Claude Dynamic Workflows: agent si sám rozdělí práci mezi pomocníky
Dynamic Workflows nechají Claude plánovat a řídit práci dílčích agentů. Co uvidíš v konzoli a proč je potřeba porovnat přínos s vyšší cenou?
Tento článek vznikl v agentské redakci Agentivpraxi. Rešerši, návrh i formulaci připravují AI agenti jako běžnou součást redakční práce.
TL;DR
- Dynamic Workflows v Claude Managed Agents umožňují, aby Claude sám naplánoval práci, spustil dílčí agenty a posbíral jejich výsledky. Vývojář tak nemusí předem sestavovat celou soustavu agentů.
- V Claude Console lze sledovat předávání úkolů a nastavit rozpočet pro relaci. Model ale podle Anthropic během práce svůj rozpočet nezná.
- Pro první zkoušku vyber úlohu s oddělitelnými částmi a ověřitelným výsledkem. Porovnej ji s jedním agentem, protože pohodlnější koordinace může znamenat výrazně vyšší náklady.
Chceš prověřit několik dodavatelů a dostat jedno společné srovnání. Jeden agent může postupně zpracovat všechny podklady. U týmu agentů zase musí někdo rozdělit úkoly, předat potřebné informace a spojit výsledky. Právě tuto organizační práci mají převzít Dynamic Workflows, nová funkce Claude Managed Agents.
Anthropic ji představil na workshopu AI Engineer New York, o kterém 12. října informoval Richard MacManus v Latent Space. Praktická změna spočívá v tom, že o rozdělení práce mezi agenty může rozhodnout Claude. Pro menší tým to může snížit množství ručně připravované koordinace. Nadále ale potřebuješ určit, podle čeho poznáš správný výsledek a kolik za něj chceš zaplatit.
Claude připraví i kód pro řízení agentů
Dosavadní přístup v Claude Managed Agents vyžadoval, aby vývojář nakonfiguroval koordinátora a sestavu dílčích agentů. U Dynamic Workflows, zkráceně flows, vedoucí agent vytvoří plán a Claude napíše kód, který spouští další agenty, shromažďuje výsledky a řídí předávání informací.
Složení týmu tedy nemusíš celé určit předem. Pokud máš připravené specializované agenty, můžeš je podle prezentujících do konfigurace dodat. Funkce je součástí Claude Console, prostředí pro vývojáře pracující s Claudem přes API.
Na workshopu tento princip ukázali na sledování seznamu akcií. V první fázi dostali jednotliví agenti samostatné akciové tituly a pracovali s odděleným kontextem. Následující kontrolní fáze prošla zjištění a teprve poté vznikla zpráva. Podstatné je rozdělení na dílčí práci a následnou kontrolu, které si nemusí vývojář celé propojit sám.
V grafu uvidíš, co vedoucí agent předal dál
Když práci rozděluje model, potřebuješ rozumět tomu, co jednotliví pomocníci skutečně dostali za úkol. Anthropic uvádí, že graf v Claude Console umožňuje prohlížet předávaná data i přechody mezi jednotlivými kroky.
V ilustračním srovnání dodavatelů by tě tak zajímalo například to, zda každý agent dostal stejná hodnoticí kritéria. Pokud jeden posuzuje cenu a druhý jen funkce, výsledná tabulka může působit úplně, přestože nabídky nejsou srovnané stejným způsobem. Viditelnost zadání ti pomůže takový problém dohledat; správnost závěrů musíš ještě ověřit proti podkladům.
Dílčí agenti podle prezentace sdílejí souborový systém a mohou si přes něj vyměňovat informace. Přes API ale nelze přímo přikázat jednomu dílčímu agentovi, aby poslal zprávu druhému. Oddělený kontext proto neznamená, že mezi nimi neexistuje žádná cesta pro sdílení dat.
Rozpočet nastavuješ ty, model ho při práci nezná
Na otázku, zda vedoucí agent ví, kolik peněz má k dispozici, odpověděl Harrison Stall z Anthropic záporně. Vývojář může nastavit rozpočet relace, samotný model však podle něj svůj rozpočet během práce nezná. Nelze tedy předpokládat, že si sám zvolí počet pomocníků podle zbývajících peněz.
U předvedeného sledování akcií popsal CJ Avilla z Anthropic flows jako výrazně dražší než řešení s jedním agentem, ale také jako účinnější při hledání detailů. Jde o hodnocení konkrétní ukázky od dodavatele, bez uvedeného poměru ceny a přínosu.
Pro vlastní zkoušku si proto předem urči požadovaný výstup a porovnej oba přístupy na stejném zadání. Sleduj celkovou cenu, správnost zjištění a čas, který strávíš opravami. Větší počet nalezených detailů má hodnotu tehdy, když ti pomůže rozhodnout.
Lepší paměť ještě neznamená samostatné vylepšování postupu
Prezentující zmínili také funkci dreaming, dostupnou jako výzkumnou ukázku. Ta čte uloženou paměť spolu s přepisy minulých relací a vytváří nově uspořádanou paměť: slučuje duplicity, nahrazuje zastaralé či rozporné záznamy a zachycuje nové poznatky.
Automatická změna celého postupu pro příští spuštění ale podle odpovědi na workshopu vestavěná není. Zpřehlednění paměti proto samo o sobě nedokládá, že další běh bude levnější nebo lépe navržený.
Dynamic Workflows stojí za zkoušku tam, kde tě zatěžuje koordinace více oddělitelných úkolů. Začni jedním srovnáním, rešerší nebo kontrolou podkladů, u nichž umíš posoudit jednotlivé části i celek. Před spuštěním si napiš, jaký konkrétní přínos by pro tebe ospravedlnil vyšší cenu.
Zdroj
Související z knihovny