تصور کنید به‌جای اینکه یک دستیار هوشمند را برای انجام تک‌تک مراحل یک پروژه مدیریت کنید، او خودش یک شرکت موقت با ۶۴ کارمند هم‌زمان تأسیس کند تا مشکل شما را حل کند. این دیگر یک تخیل نیست؛ آنتروپیک (Anthropic) اکنون به عامل‌های خود اجازه می‌دهد با نوشتن برنامه‌های پس‌زمینه، ارتش کوچکی از زیر-عامل‌ها را فرماندهی کنند.
طبق یادداشت‌های انتشار پلتفرم در ۹ اکتبر ۲۰۲۶، این قابلیت عامل‌ها را از رابط‌های ساده‌ی چت به معماران مستقل سیستم تبدیل می‌کند. این تحول در واقع تکامل همان استراتژی است که آنتروپیک پیش‌تر برای تبدیل دستیارهای چت به موتورهای ارکستراسیون در بازطراحی Projects دنبال کرده بود. همان‌طور که در تحلیل قبلی ما درباره‌ی همکاری HCLTech برای مقیاس‌دهی هوش مصنوعی عامل‌محور اشاره کردیم، بزرگ‌ترین گلوگاه در محیط‌های عملیاتی، «زمان انتظار» (Timeout) است. اکثر سامانه‌های فعلی در وظایف طولانی شکست می‌خورند یا توسعه‌دهندگان را مجبور می‌کنند ابزارهای پیچیده‌ای برای مدیریت وضعیت در سمت کاربر بسازند.
سازوکار جریان‌های کاری پویا
در این مدل جدید، عامل (Agent) — شبیه مدیر پروژه‌ای که به‌جای اجرای دستورات، خودش برنامه زمان‌بندی می‌نویسد — به‌جای پیروی از یک زنجیره صلب و تعریف‌شده توسط برنامه‌نویس، یک جریان کاری پویا خلق می‌کند. این برنامه، عامل‌های دیگر را در فازهای مختلف اجرا کرده و نتایج آن‌ها را در سرورهای آنتروپیک ترکیب می‌کند. این رویکرد، گذار مهمی از مدیریت ساده‌ی پوشه‌ها به مدیریت پیشرفته‌ی عامل‌های موازی در Claude Code محسوب می‌شود.
مشخصات فنی این به‌روزرسانی عبارت است از:
- مقیاس: مدیریت تا ۱۰۰۰ عامل در طول عمر یک جریان کاری.
- هم‌زمانی: اجرای هم‌زمان تا ۶۴ عامل.
- اجرا: فعالیت در پس‌زمینه (Background)، به‌طوری که نشست کاربر مسدود نمی‌شود.
- فعال‌سازی: از طریق هدر بتای
managed-agents-2026-04-01در پلتفرم توسعه‌دهندگان کلود (Claude Developer Platform).
به نقل از تست‌های داخلی آنتروپیک، تفاوت کارایی خیره‌کننده است. یک عامل تک‌نفره تنها توانست ۱۴ تا ۲۷ مورد از ۷۰ باگ موجود در یک کدبیس بزرگ را پیدا کند، اما یک جریان کاری پویا به‌طور مداوم ۶۶ مورد از آن ۷۰ باگ را شناسایی کرد. این نتایج، توانایی هماهنگی ۱۰۰۰ عامل در یک گردش‌کار پویا را به عنوان یک استاندارد جدید در حل مسائل پیچیده نرم‌افزاری معرفی می‌کند.
این تغییر، فرض بنیادی در طراحی عامل‌ها را دگرگون می‌کند. توسعه‌دهندگان دیگر با فراخوانی‌های تک‌تک API یا زنجیره‌های پرامپت سر و کار ندارند؛ آن‌ها حالا حفاظ‌هایی (Guardrails) را طراحی می‌کنند تا سیستم خودش منطق اجرا را تصمیم بگیرد. در واقع، عامل پیشرو دیگر فقط یک نماینده نیست، بلکه یک برنامه‌نویس است.
برای کاربر نهایی، یک پرامپت دیگر صرفاً درخواستی برای تولید متن نیست، بلکه ماشگی برای یک فرآیند ابری است. البته این استقلال، ریسک هزینه را بالا می‌برد. در حالی که اجرای جریان کاری رایگان است، کاربر باید هزینه هر توکن (Token) — تکه‌های کوچکی از متن که مدل می‌خورد — مصرف‌شده توسط تمام زیر-عامل‌ها و هزینه زمان اجرای نشست را پرداخت کند.
به همین دلیل، توسعه‌دهندگان باید بودجه‌های سخت‌گیرانه‌ای تعیین کنند تا از مصرف بی‌رویه منابع توسط یک عامل خودگردان در مواجهه با مسائل پیچیده جلوگیری کنند.
گام بعدی شما
- اگر توسعه‌دهنده هستید، قابلیت جریان‌های کاری را در تنظیمات multiagent با استفاده از نوع
multiagent_20261001فعال کنید. - برای پروژه‌های بازبینی کد (Code Review)، مدل تک‌عاملی را با مدل‌های جریان کاری پویا مقایسه کنید تا نرخ شناسایی خطاها را بسنجید.
- سقف بودجه توکن‌ها را برای جلوگیری از هزینه‌های پیش‌بینی‌نشده در حالت اجرای پس‌زمینه تعریف کنید.
اما رقابت در میدان هوش مصنوعی عامل‌محور تازه گرم شده است؛ اثر این تصمیم بر استراتژی‌های OpenAI را در گزارش بعدی بررسی خواهیم کرد.
گفتگو