تصور کنید به جای یک دستیار، ارتشی از ۱۰۰۰ متخصص داشته باشید که هر کدام بخشی از یک پروژه عظیم را در چند دقیقه تحلیل می‌کنند. این همان چیزی است که آنتروپیک (Anthropic) با به‌روزرسانی جدید عامل‌های مدیریت‌شده کلود (Claude Managed Agents) در ۹ اکتبر ۲۰۲۶ محقق کرده است.
در این سیستم، یک عامل پیشرو نقش برنامه‌ریز را دارد؛ او وظایف را تقسیم می‌کند، آن‌ها را بین ۱۰۰۰ عامل (Agent) — شبیه به مدیر پروژه‌ای که هزار کارآموز متخصص را برای اتمام سریع یک کار استخدام می‌کند — توزیع کرده و در نهایت نتایج را ادغام می‌کند. این رویکرد در واقع تکامل همان استراتژی است که آنتروپیک پیش‌تر برای تبدیل دستیار چت به یک موتور ارکستراسیون در بازطراحی Projects دنبال می‌کرد.
همان‌طور که در پوشش پیشین ما از پروتکل MCP و اتصال مدل‌ها به سیستم‌های محلی دیدیم، تمرکز حالا از «اتصال» به «هماهنگی داخلی» مدل‌ها تغییر کرده است. طبق گزارش وب‌سایت the-decoder.com، این قابلیت بر پایه نوع عامل «multiagent_20261001» پیاده‌سازی شده است. این تحول را می‌توان در راستای گذار از مدیریت پوشه‌ای به مدیریت عامل‌های موازی در Claude Code تحلیل کرد که ساختار همکاری مدل‌ها را دگرگون کرده است.
به نقل از مستندات فنی این به‌روزرسانی، نتایج در مهندسی نرم‌افزار خیره‌کننده است:
- سناریوی آزمون: شناسایی ۷۰ باگ در یک کد ۱۱۶ هزار خطی.
- تک‌عامل: در هر اجرا تنها ۱۴ تا ۲۷ باگ را پیدا کرد.
- گردش‌کار پویا: به‌طور مستمر ۶۶ باگ را شناسایی کرد.
کاربران می‌توانند این قابلیت را از طریق مستندات یا اجرای دستور /claude-api managed-agents-onboard در کلود کد (Claude Code) فعال کنند. با این حال، شرکت هشدار داده است که اجرای موازی در این مقیاس، حجم عظیمی از توکن (Token) — تکه‌های کوچکی از متن که مدل تکه‌تکه می‌خورد — مصرف می‌کند و توصیه می‌کند کاربران با حجم کاری کم شروع کنند. برای درک بهتر چگونگی مدیریت این پیچیدگی‌ها، می‌توان به سازوکار جداسازی لایه‌های کنترل در AI-MC2-FABRIC اشاره کرد که برای کاهش تکرار عملیات در گردش‌کارهای سازمانی طراحی شده است.
این داده‌ها پاسخ مستقیمی به تردیدهای برخی متخصصان است. در حالی که یکی از مهندسان ارشد OpenAI اخیراً گروه‌های عامل را «اتلاف توکن» خوانده بود، نتایج آنتروپیک نشان می‌دهد برای کارهای پیچیده مثل ممیزی کد، افزایش ۳ برابری دقت، توجیه هزینه استنتاج را می‌کند. برای یک مدیر کسب‌وکار، این یعنی هوش مصنوعی از یک «دستیار نویسنده» به یک «نیروی کار دیجیتال» تبدیل شده است که می‌تواند کل سیستم‌های نرم‌افزاری را بازرسی کند.
گام بعدی شما
- اگر از Claude Code استفاده می‌کنید، دستور فعال‌سازی را روی یک پروژه کوچک تست کنید تا نرخ مصرف توکن را بسنجید.
- گردش‌کارهای فعلی خود را بررسی کنید تا ببینید کدام بخش‌ها قابلیت تبدیل به ساختار «یک پیشرو و چندین فرعی» را دارند.
- خروجی‌های مدل را با ممیزی انسانی تطبیق دهید تا میزان توهم در مقیاس ۱۰۰۰ عامل را بسنجید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو