agentes de ia
• anthropic
• claude
• sistemas multi-agente
• ferramentas de programador