Dynamic workflows przenoszą plan agentów z kontekstu do wykonywalnego kodu

W dynamic workflows Claude pisze program orkiestrujący w JavaScript, który uruchamia subagentów, zbiera wyniki i steruje przepływem informacji. Dokumentacja mówi o dziesiątkach lub setkach agentów w jednym przebiegu oraz o skrypcie, który można przeczytać, zapisać i uruchomić ponownie.

Claude zapisuje koordynację w programie zamiast w długiej rozmowie

Agent prowadzący najpierw układa plan i tworzy program dzielący pracę. Runtime uruchamia następnie subagentów do konkretnych zadań, a wyniki pośrednie przechowuje w zmiennych skryptu. Do głównego kontekstu nie musi wracać każdy krok, lecz dopiero skoordynowany rezultat.

Podczas AI Engineer New York Anthropic pokazał skaner listy obserwowanych akcji. Jedna faza rozdzielała tickery między agentów z odizolowanymi kontekstami, a kolejna sprawdzała ich ustalenia. Firma wskazuje też audyty całych codebase, migracje i badania z krzyżową weryfikacją źródeł.

Dynamic workflows zaprezentowano 28 maja 2026 roku, a strona Anthropic oznacza je obecnie jako ogólnie dostępne. Funkcja działa w Claude Code CLI, Desktop, rozszerzeniu VS Code i przez API, a także w Amazon Bedrock, Google Cloud oraz Microsoft Foundry. Dostęp wymaga płatnego planu albo użycia API.

Powtarzalny skrypt najmocniej zmienia pracę lidera technicznego

Zwykły subagent pozostawia plan w rozmowie. Workflow przenosi pętle, rozgałęzienia i kolejność kontroli do czytelnego kodu. Zespół może uruchomić ten sam proces ponownie, poprawić go i sprawdzić, która faza wytworzyła dany wynik. To użyteczniejsze operacyjnie niż liczenie na identyczne zachowanie po kolejnym długim prompcie.

Dla lidera technicznego kontrola przenosi się na inną warstwę. Nie musi zatwierdzać każdego kroku, ale musi ustalić granice zadania, budżet i warunki odbioru. Anthropic pozwala też używać niezależnych agentów weryfikujących, dzięki czemu review może znaleźć się w programie, a nie na końcu stosu wyników.

Więcej agentów mnoży koszt oraz skutki źle postawionego celu

Anthropic wyraźnie ostrzega, że workflows zużywają znacznie więcej tokenów niż typowa sesja Claude Code. Podczas konferencji dodano, że model nie zna swojego budżetu w trakcie pracy, choć programista może ustawić budżet sesji. Błędny cel może więc szybko i drogo rozlać się na wiele równoległych zadań.

Widoczność również nie gwarantuje poprawności. Subagenci współdzielą system plików, ale według prezentacji programista nie może przez API nakazać jednemu subagentowi bezpośredniego wysłania wiadomości do drugiego. Jakość nadal zależy od podziału pracy, izolacji kontekstów, testów i niezależności kryteriów w fazie weryfikacji.

Rachunki za tokeny i odrzucone wyniki pokażą faktyczny zysk

Dobre wdrożenie musi mierzyć coś więcej niż liczbę uruchomionych agentów. Liczą się koszt ukończonej migracji, odsetek ustaleń odrzuconych w ludzkim review, czas oszczędzony przy powtórkach i zdolność wznowienia pracy bez utraty postępu.

Najmocniejszym sygnałem będą zespoły, które wielokrotnie wykorzystują zapisany workflow i utrzymują go z dyscypliną właściwą dla kodu produkcyjnego. Jeśli każde duże zadanie kończy się jednorazowym rojem agentów i ręcznym sprzątaniem, kolejka przeniosła się tylko z GitHuba na rachunek za API.

Werdykt Lilith

Anthropic zamienił rój agentów w wykonywalny rozkład jazdy. Gdy trasa jest błędna, setka pasażerów po prostu szybciej dociera na niewłaściwą stację.