o problema
Pesquisa aberta não tem caminho fixo. Quem investiga um assunto muda de rota conforme descobre coisa, segue pista que não existia no começo e decide na hora se aprofunda ou abre o leque. Um pipeline linear de uma passada não dá conta disso. RAG tradicional tampouco: ele busca os chunks mais parecidos com a pergunta e gera a resposta em cima deles — retrieval estático, decidido antes de qualquer descoberta.
O segundo problema é de capacidade. Um agente sozinho, buscando em série, empilha tudo na mesma janela de contexto e demora. O exemplo que a Anthropic dá é listar todos os membros de conselho das empresas de tecnologia da informação do S&P 500: o sistema de agente único falhou com buscas lentas e sequenciais, enquanto o multi-agente decompôs a pergunta em tarefas e achou as respostas.
a ideia
Busca é compressão: destilar o que importa de um corpus enorme. Subagentes comprimem em paralelo, cada um na sua própria janela de contexto, explorando um aspecto da pergunta e devolvendo ao agente líder só os tokens que sobreviveram à triagem. Cada um traz separação de preocupações — ferramentas, prompt e trajetória próprios —, o que reduz dependência de caminho.
A explicação mais desconfortável do post é econômica, não arquitetural. Multi-agente funciona principalmente porque permite gastar tokens suficientes para resolver o problema. Distribuir o trabalho entre contextos separados é uma forma de comprar mais raciocínio paralelo sem estourar uma janela só. Na avaliação interna, um sistema com Claude Opus 4 como líder e Claude Sonnet 4 como subagentes superou o Opus 4 sozinho em 90,2%.
como funciona
O padrão é orchestrator-worker. O LeadResearcher pensa a abordagem e salva o plano em Memory — acima de 200.000 tokens o contexto trunca, e perder o plano é fatal. Depois cria subagentes com tarefa específica: objetivo, formato de saída, quais ferramentas e fontes usar, onde a tarefa acaba. Sem esse detalhe eles se atropelam: pedir “pesquise a escassez de semicondutores” fez um subagente investigar a crise automotiva de 2021 enquanto dois repetiam a mesma busca sobre cadeias de suprimento de 2025.
O esforço é regrado no prompt, porque o modelo não calibra sozinho — versões iniciais chegaram a subir 50 subagentes para pergunta trivial. Fato simples: 1 agente, 3 a 10 tool calls. Comparação direta: 2 a 4 subagentes, 10 a 15 chamadas cada. Pesquisa complexa: mais de 10 subagentes com responsabilidades divididas.
O paralelismo tem duas camadas: o líder sobe 3 a 5 subagentes de uma vez em vez de em série, e cada subagente chama 3 ou mais ferramentas ao mesmo tempo. Isso cortou até 90% do tempo em consultas complexas. Os subagentes usam interleaved thinking depois de cada resultado para avaliar qualidade, achar lacunas e refinar a próxima query — sempre começando por busca curta e ampla antes de estreitar. No fim do loop, um CitationAgent processa documentos e relatório para localizar onde cada citação entra.
A avaliação começou com cerca de 20 queries de uso real. O julgamento é feito por um LLM judge numa única chamada, com rubrica de acurácia factual, acurácia de citação, completude, qualidade de fonte e eficiência de ferramenta, produzindo nota de 0,0 a 1,0 mais pass/fail — vários juízes especializados saíram menos consistentes que um só. Também criaram um agente que testa ferramenta MCP defeituosa dezenas de vezes e reescreve a descrição; o ganho foi 40% menos tempo de conclusão para os agentes seguintes.
o que isso custou
Tokens. Um agente usa cerca de 4× o de um chat, multi-agente cerca de 15×. Só fecha a conta em tarefa cujo valor paga o desempenho extra. Domínios em que todos os agentes precisam do mesmo contexto, ou com muita dependência entre eles, não servem hoje — os autores citam a maioria das tarefas de código como exemplo, com menos paralelismo real do que pesquisa, e admitem que LLMs ainda não coordenam nem delegam bem em tempo real.
A execução dos subagentes é síncrona: simplifica a coordenação e cria gargalo. O líder não consegue corrigir o rumo de um subagente em andamento, subagentes não conversam entre si, e o sistema inteiro fica bloqueado esperando o mais lento. Assíncrono destravaria isso ao custo de coordenação de resultados, consistência de estado e propagação de erro.
O resto é operação. Erro composto em processo longo obrigou a resumir do ponto da falha em vez de reiniciar, com checkpoints e retry. Deploy usa rainbow deployment, deslocando tráfego aos poucos, porque os agentes em execução podem estar em qualquer ponto do processo. Debug exigiu tracing completo de produção, monitorando padrões de decisão sem ler o conteúdo das conversas. E foi teste humano, não eval automática, que pegou o viés dos primeiros agentes por content farm otimizado para SEO em vez de PDF acadêmico ou blog pessoal.
onde isso aparece hoje
O Research está em produção no Claude, buscando na web, no Google Workspace e em integrações, e os prompts do sistema estão abertos no Cookbook da Anthropic. A análise de uso com Clio mostra a distribuição: desenvolvimento de software em domínios especializados (10%), produção de conteúdo técnico e profissional (8%), estratégias de crescimento de negócio (8%), pesquisa acadêmica e material educacional (7%) e verificação de informação sobre pessoas, lugares e organizações (5%).
O post também deixa um recado para quem publica servidor MCP: agentes encontram ferramentas que nunca viram, com descrições de qualidade variável, e uma descrição ruim manda o agente para o caminho errado inteiro. Descrição de ferramenta virou superfície de engenharia com métrica associada.